人工智能

从报表到推理:为 AI 智能体准备好企业数据

AWS Quick 华盛顿特区用户组 首次聚会回顾

许多组织都在探索如何超越静态报表仪表板,开始使用生成式 AI 和智能体式 AI。但 AI 智能体要回答问题或帮助团队采取行动,首先需要可信的数据基础。

Attendees at the AWS Quick User Group DC inaugural meetup

图 1:AWS Quick 华盛顿特区用户组首次聚会,2026 年 10 月

2026 年 10 月 7 日星期三,数据负责人、开发者和从业人员齐聚位于弗吉尼亚州阿灵顿的 AWS 技能中心 ,参加 AWS Quick 华盛顿特区用户组聚会。本次活动汇集了创业者、软件工程师和企业领导者,其中包括来自 Financial Independence Group(FIG)的团队。与会者探讨了实现遗留架构现代化、为智能体工作流准备结构化数据,以及使用无代码工具自动处理日常任务的实用策略。

此类用户组为同行交流学习和协作解决问题提供了平台。本次活动让与会者深入了解各组织如何利用 AWS Quick 推动生产力提升。

AWS Quick 的新功能:智能体、技能与连接器

对现场许多人来说,这是他们第一次看到 AWS Quick 中的智能体式 AI 在实际应用中的形态。

Arun Ganesan presenting AWS Quick updates to the group

图 2:Arun Ganesan 介绍 AWS Quick 的新功能

聚会首先介绍了 AWS Quick 的最新产品功能,重点展示其如何演变为统一的工作 AI 助手。AWS Quick 不再只是传统的商业智能可视化工具,而是将分析、自然语言交互和多步任务编排统一起来。

  • AWS Quick 智能体与技能: 将自然语言问题 转化为可重复使用的多步操作,帮助基于企业数据进行决策。
  • 第三方连接器:AWS Quick 内置了与 Salesforce、Slack、Google Drive 和 Microsoft 365 等工具的集成功能,从而打破数据孤岛。
  • 统一工作空间:打造一个连贯的环境,在用户日常工作的地方直接衔接研究、自动生成可视化内容,以及创建演示文稿、文档和电子表格等业务成果。

现实中的创新:迈向 AI 分析和智能体系统

当天活动的核心内容聚焦于一段真实的客户历程,展示一家企业如何重新构想其数据架构,让 AI 智能体能够使用经过治理的可信数据开展工作。

Financial Independence Group:以科技发展的速度创新

Financial Independence Group(FIG)AI 副总裁 Vanessa Gonzalez 分享了 FIG 如何不断突破当前能力的边界。随着技术发展,该公司持续采用新的工具和平台,并以自身数据为基础,通过 AWS Quick 构建 AI 驱动的分析和智能体系统。

Vanessa Gonzalez presenting FIG’s AI analytics journey

图 3:FIG AI 副总裁 Vanessa Gonzalez 进行演讲

技术日新月异,FIG 希望走在变革前沿。在现有分析能力的基础上,FIG 转向了 AWS Quick——一个将 AI 引入仪表板、报表和分析的平台。AWS Quick 是 FIG 企业分析的“统一入口”。它汇集了客户关系管理(CRM)系统、数据库和财务数据等结构化数据,也通过受治理的数据层引入内部知识库、政策文件和宣传资料等非结构化内容。这为 FIG 奠定了基础,使其能够利用自身数据构建 AI 驱动的洞察和智能体工作流。

  • AI 分析闭环:从报告已经发生的事情,转向持续循环:提问 → 分析 → 自动化 → 行动。
  • 集中式发现:按业务领域(销售、运营、营销、佣金)组织的分析门户,内置 AI 聊天助手,让团队可以直接与文档和数据集对话。
  • 洞察普惠化:为非技术业务用户提供自助式探索工具,并设立学习中心,在保持适当治理的同时,帮助各团队培养提示工程和 AI 技能。
Diagram of FIG’s vision for AI-powered analytics and agentic workflows on AWS Quick

图 4:FIG 对携手 AWS Quick 开创未来的愿景

动手实践:构建应用和无代码流程

与会者完成了两项动手练习:

  • 在 50 分钟内构建 AWS Quick 应用:现场每位与会者都成功在 AWS Quick 中设计并发布了一个自定义应用。这表明,无论是非技术用户还是开发者,都能在无需编写代码的情况下快速部署为特定用途打造的决策工具。
  • AWS Quick Flows 实践课:其中六名参与者进一步深入探索工作流自动化。他们构建了由事件触发的多步流程,用来处理重复性数据任务,以自动化且可重复运行的管道取代手动传递报表的流程。
DC user group attendees building AWS Quick apps together

图 5:华盛顿特区用户组共同构建应用

其中一个关键收获是,团队使用 AWS Quick 能以极快的速度将想法转化为可用的解决方案。如今,构建新想法只需几小时甚至几分钟,而不再需要数周或数月。

展望未来并参与其中

Attendees during the closing group discussion图 6:与会者参加闭幕小组讨论

活动最后进行了开放式小组讨论,与会者分享了弥合遗留基础设施与生成式 AI 之间差距的实践观察。

随着各组织迈向智能体架构,华盛顿特区用户组形成了明确共识:成功采用 AI 并不只是选择一个基础模型,而是始于有意识的数据设计、统一访问,以及赋能团队构建实用的自动化方案。快速构建不仅关乎工具,也意味着相互学习,这正是此类活动意义重大的原因。

后续步骤

准备好亲自尝试了吗?先访问 AWS Quick 产品页面 和 AWS Quick 用户指南,然后连接一个您已在使用的数据源并提出第一个问题。接下来,尝试构建一个应用,或创建一项 AWS Quick Flows 自动化,用于处理团队每周都会重复执行的任务。

加入社区

  • 与同行交流:加入 AWS Quick 用户组,及时了解即将举办的聚会和演讲。该用户组可在以下平台找到: LinkedIn 并参与 AWS Quick 社区。
  • 了解即将举办的活动:请留意我们下一场华盛顿特区地区 聚会的详细信息,届时将安排深入的架构实操课程和客户闪电演讲。

Join the AWS Quick User Group banner


关于作者