Tradeshift 用 Amazon Quick 替代旧 BI，查询速度提升 30 倍、TCO 降低 40%
决策简报
Brief- 发生了什么
- Tradeshift 部署 Amazon Quick 的 Agentic AI 能力替代旧有 BI 工具，实现查询速度提升 30 倍、总拥有成本降低 40%，并将嵌入式分析转化为创收产品。
- 为什么重要
- MCP 相关结果会影响评测基准、技术路线和后续产品判断。
- 影响谁
- MCP
- 建议动作
- 升级或复核变更版本
- 地区可用性
- 暂未验证地区可用性差异。
关键事实
- Tradeshift 部署 Amazon Quick 的 Agentic AI 能力替代旧有 BI 工具，实现查询速度提升 30 倍、总拥有成本降低 40%，并将嵌入式分析转化为创收产品。 [src-aws-ml]
- 对于运维大数据分析平台的团队，该案例展示了 Agentic AI 结合 BI 的实际收益：不仅性能和成本显著改善，还能将内部工具产品化变现。 [src-aws-ml]
由事件证据自动生成。
Tradeshift 原先使用自研 BI 工具，受限于每查询 10,000 行、报告 25 MB 上限、仅保留 6 个月数据等瓶颈，维护消耗 50% 人力。迁移到 Amazon Quick 后，通过 16 个嵌入式仪表板、自然语言查询、自动工作流（Quick Flows）和深度研究（Quick Research）三层架构，查询从 45-90 秒降至 3 秒内。 对使用 BI 工具的分析师和运维团队：内部支持团队每周节省 8.5 小时手动 CSV 报告，外部买家每用户每周节省 6-8 小时，手动数据操作减少 80%，运维人力从 0.5 FTE 降至几乎可忽略。基础设施成本降低 35%，许可成本合并减少 30%，还通过高级分析功能实现 2% 的 ARR 增长。 Tradeshift 还构建了 AP Auditor 聊天智能体，通过自然语言指令即可查询发票和订单状态，无需编码。智能体连接 11 个知识库、9 个仪表板、14 个查询主题和 68 个自动化工具，支持解释指标定义和定位数据来源，极大减少了对 BI 团队的依赖。
摘要依据：已读全文详摘依据上方标注的来源范围整理，内容以原文为准。
来源
- AWS：Machine Learning Blog
Applied ML, infra, and deployment guidance useful for AI builders on AWS.
- AWS：Machine Learning Blog
留言
登入后即可留言，和其他 builder 交换实测心得。
还没有留言，抢头香。