Qlik Answers在Amazon Bedrock上构建企业级AI：跨 11 个区域、Discovery Agent已产生超 10 万项发现
AWS机器学习博客介绍Qlik如何用Amazon Bedrock和OpenSearch搭建分层多智能体架构，为客户提供带来源引用的问答；自 2026 年 2 月正式可用以来，Discovery Agent已为客户产生超过 10 万项发现。
AI解读：Qlik在Amazon Bedrock上构建了Qlik Answers，面向其全球 40,000 多家客户，让员工用自然语言提问并获得有来源依据的回答。系统根据问题决定答案来自知识库、实时分析应用、术语表定义或文档。
为满足欧洲、亚太和美洲共 11 个区域的数据驻留要求，Qlik采用Amazon Bedrock跨区域推理（CRIS），在保持数据合规留存的同时服务全部 11 个区域。当客户依赖的模型尚未在区域内提供时，Qlik改在Amazon SageMaker AI上托管，待区域可用后再迁回Bedrock。
Qlik设定了分层架构：入口层、路由层、答案层、专家智能体层、对话式分析层、检索层、模型访问层。检索层使用Amazon OpenSearch Service存储和搜索非结构化文档；模型访问层通过Qlik自有的LLM网关连接Amazon Bedrock，处理聊天、流式传输、嵌入和重排序。
安全与接地方面，Qlik对每个请求和响应应用Amazon Bedrock Guardrails，进行提示注入、个人身份信息、机密和禁止主题的内容过滤，并对生成的答案执行接地验证检查，将接地从检索步骤变成受检的生产控制。
Qlik在主要发布前 3–6 个月预测模型容量，并按功能和区域预测令牌消耗，发布后用实际使用量校验。公司称，自 2026 年 2 月正式发布以来，其Discovery Agent已为客户产生超过 10 万项发现，开启智能体工具的Qlik Cloud账户中大多数在持续使用。
来源提到的客户结果包括：Bystronic在 15 分钟内完成AI聊天机器人部署；Lintech International索引超过 17,000 份技术文档，响应时间加快 75%，业务经理每周节省最多 7 小时；TouchPoint Support Services为 650 个医疗站点、15,000 名员工提供合规指引。
AWS机器学习博客发文介绍Qlik如何在Amazon Bedrock上构建Qlik Answers，为员工提供带来源引用的自然语言问答。文章称，自 2026 年 2 月正式可用以来，Qlik的Discovery Agent已为客户产生超过 10 万项发现。
Qlik Answers要解决的问题与部署范围
文章将企业痛点描述为：员工不缺数据，缺的是快速提问并获得可信答案的方式。分析人员需要花费数小时搜索文档、仪表盘和组织记忆。而用生成式AI填补这一差距时，常遇到答案没有来源、无法验证结果、无法在受监管环境部署等问题。
Qlik称其拥有超过 40,000 家客户。Qlik Answers让员工而非仅分析人员，在一个地方用自然语言提问并获得有依据、有来源的答案。答案可能来自知识库、实时分析应用、术语表定义或文档，由底层系统决定走哪条路径。
- 客户Bystronic在 15 分钟内完成AI聊天机器人部署，用于查询实时运营数据并获得跨部门的有来源答案。
- Lintech International在Qlik Answers中索引超过 17,000 份技术文档，响应时间加快 75%，业务经理每周节省最多 7 小时。
- TouchPoint Support Services服务 650 个医疗站点、15,000 名员工，使用Qlik Answers提供符合合规要求的快速指引。
为 11 个区域设计的分层架构
Qlik需要同时解决三个问题：编排专门推理而不拖慢速度；满足欧洲、亚太、美洲的数据驻留要求；在需求出现前 3–6 个月预测模型容量。公司称单一全球部署无法满足数据驻留要求，而 11 个独立区域构建又难以一致维护。
为此，Qlik采用明确架构边界，而不是一个大型助手。入口层是Qlik Cloud内稳定的对话入口点；路由层只做快速准确的路由决策；答案层在请求路由后协调响应生成，在简单请求的快速路径和将问题拆成子问题的深思路径之间选择。
专家智能体层使用共享的swarm运行时，定义专家智能体、工具、状态和人在环步骤如何工作。对话式分析层处理结构化数据问题。检索层在Amazon OpenSearch Service上运行非结构化文档索引与检索。模型访问层通过Qlik自有的LLM网关连接Amazon Bedrock。
- Amazon Bedrock跨区域推理（CRIS）用于在 11 个区域服务客户，同时将数据保留在合规要求的位置。
- 模型未在区域内通过Bedrock提供时，Qlik改在Amazon SageMaker AI上托管，区域可用后迁回Bedrock。
- Qlik通过自有LLM网关使用Bedrock，而不是将应用逻辑直接绑定到某个模型，以便按任务更换模型。
接地验证与安全控制
文章将接地描述为框架中重要的设计决策之一。答案层根据问题从多种上下文提取内容：结构化应用元数据、检索到的知识库内容、术语表定义、自动化上下文和文档内容。完整答案的各要素返回后，再组装并呈现给用户。
仅靠检索不能保证准确性。Qlik对生成的答案运行接地验证检查，使用Amazon Bedrock Guardrails的上下文接地能力，将每个答案与其来源内容对比。文章称，这使接地从检索步骤变成受检的生产控制。对于非结构化问题，答案包含引用；对于结构化问题，工作交给对话式分析路径。
Qlik对每个请求和响应应用Amazon Bedrock Guardrails，包括对提示注入、个人身份信息、机密和禁止主题的内容过滤。术语表查找、自动化和文档摘要等能力通过能力控制逐步推出，租户级选项可按请求重建可用编排路径。
- 安全与接地检查在模型访问层统一执行，新专家智能体自动继承相同保护，而不是每个功能单独处理。
- Qlik的经验包括：尽早将快速路由与深度推理分开；多智能体执行标准化为一个编排框架；在租户级使用功能标志逐步扩展能力。
- 容量预测方面，Qlik按功能和区域预测令牌消耗，并在每次发布后用实际用量校验，公司称这使 2 月正式发布得以扩展而未超出自身承载。
官方称的采用情况与下一步
Qlik称，自 2026 年 2 月正式可用以来，Discovery Agent已为客户产生超过 10 万项发现，开启智能体工具的Qlik Cloud账户中大多数在积极使用其智能体，而不是试一次就停。文章将Lintech的 75% 响应提速和每周 7 小时节省、Bystronic的 15 分钟部署列为客户层面结果。
下一步，Qlik正在评估将Amazon Bedrock AgentCore用于部分工作负载，以减少运维开销，同时继续在能更好控制成本、延迟或可移植性的地方构建开放标准和自有编排层。Qlik还在构建系统化的模型性能评估框架，以便在不干扰客户现有体验的情况下切换到更合适的模型。
- 文章结论将Qlik Answers的采用归因于架构：速度重要的地方快，准确性重要的地方深思，全程基于真实来源，且足够安全以供受监管行业依赖。
- 模型灵活性、区域主权控制和基于Guardrails的内容过滤与接地验证，被Qlik称为在Amazon Bedrock上全球扩展的基础。
- 文章末尾包含推广链接，邀请读者开始Qlik Cloud Analytics免费试用、申请Qlik Answers演示或Qlik与AWS演示。