TradeshiftがAmazon Quickを活用してレガシーBIからエージェントAIへ進化
サマリー
Tradeshiftは、Amazon Quickを導入することでレガシーBIツールを置き換え、クエリ応答時間を30倍短縮し、総所有コストを40％削減しました。これにより、顧客は自然言語でデータにアクセスし、即座に洞察を得ることが可能になりました。新しいエージェントAI機能により、手動報告の負担が軽減され、迅速な意思決定が実現しています。
本文
このゲスト投稿は、TradeshiftのRaphael Bres、Robert Iordache、Anca Andone、Ioana Millon（Ploesteanu）とAWSのRoy Yungによって共同執筆されました。Tradeshiftは、70カ国以上のバイヤーと売り手にサービスを提供するAI駆動の買掛金（AP）および電子請求書コンプライアンスプラットフォームであり、数百万の取引を処理するクラウドベースのネットワークを持っています。私たちは市場の両側、バイヤーと売り手の両方にサービスを提供しているため、分析ニーズはほとんどの企業とは異なります。社内のビジネスインテリジェンス（BI）ツールが増大するデータ量と顧客の期待に対応できなくなったため、Amazon Quickに切り替えました。
Amazon Quickは、すべてのアプリケーション、ツール、データに接続するエージェントAIワークスペースです。自然言語によるビジネスデータへのQ&Aを行うチャットエージェント、コーディングなしでマルチステップのワークフローを自動化するためのフロー、複数のソースから包括的で長文の分析レポートを生成するためのリサーチなど、さまざまな機能が含まれています。これらの機能は、AWS上に構築されており、企業レベルのセキュリティを備えています。
この記事では、TradeshiftがエージェントAI機能を持つAmazon Quickを導入し、レガシーBIツールを置き換えた方法を説明します。その結果、クエリ応答時間が最大30倍速くなり、総所有コストが40％削減され、組み込み分析が収益を生む製品に変わりました。
レガシー分析ツールの制限
数年間、Tradeshiftは社内で構築した独自のBIツールに依存していました。このツールは成長初期の基本的な報告ニーズには応えていましたが、データ量と顧客の期待が増すにつれて制約が耐え難くなりました。このツールの維持には、約1人分のフルタイム従業員の50％のリソースが消費され、エンジニアリングリソースが製品革新から逸脱していました。このツールは、クエリごとに最大10,000行をサポートし、スケジュールされたレポートには25MBの上限があり、過去6か月の履歴データしか保持できませんでした。これらの制約により、大規模なトレンド分析、異常検出、予測モデリングは実施できませんでした。
チームは、重いメンテナンスを排除し、ビッグデータワークロードに対する企業レベルのパフォーマンスを提供し、ユーザーがデータに直接アクセスして対話できるプラットフォームを求めていました。Tradeshiftの買掛金および財務ユーザーは、従来この種のデータ内省に必要とされる技術的スキルから切り離された状態で、重い統計分析とデータ処理を手元に必要としていました。
技術的制約を超えて、同社のカスタマーサクセス、データと分析、商業チームは、CSVのエクスポート、Excelマクロの実行、手作業でのレポート作成などの手動報告に毎週数時間を費やしていました。より深い洞察が必要な外部顧客は、自己サービスの道がなく、TradeshiftのエンジニアリングおよびBIチームにカスタムレポートを依存していました。これにより、両側の意思決定が遅れるボトルネックが生じました。
これらの課題は、エージェントAIのみが解決できる2つのソリューションカテゴリを示しました。まず、自動化されたワークフローが必要で、データセットの更新をスケジュールし、レポートの配信をトリガーし、手動介入なしで繰り返しの分析タスクを調整する必要がありました。会社は、QuickのAI駆動のワークフローエンジンAmazon Quick Flowsと深いリサーチエンジンAmazon Quick Researchを通じてこれらの機能を提供しました。次に、自然言語クエリを解釈し、文書メトリクスと運用データを即座に取得するための会話型チャットインターフェースが必要でした。これは、Quickチャットエージェントによって駆動されるAP監査チャットエージェントを構築することで実現されました。
チームは複数の代替案を評価しましたが、Quickは大規模データセットのスケーラビリティ、マルチデバイスの組み込みアクセス、AI駆動の自然言語クエリ、ワークフロー、内部および顧客向け分析を統合した唯一のソリューションでした。そのエージェント機能には、What-ifモデリング、自動化されたワークフロー、深いリサーチ、会話型チャットエージェントが含まれ、組織全体でデータアクセスを民主化します。
Quickを基にした組み込み分析製品の構築
Tradeshiftの実装は段階的に進められました。チームは2024年初頭に概念実証を開始し、2024年8月から2025年3月まで組み込み分析の最小実行可能製品（MVP）を進め、2025年6月にバイヤーと売り手向けの完全な報告および分析アプリを立ち上げました。2025年8月までに、Quickは社内のBIツールも置き換え、組織全体で98％の採用率を達成しました。
アーキテクチャは、3つの分析機能層を提供します。最初の層は、9つのドメインをカバーする16の組み込みAmazon Quick Sight BIダッシュボードで構成されており、文書請求書、購入注文、スキャン、ネットワーク接続、ユーザー活動、ワークフロー自動化、コンプライアンスと異常検出、支払い予測、商品受領-請求書照合を含みます。これらのダッシュボードは、100万から1億の取引記録を処理し、結果を3秒未満で返します。これは、レガシーツールが必要とした45〜90秒に比べて大幅な改善です。
第2層は、同じ基盤データへの会話型AIアクセスを提供します。ユーザーはSQLの知識やデータ分析の専門知識なしで自然言語の質問をし、即座に視覚的な応答を受け取ることができます。第3層は、標準層とプレミアム層の2つのデータ自律性を導入します。標準層は基本的なフィルターとCSVエクスポートを備えた事前構築されたダッシュボードを提供し、プレミアム層にはデザイナーモード、カスタムダッシュボードの作成、What-Ifモデリングシナリオ、エージェントAI機能へのアクセスが含まれます。
セキュリティは4つの層を通じて実施されます。Oktaのシングルサインオン（SSO）がユーザー認証を処理します。Amazon Quickのカスタムネームスペースが各テナントを隔離します。署名付きURLが時間制限付きのセッションバウンド埋め込みを提供します。そして、行レベルのセキュリティ（約14,000のRLSルール）が各ユーザーのコンテキストにデータをフィルタリングします。マルチテナントの埋め込みダッシュボードについて詳しくは、Amazon Quick Sightを使用したSaaS環境のマルチテナントアプリケーションのサポートを参照してください。
測定可能なビジネス成果
Amazon Quickの導入により、Tradeshiftは運用効率の大幅な改善を観察しました。社内のアカウントおよびサポートチームは、以前は手動のCSV報告に費やしていた週8.5時間を節約しました。外部のバイヤーは、ユーザーごとに週6〜8時間を節約しています。Excelマクロ、VLOOKUP、ピボットテーブルの組み立てを含む手動データ操作は80％減少しました。運用ボトルネックを特定するのに必要な時間は、1〜2日から5秒未満に短縮されました。
コストの観点から、同社は以前のソリューションと比較して総所有コストを40％削減し、クエリを生産データベースからSPICE（Quick Sightのインメモリデータエンジン）に移行することでインフラコストを35％削減し、以前は断片化されていたBIツール全体でライセンスコストを30％削減しました。ルーチンメンテナンスは、レガシーシステムの50％のFTE負担から、0.5人分のフルタイム相当（FTE）に減少しました。
同社は、プレミアム報告層を通じて既存のバイヤーアカウントから2％の増分年間継続収益（ARR）を拡大しました。カスタムエンタープライズ報告の市場投入までの時間は75％改善されました。以前は4〜6週間かかっていた新しいレポートは、約1週間で展開されます。組み込み分析を使用しているアカウントは、使用していないアカウントに比べて12か月間で10％高い保持率を示しています。
Tradeshiftは、ターゲットとしたエンタープライズバイヤーの50％が初年度にアクティブな月間採用を達成し、非技術スタッフによる分析利用が2倍に増加し、分析関連のサポートチケットが80％減少しました。社内では、98％の組織がプラットフォームを積極的に使用しています。
Amazon Quickを使用して実際の顧客の問題を解決
以下の2つのユースケースは、QuickのAIおよびBI機能がTradeshiftの顧客の日常的なビジネス課題にどのように対処しているかを示しています。
最初のユースケースは、Amazon Quickのカスタムチャットエージェントを使用して構築された生成AI駆動のAP監査チャットエージェントに焦点を当てています。以前は、AP監査人は文書データへの即時の自己サービスアクセスを持っていませんでした。ルーチンのクエリを解決するには、手動の努力と内部のBIまたはエンジニアリングチームへのクロスファンクショナルな依存が必要でした。これにより、リアルタイムの意思決定が遅れるボトルネックが生じました。Amazon Quickを使用して、チームはコードを書くことなく自然言語の指示のみを使用してAP監査人のペルソナに特化したエージェントを定義しました。Quick Spacesを通じて、管理者はエージェントがアクセスできるデータソースを正確に制御し、すべての応答が許可されたデータに基づいていることを保証します。ユーザーは「先月の未処理の請求書を表示して」や「PO #12345のステータスは？」と尋ね、他のチームを待つことなく即座に正確な回答を受け取ることができます。
エージェントの背後には、包括的な知識アーキテクチャがあります。AP監査人は、プラットフォームの機能、ポリシー、プロセスガイドを含む11の参照文書、9つのダッシュボード、14のキュレーションされたクエリトピック、68の自動化されたアクションツールを含む専用のQuickナレッジベースに接続します。このアーキテクチャにより、エージェントは単なるデータ取得を超え、メトリックの定義を説明し、ソースデータを特定し、以前は専門家に相談する必要があったビジネスコンテキストを提供できます。
次のビデオは、Tradeshiftの生成AI駆動のAP監査チャットエージェントを示しています。
2番目のユースケースは、Amazon Quickが高速クエリパフォーマンスで高ボリュームのBIワークロードを処理できる能力を示しています。あるクライアントは、手動の運用オーバーヘッドの可視性が不足していました。彼らのAPチームは、必要な人的努力を定量化し、ワークロードの分配を理解し、承認ワークフローのオーバーヘッドを測定する必要がありました。Amazon QuickのデータキャッシュレイヤーSPICEを使用して、チームは大量の行レベルのコーディングデータを迅速に処理する報告ソリューションを構築しました。このソリューションは、手動の修正とAI生成コードを区別し、個々のコーダーを特定し、完全な承認階層を追跡します。クライアントは、運用のほぼリアルタイムおよび履歴の可視性を持ち、ボトルネックを特定できるようになりました。同じデータセットとダッシュボードは、カスタムチャットエージェントの知識ソースとしても機能し、BIの洞察を会話型AIに拡張します。
内部業務の変革
Tradeshiftは、レガシーBIツールからQuick Sightに移行し、ユーザーが以前にナビゲートしなければならなかった40の別々のダッシュボードを、自然言語でアクセス可能な100以上のクエリ可能なデータセットに統合しました。財務、運用、製品、カスタマーサクセスのチームは、今やSQLやアナリストを必要とせずに平易な言葉で質問し、即座に回答を得ることができます。
四半期ごとの市場分析プロセスは、以前は数週間の手動データ収集、クロスリファレンス、解釈を必要としていましたが、今ではQuick Researchを使用して数日または数時間で完了します。Quick Researchは、単一のプロンプトからマルチソース分析と合成レポートを生成します。アナリストは、ゼロから始めるのではなく、これらのリサーチアーティファクトを基にしてさらに深掘り分析を行い、かつては数日かかっていた作業を数時間に圧縮します。Quickのチャットエージェントを使用して、データを直接調査し、視覚化を生成し、ステークホルダーと共有する準備が整ったエグゼクティブサマリーを作成できます。
定期的な報告は、コードなしの自動化エンジンQuick Flowsを通じて流れます。チームは、データセットの更新、レポート生成、配信をスケジュールされた繰り返し可能なパイプラインとして調整するために使用します。270以上のSPICEデータセットが毎日更新され、レポートは手動介入なしで毎日、毎週、毎月自動的に配信されます。これにより、分析チームはルーチンデータパイプラインのメンテナンスではなく、より高価値な戦略的作業に集中できるようになりました。
次のビデオは、Tradeshiftが四半期ごとの市場分析を自動化するためにAmazon Quick FlowsとResearchをどのように使用しているかを示しています。
このアプローチの違い
Tradeshiftの顧客は、数千のサプライヤーにわたる請求書、承認、支払いサイクルを管理する財務専門家である買掛金チームです。これらのユーザーはデータアナリストではありません。会社がエージェントAIを分析プラットフォームに組み込む前は、取引データから回答を得るにはチケットを提出し、BIチームを待ち、数日または数週間後に静的レポートを受け取る必要がありました。
それが、ほとんどのAP自動化プラットフォームが今でも提供している体験です。Tradeshiftは異なる道を選びました。2025年には、AP自動化および電子請求書市場で初めて、顧客が自分のデータに対して平易な言葉で質問し、SQLやスキーマの知識なしに即座に応答を受け取れるようにAmazon Quickを組み込みました。2026年には、同社はMCPサーバーをAmazon Quickに統合し、生成AIエージェントがデータカタログメタデータを読み取り、Quick Sightスキーマを解釈し、自律的に書かれた洞察を生成できるようにしました。
顧客にとって、この革新のペースは自己サービスと依存の違いです。会社が迅速に動き、AWSと密接に協力することで、すべての新しいエージェント機能が数日または数週間以内に顧客基盤に出荷されます。カスタム開発には数ヶ月または数年かかるところです。ユーザーは、知識ベースからのメトリック定義に基づいた回答を受け取り、各数値がどのように計算され、ソースデータがどこにあるかの説明を受け取ります。これにより、エンジニアリングやBIチームへのクロスファンクショナルな依存が完全に排除され、以前は数日かかっていたレポートサイクルが数秒に短縮されます。
これにより、Tradeshiftの顧客はAP分析の革新の最前線に立つことができます。彼らは、自分のデータに対して会話形式で質問し、洞察を生成し、静的なダッシュボードでは提供できない方法でリアルタイムの情報に基づいて行動します。
今後の展望
Tradeshiftのロードマップは、3つの優先事項に焦点を当てています。まず、チームは生産MCPサーバーでの書き込みアクセスを有効にする予定です。これにより、エージェントはユーザーに代わってライブアクションを実行できるようになります。次に、同社は分析アプリケーションの標準層に一般的なチャットエージェントを組み込む予定で、すべてのユーザーがデフォルトでエージェントAIにアクセスできるようにし、プレミアムサブスクライバーだけでなくします。最後に、同社はネットワーク全体の売り手ユーザーに対して報告および分析アプリケーションを拡張し、市場の両側にその価値を広げる予定です。
次のステップ
Amazon QuickとエージェントAIは、Tradeshiftが分析をコストセンターから収益を生む製品に変革するのを助けました。制約のあるレガシーツールをスケーラブルなAI駆動のプラットフォームに置き換えることで、クエリ時間を30倍短縮し、総所有コストを40％削減し、顧客と社内チームが毎日積極的に使用する自己サービス分析体験を提供しました。複雑なAPワークフローを大規模に管理する組織にとって、自然言語で質問し、即座に正確で文脈に応じた回答を受け取る能力は、チームが手動報告に費やす時間を減らし、洞察に基づいて行動する時間を増やすことを意味します。
自分自身の分析ソリューションを始めるには、以下のリソースを探索してください。
TradeshiftのAI駆動の報告および分析アプリでAPデータを変革する。
Amazon Quickの分析機能については、Amazon Quickユーザーガイドを参照してください。
Amazon Quickコミュニティで議論に参加してください。
Amazon Quickは、すべてのアプリケーション、ツール、データに接続するエージェントAIワークスペースです。自然言語によるビジネスデータへのQ&Aを行うチャットエージェント、コーディングなしでマルチステップのワークフローを自動化するためのフロー、複数のソースから包括的で長文の分析レポートを生成するためのリサーチなど、さまざまな機能が含まれています。これらの機能は、AWS上に構築されており、企業レベルのセキュリティを備えています。
この記事では、TradeshiftがエージェントAI機能を持つAmazon Quickを導入し、レガシーBIツールを置き換えた方法を説明します。その結果、クエリ応答時間が最大30倍速くなり、総所有コストが40％削減され、組み込み分析が収益を生む製品に変わりました。
レガシー分析ツールの制限
数年間、Tradeshiftは社内で構築した独自のBIツールに依存していました。このツールは成長初期の基本的な報告ニーズには応えていましたが、データ量と顧客の期待が増すにつれて制約が耐え難くなりました。このツールの維持には、約1人分のフルタイム従業員の50％のリソースが消費され、エンジニアリングリソースが製品革新から逸脱していました。このツールは、クエリごとに最大10,000行をサポートし、スケジュールされたレポートには25MBの上限があり、過去6か月の履歴データしか保持できませんでした。これらの制約により、大規模なトレンド分析、異常検出、予測モデリングは実施できませんでした。
チームは、重いメンテナンスを排除し、ビッグデータワークロードに対する企業レベルのパフォーマンスを提供し、ユーザーがデータに直接アクセスして対話できるプラットフォームを求めていました。Tradeshiftの買掛金および財務ユーザーは、従来この種のデータ内省に必要とされる技術的スキルから切り離された状態で、重い統計分析とデータ処理を手元に必要としていました。
技術的制約を超えて、同社のカスタマーサクセス、データと分析、商業チームは、CSVのエクスポート、Excelマクロの実行、手作業でのレポート作成などの手動報告に毎週数時間を費やしていました。より深い洞察が必要な外部顧客は、自己サービスの道がなく、TradeshiftのエンジニアリングおよびBIチームにカスタムレポートを依存していました。これにより、両側の意思決定が遅れるボトルネックが生じました。
これらの課題は、エージェントAIのみが解決できる2つのソリューションカテゴリを示しました。まず、自動化されたワークフローが必要で、データセットの更新をスケジュールし、レポートの配信をトリガーし、手動介入なしで繰り返しの分析タスクを調整する必要がありました。会社は、QuickのAI駆動のワークフローエンジンAmazon Quick Flowsと深いリサーチエンジンAmazon Quick Researchを通じてこれらの機能を提供しました。次に、自然言語クエリを解釈し、文書メトリクスと運用データを即座に取得するための会話型チャットインターフェースが必要でした。これは、Quickチャットエージェントによって駆動されるAP監査チャットエージェントを構築することで実現されました。
チームは複数の代替案を評価しましたが、Quickは大規模データセットのスケーラビリティ、マルチデバイスの組み込みアクセス、AI駆動の自然言語クエリ、ワークフロー、内部および顧客向け分析を統合した唯一のソリューションでした。そのエージェント機能には、What-ifモデリング、自動化されたワークフロー、深いリサーチ、会話型チャットエージェントが含まれ、組織全体でデータアクセスを民主化します。
Quickを基にした組み込み分析製品の構築
Tradeshiftの実装は段階的に進められました。チームは2024年初頭に概念実証を開始し、2024年8月から2025年3月まで組み込み分析の最小実行可能製品（MVP）を進め、2025年6月にバイヤーと売り手向けの完全な報告および分析アプリを立ち上げました。2025年8月までに、Quickは社内のBIツールも置き換え、組織全体で98％の採用率を達成しました。
アーキテクチャは、3つの分析機能層を提供します。最初の層は、9つのドメインをカバーする16の組み込みAmazon Quick Sight BIダッシュボードで構成されており、文書請求書、購入注文、スキャン、ネットワーク接続、ユーザー活動、ワークフロー自動化、コンプライアンスと異常検出、支払い予測、商品受領-請求書照合を含みます。これらのダッシュボードは、100万から1億の取引記録を処理し、結果を3秒未満で返します。これは、レガシーツールが必要とした45〜90秒に比べて大幅な改善です。
第2層は、同じ基盤データへの会話型AIアクセスを提供します。ユーザーはSQLの知識やデータ分析の専門知識なしで自然言語の質問をし、即座に視覚的な応答を受け取ることができます。第3層は、標準層とプレミアム層の2つのデータ自律性を導入します。標準層は基本的なフィルターとCSVエクスポートを備えた事前構築されたダッシュボードを提供し、プレミアム層にはデザイナーモード、カスタムダッシュボードの作成、What-Ifモデリングシナリオ、エージェントAI機能へのアクセスが含まれます。
セキュリティは4つの層を通じて実施されます。Oktaのシングルサインオン（SSO）がユーザー認証を処理します。Amazon Quickのカスタムネームスペースが各テナントを隔離します。署名付きURLが時間制限付きのセッションバウンド埋め込みを提供します。そして、行レベルのセキュリティ（約14,000のRLSルール）が各ユーザーのコンテキストにデータをフィルタリングします。マルチテナントの埋め込みダッシュボードについて詳しくは、Amazon Quick Sightを使用したSaaS環境のマルチテナントアプリケーションのサポートを参照してください。
測定可能なビジネス成果
Amazon Quickの導入により、Tradeshiftは運用効率の大幅な改善を観察しました。社内のアカウントおよびサポートチームは、以前は手動のCSV報告に費やしていた週8.5時間を節約しました。外部のバイヤーは、ユーザーごとに週6〜8時間を節約しています。Excelマクロ、VLOOKUP、ピボットテーブルの組み立てを含む手動データ操作は80％減少しました。運用ボトルネックを特定するのに必要な時間は、1〜2日から5秒未満に短縮されました。
コストの観点から、同社は以前のソリューションと比較して総所有コストを40％削減し、クエリを生産データベースからSPICE（Quick Sightのインメモリデータエンジン）に移行することでインフラコストを35％削減し、以前は断片化されていたBIツール全体でライセンスコストを30％削減しました。ルーチンメンテナンスは、レガシーシステムの50％のFTE負担から、0.5人分のフルタイム相当（FTE）に減少しました。
同社は、プレミアム報告層を通じて既存のバイヤーアカウントから2％の増分年間継続収益（ARR）を拡大しました。カスタムエンタープライズ報告の市場投入までの時間は75％改善されました。以前は4〜6週間かかっていた新しいレポートは、約1週間で展開されます。組み込み分析を使用しているアカウントは、使用していないアカウントに比べて12か月間で10％高い保持率を示しています。
Tradeshiftは、ターゲットとしたエンタープライズバイヤーの50％が初年度にアクティブな月間採用を達成し、非技術スタッフによる分析利用が2倍に増加し、分析関連のサポートチケットが80％減少しました。社内では、98％の組織がプラットフォームを積極的に使用しています。
Amazon Quickを使用して実際の顧客の問題を解決
以下の2つのユースケースは、QuickのAIおよびBI機能がTradeshiftの顧客の日常的なビジネス課題にどのように対処しているかを示しています。
最初のユースケースは、Amazon Quickのカスタムチャットエージェントを使用して構築された生成AI駆動のAP監査チャットエージェントに焦点を当てています。以前は、AP監査人は文書データへの即時の自己サービスアクセスを持っていませんでした。ルーチンのクエリを解決するには、手動の努力と内部のBIまたはエンジニアリングチームへのクロスファンクショナルな依存が必要でした。これにより、リアルタイムの意思決定が遅れるボトルネックが生じました。Amazon Quickを使用して、チームはコードを書くことなく自然言語の指示のみを使用してAP監査人のペルソナに特化したエージェントを定義しました。Quick Spacesを通じて、管理者はエージェントがアクセスできるデータソースを正確に制御し、すべての応答が許可されたデータに基づいていることを保証します。ユーザーは「先月の未処理の請求書を表示して」や「PO #12345のステータスは？」と尋ね、他のチームを待つことなく即座に正確な回答を受け取ることができます。
エージェントの背後には、包括的な知識アーキテクチャがあります。AP監査人は、プラットフォームの機能、ポリシー、プロセスガイドを含む11の参照文書、9つのダッシュボード、14のキュレーションされたクエリトピック、68の自動化されたアクションツールを含む専用のQuickナレッジベースに接続します。このアーキテクチャにより、エージェントは単なるデータ取得を超え、メトリックの定義を説明し、ソースデータを特定し、以前は専門家に相談する必要があったビジネスコンテキストを提供できます。
次のビデオは、Tradeshiftの生成AI駆動のAP監査チャットエージェントを示しています。
2番目のユースケースは、Amazon Quickが高速クエリパフォーマンスで高ボリュームのBIワークロードを処理できる能力を示しています。あるクライアントは、手動の運用オーバーヘッドの可視性が不足していました。彼らのAPチームは、必要な人的努力を定量化し、ワークロードの分配を理解し、承認ワークフローのオーバーヘッドを測定する必要がありました。Amazon QuickのデータキャッシュレイヤーSPICEを使用して、チームは大量の行レベルのコーディングデータを迅速に処理する報告ソリューションを構築しました。このソリューションは、手動の修正とAI生成コードを区別し、個々のコーダーを特定し、完全な承認階層を追跡します。クライアントは、運用のほぼリアルタイムおよび履歴の可視性を持ち、ボトルネックを特定できるようになりました。同じデータセットとダッシュボードは、カスタムチャットエージェントの知識ソースとしても機能し、BIの洞察を会話型AIに拡張します。
内部業務の変革
Tradeshiftは、レガシーBIツールからQuick Sightに移行し、ユーザーが以前にナビゲートしなければならなかった40の別々のダッシュボードを、自然言語でアクセス可能な100以上のクエリ可能なデータセットに統合しました。財務、運用、製品、カスタマーサクセスのチームは、今やSQLやアナリストを必要とせずに平易な言葉で質問し、即座に回答を得ることができます。
四半期ごとの市場分析プロセスは、以前は数週間の手動データ収集、クロスリファレンス、解釈を必要としていましたが、今ではQuick Researchを使用して数日または数時間で完了します。Quick Researchは、単一のプロンプトからマルチソース分析と合成レポートを生成します。アナリストは、ゼロから始めるのではなく、これらのリサーチアーティファクトを基にしてさらに深掘り分析を行い、かつては数日かかっていた作業を数時間に圧縮します。Quickのチャットエージェントを使用して、データを直接調査し、視覚化を生成し、ステークホルダーと共有する準備が整ったエグゼクティブサマリーを作成できます。
定期的な報告は、コードなしの自動化エンジンQuick Flowsを通じて流れます。チームは、データセットの更新、レポート生成、配信をスケジュールされた繰り返し可能なパイプラインとして調整するために使用します。270以上のSPICEデータセットが毎日更新され、レポートは手動介入なしで毎日、毎週、毎月自動的に配信されます。これにより、分析チームはルーチンデータパイプラインのメンテナンスではなく、より高価値な戦略的作業に集中できるようになりました。
次のビデオは、Tradeshiftが四半期ごとの市場分析を自動化するためにAmazon Quick FlowsとResearchをどのように使用しているかを示しています。
このアプローチの違い
Tradeshiftの顧客は、数千のサプライヤーにわたる請求書、承認、支払いサイクルを管理する財務専門家である買掛金チームです。これらのユーザーはデータアナリストではありません。会社がエージェントAIを分析プラットフォームに組み込む前は、取引データから回答を得るにはチケットを提出し、BIチームを待ち、数日または数週間後に静的レポートを受け取る必要がありました。
それが、ほとんどのAP自動化プラットフォームが今でも提供している体験です。Tradeshiftは異なる道を選びました。2025年には、AP自動化および電子請求書市場で初めて、顧客が自分のデータに対して平易な言葉で質問し、SQLやスキーマの知識なしに即座に応答を受け取れるようにAmazon Quickを組み込みました。2026年には、同社はMCPサーバーをAmazon Quickに統合し、生成AIエージェントがデータカタログメタデータを読み取り、Quick Sightスキーマを解釈し、自律的に書かれた洞察を生成できるようにしました。
顧客にとって、この革新のペースは自己サービスと依存の違いです。会社が迅速に動き、AWSと密接に協力することで、すべての新しいエージェント機能が数日または数週間以内に顧客基盤に出荷されます。カスタム開発には数ヶ月または数年かかるところです。ユーザーは、知識ベースからのメトリック定義に基づいた回答を受け取り、各数値がどのように計算され、ソースデータがどこにあるかの説明を受け取ります。これにより、エンジニアリングやBIチームへのクロスファンクショナルな依存が完全に排除され、以前は数日かかっていたレポートサイクルが数秒に短縮されます。
これにより、Tradeshiftの顧客はAP分析の革新の最前線に立つことができます。彼らは、自分のデータに対して会話形式で質問し、洞察を生成し、静的なダッシュボードでは提供できない方法でリアルタイムの情報に基づいて行動します。
今後の展望
Tradeshiftのロードマップは、3つの優先事項に焦点を当てています。まず、チームは生産MCPサーバーでの書き込みアクセスを有効にする予定です。これにより、エージェントはユーザーに代わってライブアクションを実行できるようになります。次に、同社は分析アプリケーションの標準層に一般的なチャットエージェントを組み込む予定で、すべてのユーザーがデフォルトでエージェントAIにアクセスできるようにし、プレミアムサブスクライバーだけでなくします。最後に、同社はネットワーク全体の売り手ユーザーに対して報告および分析アプリケーションを拡張し、市場の両側にその価値を広げる予定です。
次のステップ
Amazon QuickとエージェントAIは、Tradeshiftが分析をコストセンターから収益を生む製品に変革するのを助けました。制約のあるレガシーツールをスケーラブルなAI駆動のプラットフォームに置き換えることで、クエリ時間を30倍短縮し、総所有コストを40％削減し、顧客と社内チームが毎日積極的に使用する自己サービス分析体験を提供しました。複雑なAPワークフローを大規模に管理する組織にとって、自然言語で質問し、即座に正確で文脈に応じた回答を受け取る能力は、チームが手動報告に費やす時間を減らし、洞察に基づいて行動する時間を増やすことを意味します。
自分自身の分析ソリューションを始めるには、以下のリソースを探索してください。
TradeshiftのAI駆動の報告および分析アプリでAPデータを変革する。
Amazon Quickの分析機能については、Amazon Quickユーザーガイドを参照してください。
Amazon Quickコミュニティで議論に参加してください。
