AmplitudeとOpenAIは2026年11月12日、製品の利用データから改善案を探し、コーディングエージェントへ実装を引き継ぐ取り組みを紹介しました。中心となるのは、Amplitudeの製品エージェント「Wave」です。Waveは、利用状況の分析、利用者の操作記録、顧客の声、ソースコードを調べ、改善する場所と方法を提案します。
Amplitudeは、改善案を公開するまでの期間を、従来の約1か月から1〜2日へ短縮できると見積もっています。ただし、同社の運用経験に基づく数値です。実際のホーム画面の改善例と、人が承認する工程を確認すると、AIにコードを書かせるだけの場合との違いが分かります。
Waveは利用データ・操作記録・コードを分析して改善候補を探す
Amplitudeは、Webサイトやアプリの利用データを分析する製品を提供してきました。Waveでは、チームが改善したい目標や指標を指定すると、AIが利用データ、セッションリプレイ、顧客の声、コードを組み合わせて改善候補を探します。セッションリプレイは、利用者が画面で行った操作を再現して確認できる記録です。
通常の分析では、担当者がグラフから異常を見つけ、仮説を立て、設計資料や開発依頼を作る必要があります。Waveは、その一部を支援します。「なぜ問題なのか」「何を変更すればよいか」を調べて優先順位を付け、実装計画と、完成と判断するための受け入れ基準を作ります。コーディングエージェントへの引き継ぎまで、つなげる仕組みです。
Waveの特徴は、コードを自動生成する前に、「何を作るか」を探すところから支援する点です。改善する箇所を見誤ると、実装が速くても目的を達成できません。チームが優先順位を判断できるよう、分析の根拠を残すことが重要です。
100件の操作記録から課題を見つけ、カード経由の送信数が160%増加
OpenAIの顧客事例では、Amplitude自社ホーム画面の改善が紹介されています。画面には、AIエージェントへの質問候補を示すカードがありました。しかし100件のセッションリプレイでは、80人が自分で質問を入力し、カードの提案を選んだのは12人でした。Waveは、カードの内容が利用者の状況に合っていない可能性を見つけました。
Waveは、直近に閲覧したチャート、ダッシュボード、遷移元のページなどを参考に、利用者ごとに提案を変える方法を提示しました。必要な情報がない場合は従来の提案を表示し、自由入力も残す条件を、設計に含めています。開発チームは案を短時間で確認し、コーディングエージェントへ実装を引き継ぎました。
その後、変更した画面と従来の画面を比べるA/Bテストを行いました。Amplitudeによると、ホーム画面の提案カード経由で送信されたメッセージは、1日後の時点で対照群より160%多かったといいます。特定の画面と指標に関する、同社公表の実験結果です。
この160%は、全利用者のAI利用が増えた割合ではなく、あらゆる製品で同じ効果を得られるという意味でもありません。増加率の対象は、提案カード経由の送信に限られます。継続利用率、売上、利用者全体の満足度が、同じ割合で改善したことを示す数字ではありません。
実装計画と受け入れ基準をCodexへ渡し、重要な変更は人が確認する
Waveが改善候補をまとめ、実装できる状態になれば、チームはCodexやWave Code Agentなどへ作業を引き継げます。単なる要望文ではなく、変更内容を示す技術計画と、どの状態なら完成かを示す受け入れ基準も、一緒に渡す構成です。
たとえば提案カードの改善なら、最近の利用データを参照する条件、個別化に必要な情報がない場合の代替表示、自由入力を妨げないことなどを明記します。AIが見た目だけを変更しても、期待する動作から外れていれば、テストで気づきやすくなります。
企業は、どこまで自動化するかを選べます。OpenAIの紹介では、小さな不具合の修正はコーディングエージェントへ直接任せることが多い一方、新機能や大きな変更は人がレビューするとしています。AIが実装案を作っても、公開の責任は開発チームに残ります。
約1か月から1〜2日への短縮はAmplitudeの見積もり
Amplitudeは、Waveで改善候補の発見から実装・検証までを速め、公開までの期間を約1か月から1〜2日へ短縮できると見積もっています。同社によると、顧客が実際に公開した実験・機能フラグ・ガイドに限ると、4分の1は発見当日、半数は4日未満、3分の2は1週間以内に公開されました。機能フラグは、機能を有効にするかを切り替える仕組みです。対象となる仕事の規模はさまざまで、すべての開発が1〜2日で終わるわけではありません。
Amplitudeは、Waveの作業に応じてモデルを使い分けると説明しています。調査や推論が重要な場面にはGPT-6.1 Sol、小さな点検など頻繁に行う処理にはGPT-6 Lunaを割り当てます。画面の試作イメージにはGPT-Image-2.5 Flareを使います。単一の大規模モデルにすべてを任せず、品質、処理時間、費用を考えて役割を分ける方針です。
これらの効果や評価値は、Amplitudeの事例と試験条件に基づきます。独立した第三者による比較実験として、一般化できるものではありません。一方、「調査」「設計」「実装」「評価」を分け、各工程に適した道具を選ぶ考え方は、実務の参考になります。
導入時は計測データの品質・AIの権限・評価指標をそろえる
別の開発チームが同じ方法を取り入れる際は、まず利用データの品質を確認してください。操作や出来事の計測が欠けていたり、セッションリプレイの対象が偏っていたりすると、Waveが見つける課題も偏ります。利用者の行動を扱うため、個人情報の取り扱いや、収集への同意も整える必要があります。
次に、AIエージェントが作る実装計画へ、受け入れ条件とテスト方法を添えてください。重要な画面では人のレビューと承認を必須にし、意図しない範囲を変更しないよう、AIの権限を限定しましょう。結果は、コードが動いたかだけでなく、狙った指標が改善したか、別の使い勝手を損なっていないかも含めて判断してください。
Amplitudeの事例が示すのは、Codex単体の性能だけでなく、発見した問題を開発まで引き継ぐ組織の運用です。既存の分析ツールや開発工程に合わせ、小さな変更から、測定と承認の手順を組み込んでみましょう。




