企業資料往往包含數千萬行、行級和列級安全策略以及跨多個業務領域的數十個資料集，需要AI生成的答案可信、可重複、快速，並且一致地遵守治理規則。Amazon Quick 的最新五項功能致力於消除從提問到獲得可信答案之間的等待時間，使資料專業人員能夠大規模交付可信的AI驅動洞察。
資料集問答：直接與資料對話 當業務副總裁詢問“該產品的流失趨勢如何？”時，傳統做法是查詢現有儀表板或等待分析師編寫查詢。資料集問答功能透過將自然語言問題轉化為SQL，並在全量資料集（數百萬行，無抽樣）上執行，數秒內返回結果。系統利用資料集後設資料中的業務定義來消除歧義，例如判斷“增長”是指交易量、客戶數、收入還是單位數。更重要的是，AI生成的查詢會自動應用您在儀表板中配置的行級和列級訪問策略，無需額外配置即可將現有安全態勢擴充套件到對話式答案。
解釋：驗證推理過程 速度固然重要，但準確性更不可或缺。聊天解釋功能展示完整的推理鏈：呼叫的工具、生成的SQL、應用的過濾器、做出的假設以及面向非技術人員的平實語言總結。對於BI工程師和資料分析師，這相當於開發階段的加速器：您可以提出基準問題、檢查推理、策劃額外上下文並調整護欄，從而將原本需要數週的迭代測試壓縮為集中式會話。
語義豐富：教會AI您的業務語言 資料集問答的準確性在很大程度上取決於系統對業務詞彙的理解。資料集豐富功能允許作者在資料集級別提供自然語言描述和自由格式指令，例如“此處的收入是退貨後的淨收入；同比比較請使用財務年度而非日曆年度”。此外，還支援上傳來自資料目錄或團隊維基的後設資料檔案，並在列級別組織欄位、新增描述和註釋邊緣情況。幾分鐘的投資，便能確保下游問題使用團隊已商定的定義。
AI驅動的儀表板生成：從數天到數分鐘 操作型儀表板是企業決策的核心。AI驅動的儀表板生成功能讓作者選擇最多三個資料集，描述想要的業務問題、指標和組織方式，系統即可生成包含多個工作表的分析，其中包含匹配資料的視覺化、篩選控制元件以及同比增長、環比等計算欄位。整個過程僅需數分鐘，輸出是原生的Amazon Quick分析，可編輯、釋出、嵌入或加入CI/CD流水線。早期使用者報告儀表板建立時間減少90%以上。
即時資料訪問：直接查詢S3 Tables 企業越來越多地使用Apache Iceberg等開放表格式構建資料湖。Amazon Quick 現在可以直接連線到S3表桶中的Iceberg表，無需中間引擎。作者可以在SPICE模式（高併發亞秒級儀表板）和直接查詢模式（對資料新鮮度要求高的場景）之間選擇。在直接查詢模式下，傳統儀表板和對話式AI代理都從同一份即時資料讀取，交易在透過流式管道到達S3表桶後即可在圖表、指標或聊天答案中顯示。這簡化了現代湖倉一體架構，實現單一受管資料層服務於人類和AI消費者。
這些功能共同消除了分析工作流中的繁瑣步驟，同時保留了人類判斷、治理和領域專長的作用。分析師仍然決定如何計算流失率，資料工程師仍然管控誰能訪問什麼資料，但工具現在能夠承擔機械性工作，使團隊能夠專注於更高價值的分析任務。