Переход от устаревшей BI к агентному ИИ в Tradeshift с помощью Amazon Quick

Tradeshift, платформа для обработки счетов и электронного выставления счетов, работающая в более чем 70 странах, столкнулась с ограничениями собственного BI-инструмента, который не справлялся с растущими объёмами данных и требованиями клиентов. Инструмент поддерживал максимум 10 000 строк на запрос, 25 МБ для отчётов и хранил только 6 месяцев истории. Компания перешла на Amazon Quick — агентное ИИ-пространство, включающее чат-агента для вопросов на естественном языке, автоматизацию рабочих процессов (Flows) и создание аналитических отчётов (Research). Внедрение проходило поэтапно: с доказательства концепции в начале 2024 года до запуска полноценного приложения для отчётности в июне 2025 года. Архитектура включает три уровня аналитики: 16 встроенных дашбордов Quick Sight, обрабатывающих от 1 до 100 миллионов записей менее чем за 3 секунды; диалоговый доступ к данным через ИИ; и уровневое самообслуживание (Standard и Premium). Безопасность обеспечивается через Okta SSO, пользовательские пространства имён, подписанные URL и фильтрацию на уровне строк (около 14 000 правил). Результаты: внутренние команды экономят 8,5 часов в неделю на ручных отчётах, внешние покупатели — 6–8 часов на пользователя; ручная обработка данных сократилась на 80%; время выявления узких мест упало с 1–2 дней до менее 5 секунд. Стоимость владения снизилась на 40%, инфраструктурные расходы — на 35%, лицензионные — на 30%. Достигнут 2% прирост годовой повторяющейся выручки за счёт премиум-уровня, а время вывода заказных отчётов на рынок сократилось на 75% (с 4–6 недель до примерно одной). Внедрение привело к 50% ежемесячной активности среди целевых покупателей, увеличению использования аналитики не-техническими сотрудниками в 2 раза, снижению тикетов поддержки на 80%. Примеры использования: ИИ-агент AP Auditor, построенный на кастомном чат-агенте Quick, позволяет аудиторам задавать вопросы на естественном языке и получать мгновенные ответы, используя базу знаний из 11 документов, 9 дашбордов, 14 тем запросов и 68 инструментов действий через Model Context Protocol. Второй пример — обработка больших объёмов данных о ручных операциях AP с помощью SPICE, обеспечивающая видимость в реальном времени. Внутри компании 40 отдельных дашбордов заменены на более чем 100 наборов данных с доступом через естественный язык, а квартальный анализ рынка сократился с нескольких недель до дней или часов.