GrowthBook 5.0: Warehouse-native experimentation with AI evaluations

GrowthBook je objavio verziju 5.0 4. avgusta 2026. godine, pojavljujući se na Product Hunt listi istog dana. Platforma pruža feature flag-ove, A/B eksperimentisanje i produktnu analitiku; verzija 5.0 je proširuje sa posebnim fokusom na podršku timovima koji grade i testiraju AI funkcionalnosti pored tradicionalnog produktnog rada.

Platforma je open-source i warehouse-native, što znači da podaci eksperimenata ostaju u sopstvenoj infrastrukturi organizacije, a ne kod vendora. GrowthBook navodi više od 3.000 organizacija kao korisnike; ažuriranje 5.0 fokusira se na tri dodatka relevantna za timove koji rade sa LLM-ovima.

Šta je novo u verziji 5.0

Funkcija AI Data Analyst omogućava timovima da postavljaju upite o rezultatima eksperimenata na prirodnom jeziku. Umesto pisanja SQL-a ili čekanja na BI zahtev, PM može da postavi pitanje poput “koji varijant je bolje radio za mobilne korisnike u EU prošle nedelje” i dobije odgovor bez napuštanja platforme za eksperimentisanje. Tvrdnja je da je brzina eksperimentisanja povećana pet puta zahvaljujući bržim iteracionim ciklusima uklanjanjem analitičkog uskog grla.

AI Evaluations dodaju nativni sloj evaluacije za funkcionalnosti zasnovane na LLM-u. Timovi mogu da pokreću strukturirane testove izlaza modela uz tradicionalne eksperimente zasnovane na metrikama. Ovo zatvaraju specifičnu prazninu: većina infrastrukture za A/B testiranje izgrađena je za determinističke funkcionalnosti, a testiranje da li jedan prompt daje bolje rezultate od drugog zahteva drugačiju vrstu merenja. GrowthBook 5.0 tretira AI evaluacije kao punopravni tip funkcionalnosti u okviru istog radnog toka eksperimentisanja.

Integracija sa MCP serverom omogućava AI agentima da čitaju podatke eksperimenata, postavljaju upite o rezultatima i pokreću promene flag-ova kao deo automatizovanih radnih tokova. Ovo omogućava scenarije u kojima agent prati eksperiment, detektuje značajan rezultat i preduzima konfigurisanu akciju — pauzira test ili obaveštava tim — bez ručne intervencije.

GrowthBook takođe navodi smanjenje troškova od 50% u poređenju sa komercijalnim alternativama prema sopstvenim benchmark-ovima. Organizacije koje ga sami hostuju na svom data warehouse-u plaćaju za sopstvenu infrastrukturu, a ne po modelu po sedištu ili po događaju.

Zašto je važno za product managere

Kombinovanje tradicionalnog A/B testiranja sa nativnom LLM evaluacijom je praktično relevantno za timove koji su počeli da isporučuju AI funkcionalnosti, ali i dalje se oslanjaju na odvojene alate za svaku vrstu merenja. Jedinstvena platforma smanjuje overhead koordinacije između tima za eksperimentisanje i onoga ko je odgovoran za kvalitet AI-a, i čuva sve podatke eksperimenata na jednom mestu za izveštavanje i iteracije.

Funkcija AI Data Analyst je najrelevantnija za product managere koji trenutno zavise od data timova za analizu eksperimenata i žele da smanje tu zavisnost tokom ranih rundi iteracija — pre nego što rezultat postane dovoljno značajan da opravda formalni zahtev za analizu. Tačnost AI Data Analyst-a na složenim upitima o eksperimentima vredi proveriti za konkretnu šemu podataka organizacije pre nego što se tretira kao zamena za SQL analizu.