从传统BI到代理AI：Tradeshift借助Amazon Quick实现转型

Tradeshift是一个AI驱动的应付账款和电子发票合规平台，服务于70多个国家的买卖双方。随着数据量和客户期望的增长，其内部构建的BI工具逐渐暴露出诸多限制。该工具维护消耗约0.5个全职人力，每查询最多支持1万行，计划报告上限25MB，仅保留6个月历史数据，无法进行大规模趋势分析、异常检测或预测建模。团队急需一个可扩展、支持自然语言查询且具有AI能力的平台。

Amazon Quick是一个代理AI工作空间，集成了聊天代理、流程自动化和深度研究功能。Tradeshift从2024年初开始概念验证，2025年6月推出面向买卖双方的完整报告和分析应用。架构包含三个分析层级：第一层为16个嵌入式Quick Sight BI仪表板，覆盖文档发票、采购订单、扫描、网络连接、用户活动、工作流自动化、合规与异常检测、付款预测、收货与发票对账等9个领域，处理100万至1亿条交易记录，响应时间低于3秒（原工具需45-90秒）；第二层提供对话式AI访问，用户无需SQL知识即可通过自然语言查询；第三层引入分级数据自治，标准层提供预建仪表板与基本筛选器，高级层包括设计器模式、自定义仪表板创建、假设分析（What-If）及代理AI能力。安全性通过Okta SSO、自定义命名空间、签名URL和约1.4万条行级安全规则实现。

业务成果显著：内部团队每周节省8.5小时人工报告时间，外部用户每周节省6-8小时，手动数据处理（包括Excel宏、VLOOKUP、数据透视表）减少80%，瓶颈识别时间从1-2天降至5秒内。总拥有成本降低40%，基础设施成本降低35%（查询从生产数据库迁移至SPICE内存引擎），许可成本整合30%，维护仅需0.5个全职人力。现有买家账户的年经常性收入增长2%，定制报告上市时间缩短75%（从4-6周降至约1周），采用嵌入式分析的账户保留率提高10%。内部采用率达98%，非技术人员分析使用量翻倍，分析相关支持工单减少80%。

两个典型用例凸显Quick价值：一是生成式AI驱动的AP审计员聊天代理，通过自然语言指令构建，无需编码，可回答“显示上个月待处理发票”等查询，后端连接11份参考文档、9个仪表板、14个查询主题和68个自动化工具（通过MCP协议）。二是高容量BI工作负载，处理大量行级编码数据，区分手动与AI生成代码，追踪审批层级，提供近实时与历史可见性。

内部运营方面，Tradeshift将40个独立仪表板整合为100多个可通过自然语言查询的数据集。季度市场分析从数周缩短至数天或数小时，借助Quick Research从单一提示生成多源分析报告。自动化流程引擎Quick Flows编排数据刷新（270多个SPICE数据集每日刷新）和报告分发（按日、周、月自动进行），使分析团队得以聚焦更高价值工作。