Qlik создает масштабируемый ИИ с Amazon Bedrock для бизнеса

AWS Machine Learning сообщает, что Qlik разработала Qlik Answers, инструмент для решения распространенной проблемы в бизнесе: сотрудники имеют в распоряжении много данных, но не знают, как быстро задать правильный вопрос и получить надежный ответ. Аналитики тратят часы на поиск информации в документах, панелях управления и корпоративной памяти, чтобы ответить на вопросы, которые коллеги могли бы задать за одно предложение. При попытках использовать генеративный ИИ для сокращения этого разрыва многие компании сталкиваются с теми же проблемами: ответы без источников, отсутствие возможности проверить результат и сложности с внедрением инструмента в регулируемую среду. Qlik, мировой лидер в области интеграции данных, качества данных, аналитики и ИИ, создала Qlik Answers для более чем 40,000 клиентов по всему миру. С момента общего запуска в феврале 2026 года Qlik Answers перешел от ранних возможностей к повседневному использованию: например, Discovery Agent, инструмент для обнаружения аномалий и выбросов, выявил более 100,000 находок для клиентов с момента запуска, и большинство аккаунтов Qlik Cloud с активированными агентными инструментами активно ими пользуются. Qlik выявила три проблемы, которые необходимо решить одновременно для запуска Qlik Answers среди своих клиентов: организация специализированного анализа без замедления работы, соблюдение требований к суверенитету данных в разных регионах и прогнозирование потребностей в моделях за 3-6 месяцев до запуска. Эти прогнозы Qlik проверяла на основе фактического использования после начала работы клиентов с продуктом, чтобы рост популярности не привел к проблемам с емкостью. Qlik Answers предоставляет сотрудникам, а не только аналитикам, единое место для задавания вопросов на естественном языке и получения обоснованных ответов. В зависимости от вопроса ответ может поступать из базы знаний, живого аналитического приложения, определения в глоссарии или документа. Система определяет, какой путь выбрать. Три примера развертывания показывают, как это выглядит для клиентов: Bystronic, глобальный специалист по обработке листового металла, развернул чат-бота за 15 минут, предоставив сотрудникам возможность запрашивать данные о текущих операциях и получать обоснованные ответы. Lintech International индексировала более 17,000 технических документов в Qlik Answers, сократив время на ручной поиск и увеличив скорость ответов на 75%, что дало бизнес-менеджерам до 7 часов свободного времени в неделю. TouchPoint Support Services, обслуживающая 650 медицинских учреждений и планирующая удвоить свой размер, использует Qlik Answers для предоставления быстрого, соответствующего требованиям руководства 15,000 сотрудникам, работающим в регулируемой и динамичной среде. Для поддержки этого на масштабах Qlik построила систему на основе четких архитектурных границ, а не одного большого ассистента. Ключевые слои системы включают: слой входа, стабильную точку входа для разговоров внутри Qlik Cloud; слой маршрутизации, который читает сообщение пользователя и контекст разговора; слой ответов, который координирует генерацию ответов; слой специализированных агентов, который определяет, как работают специализированные агенты и инструменты; слой аналитики разговоров, который обрабатывает вопросы со структурированными данными; слой извлечения, который индексирует и извлекает неструктурированные документы; и слой доступа к модели, который соединяется с Amazon Bedrock для чата и потоковой передачи. Одним из важных решений в архитектуре было создание обоснованных ответов на основе реальных источников. Слой ответов извлекает контекст из различных источников в зависимости от вопроса: структурированные метаданные приложения, извлеченное содержимое базы знаний, определения в глоссарии и контекст для автоматизации. Qlik также проводит проверку обоснования на сгенерированных ответах, сравнивая каждый ответ с источником, из которого он был получен, используя возможности валидации контекста в Amazon Bedrock Guardrails. Qlik оценила свою стратегию моделей по трем описанным ранее проблемам, и Amazon Bedrock напрямую решает каждую из них. Многообразие моделей позволяет Qlik назначать наиболее подходящую модель для каждой задачи агента, что обеспечивает соблюдение требований к суверенитету данных в масштабах. Модельный доступ через собственный шлюз Qlik позволяет изменять выбор модели по задаче, не переписывая окружающее приложение, что важно для системы, ожидающей постоянного развития. С момента общего запуска в феврале 2026 года Qlik Answers привлек более 100,000 находок для клиентов, а большинство аккаунтов Qlik Cloud с активированными агентными инструментами продолжают их использовать. Уроки, извлеченные из создания и масштабирования Qlik Answers, включают необходимость отделять быстрое маршрутизирование от глубокого анализа и стандартизировать одну архитектурную основу для выполнения многоагентных задач. Архитектура Qlik остается открытой и адаптируемой, и команда продолжает оценивать возможности Amazon Bedrock AgentCore для определенных рабочих нагрузок. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.