El último obstáculo

Hace treinta años, los software se enviaban en discos envueltos en plástico y se vendían en los estantes de las tiendas. Para que un producto llegara a un cliente, había que fabricarlo, empaquetarlo y distribuirlo. Se trataba de procesos complejos, por lo que la ruta desde el fabricante hasta el comprador estaba llena de obstáculos.

Desde entonces, cada cambio importante en el desarrollo de productos ha ido eliminando un inconveniente tras otro. Internet eliminó la distribución. La nube y la implementación continua eliminaron los obstáculos relacionados con la iteración, por lo que los equipos pudieron pasar de lanzamientos anuales a diarios. Hoy en día, las herramientas de IA como Lovable y Cursor están solventando aún más complejidades técnicas. Eliminaron las restricciones de los lenguajes de programación para que más personas pudieran crear prototipos y compilar más rápido, independientemente de sus conocimientos técnicos. Un solo equipo puede lanzar una nueva función en cuestión de horas. Y lo hacen. Constantemente.

Pero ninguno de estos cambios resolvió la pregunta más importante: ¿estás creando lo correcto?

La velocidad de desarrollo ha superado a la velocidad de aprendizaje

Hoy en día, los equipos lanzan una nueva función antes de la hora de comer y pasan a la siguiente versión antes de la cena. Se puede lanzar una campaña por la mañana sin que se conozca su rendimiento hasta que llegue el informe mensual de métricas. Para saber cómo perciben realmente los usuarios lo que has creado, sigue siendo necesario conectar sistemas de datos, esperar a que haya analistas disponibles y cruzar los dedos para dar con la solución correcta antes de que empiece el siguiente «sprint».

La velocidad sin información no solo echa a perder un «sprint» o una campaña, sino que multiplica el coste de cada decisión errónea. Ahora, las funciones basadas en suposiciones erróneas se lanzan más rápido. Las campañas optimizadas con métricas incorrectas se amplían más rápido. Cada experimento que se lanza sin una idea clara del comportamiento de los usuarios podría ahuyentarlos más que atraerlos. Antes de que los equipos den prioridad a la velocidad del lanzamiento, necesitan un flujo de trabajo para saber si van en la dirección correcta.

No solo están realizando lanzamientos más rápido, sino que los están haciendo a ciegas. Si no existe ninguna forma de conectar lo que se lanza con lo que funciona, la velocidad no crea valor por sí misma, sino que simplemente frena el crecimiento.

De los informes al razonamiento

Este obstáculo en la evaluación de los productos no se debe a la falta de datos. De hecho, los equipos tienen más datos que nunca. Y tampoco se debe a la falta de herramientas. El mercado de los análisis es enorme. El problema es que la mayoría de los procesos analíticos aún funcionan como antes de que la IA lo cambiara todo. Una persona tiene una pregunta. Envía una consulta a un analista. Días o semanas después, obtiene un panel de control, pero solo le resultará útil si hizo la pregunta correcta para empezar.

Este flujo de trabajo era aceptable cuando los equipos hacían lanzamientos trimestrales, pero es inviable cuando se realizan a diario. En un mundo en el que los productos, las campañas y los experimentos se mueven a la velocidad de la IA, los análisis tienen que seguir el ritmo de forma proactiva. Tienen que funcionar continuamente, razonando en tiempo real sobre lo que está sucediendo para sacar a la luz lo realmente importante antes de que alguien piense en hacerlo. Hacer informes sobre el pasado solo puede llevar al fracaso. Hoy en día, las herramientas de análisis deben ayudar activamente a los equipos a comprender el presente y decidir qué deben hacer a continuación.

Para que esta evolución sea posible, se necesita una base radicalmente distinta.

El análisis a gran escala de IA requiere un contexto de comportamiento completo

Para saber si has creado lo necesario, hace falta algo más que un almacén de datos y una capa de consulta. Se necesita una imagen completa de la experiencia de los usuarios, lo que incluye embudos y datos sobre comportamiento, reproducciones de sesiones, encuestas de opinión y conversaciones con el servicio de asistencia. Es preciso combinar datos en tiempo real sobre cómo se comportan los usuarios, cómo se sienten y dónde se quedan atascados.

Pero las señales de los usuarios son solo la mitad del panorama. La IA también necesita comprender el contexto de tu equipo:

• ¿Qué preguntas se están haciendo ahora mismo?
• ¿Qué gráficos y métricas se han creado recientemente?
• ¿Cómo ha evolucionado la taxonomía?
• ¿Cómo evolucionan las prioridades a medida que cambian los productos y las campañas?

Sin ese contexto en tiempo real, incluso la IA más potente genera respuestas superficiales o engañosas. Por eso, no basta con añadir un LLM a un almacén de datos y esperar información relevante. Podría ser una forma más rápida de preguntar qué ha sucedido, pero faltan las partes más importantes: diagnosticar el porqué y decidir qué hacer a continuación. Para comprender de verdad, es necesario combinar todo el contexto de la experiencia del usuario con la intención que tiene el equipo al crear funciones para esos usuarios.

Los análisis deben actuar como agentes, no solo ser inteligentes

Hoy en día, la carga de trabajo de los análisis sigue recayendo en las personas. Una persona tiene que mantener la taxonomía a medida que el producto cambia. Otra tiene que limpiar los datos obsoletos o dañados para que el sistema no se degrade indadvertidamente. Otra tiene que relacionar los patrones de comportamiento y los comentarios de los usuarios con ideas concretas sobre qué es necesario arreglar, probar o crear a continuación. Todo este trabajo es fundamental, pero casi nada de ello se puede escalar.

El análisis agentivo es la solución a ese trabajo. Mantiene y hace evolucionar la base de la que depende, actualiza el contexto sin que se le pida y ayuda a los equipos a pasar de la información a la acción sin que tengan que esperar una transferencia. Los análisis dejan de ser un sistema pasivo al que se interroga, para convertirse en participantes activos en la forma de crear, lanzar y crecer.

Actualización de la plataforma de análisis Amplitude AI

Cursor redefinió las posibilidades del desarrollo de software: consiguió que los ingenieros trabajasen hasta 10 veces más rápido y que muchas personas que jamás habían programado nada pudieran participar. Ahora, ha llegado el momento de los análisis.

Vamos a añadir agentes de Amplitude a nuestra plataforma de análisis de IA: un sistema agentivo que abre la puerta a más personas y equipos para que puedan comprender los datos de comportamiento y el contexto completo de las experiencias de los usuarios.

Detecta continuamente lo que está sucediendo a lo largo del recorrido del cliente. Decide qué es importante y por qué. Actúa a través de los experimentos, la personalización y mucho más. Con el análisis de IA, los equipos pasarán de crear productos a evaluar su impacto en cuestión de minutos, no de semanas. Esto supone una productividad diez veces mayor que la de los análisis manuales.

Te explicamos cómo funciona.

Global Agent de Amplitude

Global Agent de Amplitude tiene acceso para analizar y actuar en toda la plataforma de Amplitude: datos de comportamiento, recorridos, experimentos, Session Replay y comentarios. Además, incorpora el contexto del trabajo de tu equipo, como las preguntas que se han hecho recientemente y los nuevos gráficos, métricas y prioridades. No solo crea gráficos para responder preguntas, sino que mantiene conversaciones en un lenguaje sencillo, lo que anima a hacer preguntas de seguimiento para guiar a cualquier persona en las consultas sobre los análisis.

Global Agent lleva a cabo investigaciones completas, conecta los patrones de distintas fuentes de datos y prepara pasos concretos a seguir. Analizar la causa primordial, que antes llevaba días o incluso semanas, ahora se realiza en unos minutos y con mayor precisión que las investigaciones manuales. Después de investigar, puede incluso recomendar los pasos que se deben seguir a continuación. Y se puede acceder desde Slack y Teams, donde tus equipos pasan mucho tiempo.

Specialized Agents

Mientras que Global Agent ayuda a los equipos a investigar y tomar decisiones, los Specialized Agents se aseguran de que no se haya pasado por alto nada importante. Están diseñados específicamente para un único dominio o flujo de trabajo, y se ejecutan de forma periódica para analizar lo que está sucediendo y enviar resúmenes, oportunidades y acciones recomendadas a la página de agentes de Amplitude, al correo electrónico o a Slack.

Actualmente, ofrecemos cuatro Specialized Agents:

• Agente de monitorización del panel de control: genera información automáticamente a partir de cualquier panel de control, profundiza en las tendencias y anomalías interesantes y ejecuta una monitorización proactiva de forma periódica para descubrir problemas antes de que sean graves.
• Agente de Session Replay: Revisa cientos de sesiones de forma programada para identificar obstáculos y patrones que llevan a la pérdida de conversiones. Recomienda soluciones específicas con efectos cuantificados.
• Agente de conversión de sitios web: propone experimentos, genera variantes y crea configuraciones de experimentos. Con tu permiso, ejecutará los lanzamientos y compartirá los resultados junto con las decisiones de implementación.
• Agente de comentarios: genera resúmenes periódicos de los temas principales a partir de comentarios no estructurados (por ejemplo, encuestas y consultas al servicio de asistencia) y extrae información procesable que los equipos no podrían obtener de otro modo.

Servidor de Protocolo de contexto de modelos (MCP)

Con MCP, podrás consultar la información sobre comportamientos de Amplitude directamente en los flujos de trabajo de IA que ya utilizas. Puedes hacer preguntas, investigar incidencias y tomar medidas en función de lo que descubras sin salir de tu flujo de trabajo. La información aparece en el momento de tomar la decisión, no después.

Asistentes de IA: pídele a Claude o a ChatGPT que resuman el comportamiento de los usuarios, que generen gráficos y que respondan a preguntas sobre productos o campañas con los datos de Amplitude.

Desarrollo: valida, elimina fallos y monitoriza el impacto con el contexto del producto dentro de Cursor o Claude Code. Añade contexto sobre el comportamiento a las solicitudes de GitHub. Crea y lanza funciones de IA con información integrada sobre los productos en AWS Kiro.

Diseño y creación de prototipos: valida y perfecciona los conceptos de Lovable gracias a la información sobre el rendimiento y los comentarios sobre el producto. Identifica los puntos de fricción de los usuarios y genera prototipos respaldados por datos en Figma Make.

Producto y colaboración: analiza y descubre oportunidades de productos gracias a los agentes de Notion. Haz que los gráficos y análisis de Amplitude se puedan buscar en Atlassian Rovo.

Ventas y participación: personaliza los mensajes y la segmentación en Outreach con señales de comportamiento.

Un solo sistema, no varias funciones separadas

Global Agent, Specialized Agents y MCP no son tres productos separados. Son un único sistema construido sobre una base común de datos sobre el comportamiento, contexto en tiempo real y razonamiento agentivo. Global Agent investiga en tiempo real. Los Specialized Agents automatizan los flujos de trabajo más importantes para ti. MCP lleva todo esto a los lugares donde tu equipo ya trabaja. Todos juntos, tienden un puente entre la creación y el aprendizaje que no existe en el resto del sector.

El futuro es de los equipos que aprenden tan rápido como lanzan

La velocidad de desarrollo ya no es una ventaja competitiva. La IA ha dado a todos los equipos la capacidad de lanzar productos o servicios a una velocidad extraordinaria. Ahora, lo importante es entender rápido qué debes crear y convertir ese conocimiento en acciones coherentes.

Los análisis a velocidad humana se quedarán atrás. El futuro es el análisis a gran escala de IA, basado en el contexto del comportamiento, el razonamiento continuo, las acciones fundamentadas en la información y la integración en los lugares donde ya trabajan los equipos.

Este es el futuro que está construyendo Amplitude. Y ya está disponible.

Descubre cómo funciona el jueves 5 de marzo. Te presentarán la plataforma quienes mejor la conocen: sus desarrolladores. Regístrate hoy mismo.