Qlik навчив AI підтверджувати відповіді джерелом
Qlik Answers — асистент на Amazon Bedrock, створений для понад 40 000 клієнтів Qlik, у продакшні з лютого 2026. Discovery Agent у його складі вже знайшов понад 100 000 аномалій. Найпоказовіший приклад — Lintech International: проіндексувавши понад 17 000 технічних документів, компанія скоротила час пошуку відповідей на 75%, що дало менеджерам компанії до 7 годин на тиждень економії.
Генеративний AI часто дає відповіді без джерел, які неможливо перевірити. Qlik додала grounding-перевірку в Amazon Bedrock Guardrails: кожна відповідь звіряється з вихідним текстом перед показом.
Ще два приклади: цех і мережа клінік
Lintech — не єдиний кейс. Bystronic, виробник обладнання для обробки листового металу, розгорнув чат-бот на Qlik Answers за 15 хвилин. Співробітники різних відділів дістали можливість запитувати дані про операції в реальному часі й отримувати відповіді з посиланням на джерело.
TouchPoint Support Services обслуговує 650 об'єктів охорони здоров'я і планує подвоїти цю кількість. Компанія використовує Qlik Answers, щоб швидко давати 15 000 співробітників підказки, узгоджені з вимогами регулятора, у середовищі, де рішення треба приймати швидко.
Як відповідь перевіряється на джерело: крок за кроком
Grounding — не одна перевірка, а послідовність кроків у системі Qlik.
- Шар маршрутизації читає повідомлення користувача та контекст розмови й вирішує, куди відправити запит: до бази знань, аналітичного застосунку, глосарію чи документа.
- Шар відповіді вибирає швидкий шлях для простих запитів або повільніший — коли питання розбивається на підпитання і відповідь складається з кількох джерел.
- Для неструктурованих питань система дістає конкретний фрагмент із Amazon OpenSearch Service і зберігає цей контекст, щоб у фінальній відповіді з'явилося посилання на джерело.
- Для структурованих питань запит передається в окремий шлях аналітики даних, побудований саме для роботи з застосунками, а не для генерації тексту.
- Коли повна відповідь зібрана, Amazon Bedrock Guardrails запускає перевірку grounding — порівнює згенерований текст із вихідним контентом, з якого його зібрано.
- Той самий Guardrails фільтрує кожен запит і відповідь на спроби prompt injection, персональні дані, секрети та заборонені теми.
Де підхід має межі
Якщо модель, на яку розраховує клієнт, ще не доступна в потрібному регіоні через Bedrock, Qlik тимчасово розміщує її на Amazon SageMaker AI — і переносить назад у Bedrock, коли регіональна доступність з'являється. Це означає, що вимоги до розміщення даних можуть на якийсь час змінювати інфраструктуру під капотом.
Нові можливості — пошук у глосарії, автоматизації, підсумовування документів — вмикаються не для всіх одразу, а поступово, через налаштування на рівні окремого клієнта. Зроблено це свідомо, щоб менш перевірені функції не впливали на надійність основного досвіду.
Потужність моделей Qlik прогнозує за 3–6 місяців до великих запусків і потім звіряє прогноз із фактичним використанням. Різке незапланований зростання попиту без такого запасу — ризик для стабільності сервісу.
Типові помилки, на які вказує сама команда Qlik
За підсумками масштабування на понад 40 000 клієнтів команда виділила кілька помилок, яких варто уникати.
- Об'єднувати швидку маршрутизацію й глибоке міркування в одному кроці — тоді кожен простий запит обробляється довше, ніж потрібно.
- Дозволяти кожному новому спеціалізованому агенту вигадувати власну модель оркестрації замість єдиного стандарту — таку систему складніше підтримувати.
- Перевіряти безпеку й grounding окремо для кожної функції, а не як єдиний контроль на рівні доступу до моделі — тоді кожен новий агент довелося б захищати вручну, замість того щоб захист діяв автоматично для всіх.