Wie Amplitude ein internes KI-Tool aufgebaut hat, das das ganze Unternehmen liebt (und wie Sie das auch schaffen können)

• Moda ist ein KI-Tool, das interne Daten bei Amplitude verknüpft, um Fragen schnell zu beantworten und Artefakte wie PRDs zu erstellen
• Anfangs wurde es nur mit wenigen Personen geteilt, verbreitete sich nach dem Nachweis seines Nutzens jedoch explosionsartig im ganzen Unternehmen
• Der Prozess, aus kleinen Ideen-Snippets konkrete und ausgereifte Dokumente zu entwickeln, wird automatisiert
• Noch vor dem Rollout gingen zahlreiche Erwartungen und Anfragen von Mitarbeitenden ein, sodass es innerhalb kurzer Zeit in die Live-Umgebung ausgerollt wurde
• Der Zugang zu Daten und die Geschwindigkeit beim Schreiben von Dokumenten wurden drastisch verbessert, was die Produktivität stark veränderte

---

Aufbau des internen KI-Tools Moda bei Amplitude und Strategien für seinen Einsatz

• Amplitudes CTO Wade Chambers zeigte ein intern entwickeltes KI-Tool testweise einigen Kolleginnen und Kollegen
  • Die Reaktion war überwältigend, sodass es innerhalb einer Woche im ganzen Unternehmen genutzt wurde
• Bisheriges Problem: Der Zugriff auf interne Daten, das Finden benötigter Materialien und deren Aufbereitung in Dokumenten kosteten viel Zeit
• Ziel: Jede Person soll in natürlicher Sprache Fragen stellen können und dabei datenbasierte Antworten sowie ausgereifte Dokumente erhalten

• Hauptfunktionen

  • Automatisierter Datenzugriff: Interne Repositories, Logs und Analysedaten lassen sich in Echtzeit durchsuchen
  • Dokumentenerstellung: Die KI erstellt automatisch erste Entwürfe verschiedener Dokumente wie PRDs und Analyseberichte
  • Ideenausbau: Einzeilige Notizen oder grobe Ideen werden zu konkreten Dokumenten ausgebaut
  • Sofortiger Rollout: Da bereits in der Entwicklungsphase eine hohe Nachfrage sichtbar wurde, erfolgte schnell die Bereitstellung in der Live-Umgebung

Zusammenfassung der Kernaussagen

1. In 3–4 Wochen Freizeit ein leistungsstarkes internes KI-Tool gebaut

• Das interne KI-Tool Moda wurde in Freizeit außerhalb der regulären Arbeit in 3–4 Wochen entwickelt
• Ursprüngliches Ziel: interne Daten schnell durchsuchen und Dokumente wie PRDs automatisch erzeugen
• Ansatz: Statt eines perfekten Produkts wurde schnell ein funktionsfähiger Prototyp gebaut, mit Fokus auf die Lösung realer Probleme
• Während der Entwicklung wurden Datenzugriffs-APIs und die interne Wissensbasis verbunden, um den gesamten Ablauf Frage → Datensammlung → Dokumentenerstellung zu automatisieren

2. Mit Social Engineering in nur einer Woche im ganzen Unternehmen verbreitet

• CTO Wade Chambers demonstrierte das Tool einigen Kolleginnen und Kollegen → sofortige Begeisterung und Mundpropaganda
• Es wurde bewusst zunächst nur mit einer „ausgewählten kleinen Gruppe“ geteilt, um anfängliche Begeisterung zu erzeugen und diese nach außen zu tragen
• Mit der explosionsartigen Zunahme von Anfragen wie „Wann können wir das nutzen?“ war das Unternehmen schon vor dem offiziellen Start bereit für den flächendeckenden Einsatz
• Für eine schnelle Einführung wurden komplexe Freigabeprozesse minimiert und eine Strategie des sofortigen Rollouts verwendet

3. KI-gestützte Analyse von Kundenfeedback und Ermittlung zentraler Themen

• Produktmanager nutzten Moda, um Kundenfeedback aus mehreren Datenquellen (Support-Tickets, Umfragen, NPS, Social Media usw.) zu sammeln
• Die KI klassifiziert das Feedback automatisch und fasst wiederkehrende Kernthemen zusammen
• Auf dieser Basis werden Prioritäten für Produktverbesserungen und Berichte zur Analyse von Kundenanforderungen schnell erstellt
• Im Vergleich zur manuellen Analyse spart dies viel Zeit und personelle Ressourcen

4. Forschung, PRD und Prototyping auf ein einziges Meeting verdichtet

• Traditioneller Workflow: Research → Ideenmeeting → PRD-Erstellung → Prototyping (dauert mehrere Wochen)
• Mit Moda lässt sich in einem einzigen Meeting:
  • eine Idee eingeben → relevante Daten/Fälle suchen
  • die KI einen PRD-Entwurf erstellen lassen
  • mit KI-Unterstützung sogar das Prototyp-Design vorantreiben
• Beim Ende des Meetings können bereits ein umsetzbarer konkreter Plan und ein Prototyp vorliegen

5. Durch Rollenwechsel-Übungen Empathie und Sprachfähigkeit zwischen Teams steigern

• Produkt-, Design- und Engineering-Teams simulieren mit KI-Tools die Rollen der jeweils anderen
• Beispiel: Ein Engineer erzeugt mithilfe der KI Designvorschläge, ein Designer berücksichtigt mit KI technische Einschränkungen
• Die Erfahrung des Rollenwechsels verbessert das Verständnis für Sprache und Perspektiven anderer Abteilungen und erhöht die Effizienz der Zusammenarbeit
• Da die KI komplexes Fachwissen schnell übersetzt und zusammenfasst, sinkt die Einstiegshürde

6. Unterstützung des Engineering-Teams beim Abbau technischer Schulden

• Moda automatisiert die Analyse bestehender Codebases und die Dokumentation, wodurch die Identifizierung technischer Schulden beschleunigt wird
• Probleme in älteren Systemen werden von der KI nach Priorität geordnet und es werden sogar Refactoring-Vorschläge geliefert
• Da Pläne zum Abbau technischer Schulden datenbasiert vorgestellt werden, fällt die Abstimmung zwischen Management und Entwicklung leichter
• Wiederkehrende Wartungs- und Risikomanagementaufgaben lassen sich vorhersehbar und systematisch durchführen

[t7vonn]

Ich frage mich, ob es kein schlechtes Präzedenzbeispiel ist, wenn so etwas in der Freizeit gebaut wird.
Warum müssen Inhouse-Tools immer jemandem aufgebürdet werden, der dann seine eigene Freizeit opfert, um sie zu entwickeln ...

[laeyoung]

"Der CTO von Amplitude, Wade Chambers, zeigte einigen Kollegen testweise ein intern entwickeltes KI-Tool"

Wie auch der in Herrn Ha Yong-hos Präsentationsfolien erwähnte Naver-Artikel zeigt, scheint sich AI Transformation nur dann unternehmensweit gut zu verbreiten, wenn es auf C-Level den entsprechenden Willen oder ein klares Ziel gibt.