エンタープライズデータは、数千万行のレコード、行レベルおよび列レベルのセキュリティ、複数のビジネスドメインにわたる数十のデータセットを含むことが多く、AIが生成する回答には、信頼性、再現性、高速性、そして一貫したガバナンスの順守が求められます。Amazon Quick の最新5機能は、質問から信頼できる回答を得るまでのギャップを埋め、データプロフェッショナルがエンタープライズ規模で信頼性の高いAI駆動のインサイトを提供できるようにします。
Dataset Q&A：データと直接対話 「この製品のチャーン傾向は？」という質問に対して、従来は適切なダッシュボードを探すか、アナリストがクエリを作成して結果を検証するのを待つ必要がありました。Dataset Q&A は、自然言語の質問をSQLに変換し、全データセット（数百万行、サンプリングなし）に対して実行して数秒で結果を返します。システムはデータセットのメタデータに含まれるビジネス定義を使用してあいまいさを解消します。例えば、「成長」が取引数、顧客数、収益、ユニット数のいずれを指すのかを判断します。さらに、ダッシュボード用に設定された行レベルおよび列レベルのアクセスポリシーがAI生成クエリにも適用され、追加設定なしで既存のセキュリティ態勢が会話型回答に適用されます。
Explanations：推論の検証 速度は重要ですが、正確性は不可欠です。チャットの説明機能は、呼び出されたツール、生成されたSQL、適用されたフィルター、仮定、非技術者向けの平易な要約を含む完全な推論チェーンを表示します。BIエンジニアやデータアナリストにとって、これは開発時間を大幅に短縮する加速剤です。ベンチマーク質問を投げかけ、推論を検査し、追加コンテキストをキュレーションし、ガードレールを調整することで、従来数週間かかっていた反復テストを集中セッションに短縮できます。
Semantic Enrichment：AIにビジネス言語を教える Dataset Q&A の精度は、システムがビジネス語彙をどれだけ理解するかに大きく依存します。データセットエンリッチメントにより、作成者はデータセットレベルで平易な説明と自由形式の指示を提供できます。例：「ここの収益は返品後の純額です。前年同期比較には暦年ではなく会計年度を使用してください」。オプションで、既存のデータカタログやチームwikiからメタデータファイルをアップロードすることもできます。列レベルでは、フィールドを論理フォルダに整理し、説明を追加し、エッジケースに注釈を付けることができます。数分の投資で、下流の質問に対してチームが合意済みの定義が適用されるようになります。
AI駆動のダッシュボード生成：日単位から分単位へ 運用ダッシュボードは、会話型ツールでは置き換えられない独自の役割を持ちます。AI駆動のダッシュボード生成機能により、作成者は最大3つのデータセットを選択し、表示したい内容を自然言語で説明するだけで、データに適合したビジュアライゼーション、フィルターコントロール、前年同期比や月次比較などの計算フィールドを含むマルチシートの分析が生成されます。プロセス全体は数分で完了し、出力はネイティブのAmazon Quick分析であり、編集、公開、埋め込み、CI/CDパイプラインへの統合が可能です。初期アクセスでは、作成者がダッシュボード作成時間を90%以上削減したと報告しています。
リアルタイムデータアクセス：S3 Tables への直接クエリ 企業は Apache Iceberg のようなオープンテーブルフォーマットでデータレイクを構築することが増えています。Amazon Quick は、S3テーブルバケット内のIcebergテーブルに中間エンジンなしで直接接続できるようになりました。作成者は SPICE モード（高同時実行性、サブ秒ダッシュボード）と直接クエリモード（データ鮮度が最も重要なシナリオ）を選択できます。直接クエリモードでは、従来のダッシュボードと会話型AIエージェントの両方が同じライブデータを読み取り、ストリーミングパイプラインを通じてS3テーブルバケットに到着したトランザクションが即座にチャート、メトリクス、チャット回答に表示されます。これにより、単一の管理データレイヤーが人間とAIの両方の消費者にサービスを提供する、最新のレイクファーストアーキテクチャが実現します。
これらの機能は、分析ワークフローから煩雑な作業を取り除きながら、人間による判断、ガバナンス、ドメイン専門知識の役割を維持します。アナリストはチャーンの計算方法を決定し、データエンジニアは誰が何にアクセスできるかを管理しますが、ツールが機械的な作業を引き受けることで、チームはより価値の高い分析タスクに集中できるようになります。