Qlik 以 Amazon Bedrock 打造 Qlik Answers，服務 11 個區域客戶

背景

Qlik Answers 是 Qlik 推出的企業 AI 工具。員工（不只是分析師）可以用自然語言提問，取得有事實依據並附上來源的回答。它的模型存取建立在 Amazon Bedrock（AWS 的託管服務，透過單一介面存取多種生成式 AI 模型）上。文章說明開發這項工具的原因：企業員工不缺資料，缺的是能快速提問並得到可信答案的方式。分析師常要花數小時翻找文件、儀表板與內部經驗。企業導入生成式 AI 時，也常遇到答案沒有來源、結果無從驗證，以及無法部署在受監管環境的問題。 AWS ML Blog

發生什麼事

AWS ML Blog 於 2026 年 10 月 7 日發文，說明 Qlik 的建置方式。Qlik 在全球有超過 40,000 家客戶。Qlik Answers 自 2026 年 2 月正式推出後，已進入日常使用。其中 Discovery Agent（以 AI 偵測資料中異常值與離群值的代理程式）自推出以來，已為客戶找出超過 100,000 項發現。文章也指出，開啟 agentic tools（能自行執行任務的 AI 代理工具）的 Qlik Cloud 帳戶，多數都在實際使用。Qlik 為此要同時處理三個問題：一是讓各種專門推理分工運作而不拖慢回應；二是滿足 11 個區域的資料主權要求；三是在重大上線前 3–6 個月，預先規劃 token（模型計算文字用量的單位）消耗與模型可用性。 AWS ML Blog

文章列出三個客戶案例。Bystronic 是金屬板材加工公司，用 15 分鐘部署了 AI 聊天機器人，讓各部門員工查詢即時營運資料並取得附來源的答案。Lintech International 在 Qlik Answers 中索引了超過 17,000 份技術文件，減少人工查找時間，回應速度提升 75 percent，業務主管每週最多可省下 7 小時。TouchPoint Support Services 服務 650 個醫療據點，正以規模加倍為目標，用 Qlik Answers 為 15,000 名員工提供符合法規要求的指引。 AWS ML Blog

重點內容

Qlik 沒有做成單一的大型助理，而是把系統分成幾層：

• 入口層：設在 Qlik Cloud 內，後端新增功能時，客戶的使用方式不用改變。
• 路由層：讀取使用者訊息與對話脈絡，只負責判斷請求該送往哪裡。
• 回答層：簡單問題走快速路徑；複雜問題先拆成子問題，再從多個來源取材。
• 專門代理層：以共用的 swarm runtime（讓多個專門代理共用同一套協作規則的執行環境）定義代理、工具、狀態與 human-in-the-loop（流程中由人介入確認）步驟。
• 對話式分析層：處理結構化資料的問題。
• 檢索層：使用 Amazon OpenSearch Service（AWS 的搜尋與分析服務）索引並搜尋文件。 AWS ML Blog

模型存取透過 Qlik 自建的 LLM（大型語言模型）gateway（集中轉送模型請求的閘道）連到 Amazon Bedrock，用途包括對話、串流輸出、embeddings（把文字轉成向量以比對語意）與 reranking（把檢索結果重新排序）。每一筆請求與回應都會經過 Amazon Bedrock Guardrails（Bedrock 的內容防護功能）。它會過濾 prompt injection（以惡意指令誘導模型違反規則的攻擊）、PII（可識別個人身分的資訊）、機密資訊與禁止的主題，並用 contextual grounding（比對答案與來源內容是否相符）功能逐一檢查生成的答案。非結構化的問題會從 OpenSearch 取得相關內容，最終答案附上引用；結構化的問題則交給對話式分析路徑處理。 AWS ML Blog

文章說明 Qlik 選用 Bedrock 的三個理由。第一，可以替每個代理的任務指派較合適的模型，不必整套系統綁定單一模型。第二，Amazon Bedrock cross-Region inference（CRIS，跨區域推論）讓 Qlik 能服務全部 11 個區域，同時在法規要求的地方讓資料留在當地。第三，區域部署模式與容量保留選項提供擴充空間；日後也可以視需要，把特定工作負載的營運負擔交給 Amazon Bedrock AgentCore 等服務，不必整體遷移。 AWS ML Blog

對使用者的意義

這套工具的使用者是 Qlik Cloud 的企業客戶。員工可以在同一個地方用自然語言提問，系統會依問題類型，從知識庫、即時分析應用、詞彙表定義或文件中找出答案並附上來源。Qlik 也可以依租戶（個別客戶帳戶）設定功能選項，每次請求時重新組出可用的處理路徑，讓各客戶選擇開啟不同功能，整體架構則保持一致。 AWS ML Blog

限制與未定事項

客戶依賴的模型若還不能在當地區域透過 Bedrock 使用，Qlik 會先改用 Amazon SageMaker AI（AWS 的機器學習模型建置與部署服務）代管，等區域開放後再移回 Bedrock。詞彙表查詢、自動化與文件摘要等功能，是透過功能開關逐步推出，不會一次對所有客戶開放。 AWS ML Blog