Сотрудникам во всех функциях нужно принимать более быстрые и более обоснованные решения, но нужные им сведения редко находятся в одном месте. Workforce intelligence — информация о том, кто работает в организации, как люди показывают себя и где есть пробелы, — это один из самых ценных сигналов для компании, и платформы вроде Visier созданы именно для того, чтобы извлекать такие данные. Однако этот уровень intelligence раскрывает свой потенциал только тогда, когда он связан с внутренними политиками, планами и контекстом, которые задают ему направление. А этот контекст очень часто хранится совсем в другом месте.
Amazon Quick — это Agentic AI workspace, где такое соединение и происходит. Он объединяет корпоративные знания, бизнес-аналитику и автоматизацию рабочих процессов. Его интеллектуальные агенты одновременно извлекают информацию и рассуждают поверх всех этих слоев, интерпретируя живые данные вместе с организационным контекстом, чтобы выдавать ответы, с которыми можно сразу работать. Когда workforce intelligence из Visier работает вместе с enterprise knowledge layer в Amazon Quick, результатом становится ответ, опирающийся на полный контекст и готовый к действию.
В этой публикации мы показываем, как подключение платформы Visier Workforce AI к Amazon Quick через Model Context Protocol (MCP) дает каждому knowledge worker единое agentic workspace для вопросов и ответов. Visier помогает заземлить это пространство в актуальных данных по персоналу и окружающем организационном контексте, а также позволяет пользователям действовать по результатам диалога без переключения между инструментами.
1. Понимание компонентов
В этой публикации мы показываем примеры повседневных сценариев для двух сотрудников, которые готовятся к одному и тому же совещанию руководства: Маи, HR Business Partner, готовящей сводку по здоровью команды, и Дэвида, финансового менеджера, который отслеживает численность персонала относительно бюджета. Оба нуждаются в ответах, которые объединяют несколько источников: живые данные по персоналу, внутренние целевые показатели, политики найма и исторический контекст. Эта интеграция рассчитана на бизнес-пользователей, которые используют данные о людях в своих ежедневных решениях. Им нужны ответы, основанные на правильных источниках данных. Такая интеграция помогает агентам Amazon Quick выходить за рамки простого поиска информации и действовать на ее основе.
Amazon Quick
Amazon Quick — это agentic AI workspace, который выступает единым интерфейсом для бизнес-пользователей по всей организации и предоставляет им набор agentic teammates, быстро отвечающих на рабочие вопросы и превращающих ответы в действия.
Для Маи и Дэвида Amazon Quick — это их AI workspace, где они задают вопросы и создают агентов, которые работают от их имени и автоматизируют процессы. Еженедельные рабочие сценарии и пороговые оповещения, которые иначе каждый раз требовали бы ручной работы и поиска, сохраняются в Amazon Quick.
Visier
Visier — это облачная Workforce AI platform, которая объединяет данные о персонале из всей организации. Она сводит вместе HRIS, payroll, talent management и applicant tracking в единый intelligence layer. С ее помощью можно отвечать на сложные вопросы по персоналу за минуты через AI assistant Vee, опирающийся на богатый набор преднастроенных метрик и отраслевых бенчмарков на основе анонимизированных записей сотрудников.
Через свой MCP server Visier выступает как универсальный connector, который доставляет управляемые insights по людям прямо в корпоративные AI-инструменты, где принимаются решения. Для Маи Visier — это авторитетный источник workforce intelligence. Он дает ей количество high performer, среднюю tenure и тренды attrition, которые нужны для оценки здоровья организации. Для Дэвида он предоставляет live headcount и распределение, относительно которых измеряются финансовые цели.
Model Context Protocol
MCP — это открытый стандарт, который позволяет AI-агентам подключаться к внешним источникам данных и инструментам. Его можно рассматривать как универсальный адаптер, позволяющий Amazon Quick структурированно и безопасно взаимодействовать с аналитическим агентом Visier, Vee, без создания собственных интеграций с нуля. Visier открывает свои возможности workforce analytics через MCP server. Amazon Quick включает встроенный MCP client, который обнаруживает эти инструменты и делает их доступными для своих агентов, research workflows и automations.
2. Преимущества для предприятий
Организациям часто сложно получить единое представление о персонале, которое объединяет живые данные и организационный контекст. Руководителю, который спрашивает: «Успеваем ли мы по бюджету headcount?», нужны цифры из одной системы и контекст политики из другой. С интеграцией Visier в Amazon Quick через MCP этот разрыв исчезает:
- Единая workforce intelligence — Amazon Quick оркестрирует работу между live people analytics data из Visier и внутренними enterprise knowledge, выдавая синтезированные ответы, которые ни одна система по отдельности дать не может. Один вопрос может вернуть live headcount, сопоставленный с утвержденным бюджетным документом.
- Доступ к данным о сотрудниках на естественном языке — через Amazon Quick Agents пользователи могут задавать разговорные вопросы и получать мгновенные ответы, подтвержденные curated workforce data. Каждый ответ связан с источником, поэтому пользователи всегда знают, пришла ли цифра из live workforce data Visier или из внутреннего policy document в Quick Spaces.
- Автоматизированные, повторяемые workflows — регулярные обзоры по персоналу, threshold alerts и подготовку к совещаниям можно собрать как автоматизированные Quick Flows, которые запускаются по расписанию. Тот же анализ, который Мая и Дэвид вручную выполняли в демо, можно настроить один раз и каждое утро понедельника доставлять им в почту без ручной работы.
- Поддержка решений между функциями — тот же подход применим в любой функции, где данные о персонале и организационный контекст должны объединяться для принятия решения.
- Управляемый и безопасный доступ к данным — Visier’s MCP server применяет политики data governance, чтобы через Amazon Quick показывать только авторизованные данные о персонале. Enterprise knowledge в Quick Spaces сохраняет существующие controls доступа внутри вашей организационной границы.
- Сокращение времени до инсайта — то, на что раньше уходили часы сверки таблиц, переключения между дашбордами и ручного построения narrative, теперь можно сделать быстро из одного интерфейса. Интеграция гарантирует, что ответ всегда содержит полную картину live workforce data вместе с организационным контекстом, который делает его применимым.
3. Предварительные требования
Перед настройкой интеграции Visier MCP с Amazon Quick вам понадобятся:
- действующий AWS account с необходимыми разрешениями на сервисы.
- Среда Amazon Quick с активной подпиской (getting started).
- Учетная запись Visier с доступом к API и включенным MCP server.
Подробнее о настройке Amazon Quick см. в документации Amazon Quick.
4. Обзор решения
В основе этого решения лежит MCP. Visier размещает MCP server, который открывает его возможности people analytics как набор вызываемых tools. Amazon Quick выступает как MCP client, обнаруживая эти tools и делая их доступными агентам, research workflows и automations. Две платформы остаются независимыми, а через это соединение live workforce data из Visier становится частью каждого взаимодействия в Amazon Quick. Когда пользователь задает вопрос:
- Amazon Quick интерпретирует intent и определяет, какие источники релевантны
- Если вопрос требует данных о персонале, он вызывает агента Visier Vee через MCP, чтобы получить live analytics
- Если вопрос требует организационного контекста, он обращается к соответствующим документам и knowledge sources, доступным в Amazon Quick Spaces
- Оба источника объединяются в единый связный ответ, отражающий и live workforce data, и организационный контекст вокруг него
Когда вопрос охватывает обе системы, Amazon Quick находит правильные источники, передает запрос агенту Visier для получения live workforce intelligence и использует Quick Index и Quick Spaces для организационного контекста. Наиболее релевантная информация из обоих источников показывается пользователю как единый связный ответ.
5. Настройка интеграции
Шаг 1: Настройте MCP server Visier
Visier предоставляет готовый MCP server, который открывает его возможности workforce analytics как MCP tools. Чтобы настроить его:
- В консоли администратора Visier перейдите в Settings > API & Integrations.
- Включите возможность MCP Server.
- Настройте учетные данные аутентификации и области доступа к данным.
- Запишите URL endpoint MCP server и данные аутентификации.
Подробные инструкции см. в Visier MCP Documentation.
Шаг 2: Добавьте Visier как MCP integration в Amazon Quick
Amazon Quick включает встроенный MCP client, который настраивается через integration. Чтобы подключить Visier:
- На главном экране Amazon Quick выберите Integrations в левой панели навигации.
- Выберите вкладку Actions в основной панели.
- В разделе Set up a new integration найдите плитку Model Context Protocol (MCP) и нажмите на знак plus (+).
- На странице Create Integration введите понятное Name, необязательное Description и URL endpoint Visier MCP server из шага 1. Нажмите Next.
- Выберите метод authentication method, который соответствует конфигурации вашего Visier MCP server (user authentication, service authentication или no authentication), и введите требуемые учетные данные. Нажмите Create and continue.
- Amazon Quick обнаружит tools, открытые MCP server Visier (например,
ask_vee_question,search_metrics,list_analytic_object_property_values). - Поделитесь integration с другими пользователями, которым нужно будет запрашивать Visier через Amazon Quick, затем нажмите Done.
После настройки workforce intelligence tools Visier становятся доступны агентам и automations Amazon Quick.
Дополнительную информацию о MCP integration в Amazon Quick см. в Integrate external tools with Amazon Quick Agents using MCP и в документации по MCP integration.
Шаг 3: Сформируйте корпоративные знания
Агенты, созданные в Amazon Quick, используют Spaces как контекстную границу. Все, что знает организация — от внутренних политик и плановых документов до знаний команды, внесенных отдельными пользователями, — накапливается внутри Space и становится доступным агенту во время запроса. Несколько членов команды могут вносить вклад в Space со временем, поэтому знания растут вместе с организацией, а не остаются статичными.
Далее загрузите релевантные внутренние документы в Quick Spaces, чтобы orchestrator получил организационный контекст, дополняющий живые данные Visier. Чтобы загрузить документы:
- В Amazon Quick перейдите в Spaces и создайте новое пространство. Назовите его «Workforce Planning».
- Загрузите документы по планированию персонала, например бюджеты headcount и guidelines по компенсациям.
- Загрузите policy documents, например workflows утверждения и требования compliance.
- Настройте разрешения пространства, чтобы определить, какие команды могут получить доступ к содержимому.
Когда Quick Spaces заполнены, ответы, которые мы получаем от Quick Agents, становятся богаче. Это позволяет им объединять live workforce data из Visier с собственным контекстом организации и возвращать полный ответ в одном месте.
Пример сценария
Чтобы показать работу интеграции, мы рассмотрим сценарий, в котором Мая (HR Business Partner) и Дэвид (Finance Analyst) совместно готовятся к встрече с руководством. Их организация подключила Visier к Amazon Quick через MCP и загрузила внутренние плановые документы в Quick Spaces. Для этого примера они добавили в Amazon Quick следующие корпоративные документы:
| Документ | Назначение |
| FY26 Workforce Health Targets | Цели по headcount, целевые показатели распределения по США, бенчмарки retention rate |
| Tenure and Retention Policy | Пороги tenure, пороги группы риска, триггеры вмешательства |
| High Performer Retention Playbook | Пороговые значения доли high performer, рычаги удержания, триггеры эскалации |
| US Workforce Distribution Policy | Целевой процент присутствия в США, периодичность пересмотра, обоснование |
| Workforce Risk Briefing Template | Рамка оценки рисков, что эскалировать руководству |
Вот как разворачивается разговор: в каждом из следующих шагов отмечены источники данных, которые агент Amazon Quick запрашивал для своего ответа.
Шаг 1: Определяем исходную картину
Дэвид: Сколько у нас сотрудников и сколько из них находятся в США?
Агент Amazon Quick направляет вопрос Дэвида в Visier через MCP и возвращает общее число сотрудников и численность сотрудников в США на основе live workforce data.
Источники запроса: Visier
Шаг 2: Бюджет против факта, где intelligence встречается с контекстом
Дэвид: Как наша численность в США соотносится с целевыми показателями распределения?
Агент запрашивает у Visier текущую численность сотрудников в США и извлекает документ FY26 Workforce Health Targets из Quick Spaces, сравнивая фактическое значение с утвержденной целевой долей распределения.
Источники запроса: Visier (live headcount) · Quick Spaces (FY26 Workforce Health Targets)
Шаг 3: Картина tenure
Мая: Какова средняя tenure по всей организации и какие роли имеют самую высокую tenure?
Агент Amazon Quick получает среднюю tenure и распределение tenure по ролям из Visier, а затем показывает соответствующие milestones из политики Tenure and Retention Policy в Quick Spaces.
Источники запроса: Visier (tenure data) · Quick Spaces (Tenure and Retention Policy)
Шаг 4: Tenure относительно порогов политики
Мая: Соответствует ли наша средняя tenure порогу в политике удержания?
Агент Amazon Quick сравнивает текущую среднюю tenure из Visier с порогом, определенным в документе Tenure and Retention Policy, хранящемся в Quick Spaces, и отмечает, достигает ли организация своей цели или отстает от нее.
Источники запроса: Visier (average tenure) · Quick Spaces (Tenure and Retention Policy)
Шаг 5: Проверка здоровья high performer
Мая: Сколько у нас high performer и укладываемся ли мы в рекомендуемую долю?
Quick agent берет текущий count high performer из Visier и сверяет его с рекомендуемой долей в High Performer Retention Playbook из Quick Spaces.
Источники запроса: Visier (high performer count) · Quick Spaces (High Performer Retention Playbook)
Шаг 6: Синтез для briefing руководства
Дэвид и Мая: Сводно перечислите ключевые риски по здоровью workforce для нашего briefing руководства.
Агент Amazon Quick собирает вместе данные по персоналу, извлеченные из Visier в предыдущих шагах, и сопоставляет каждую метрику с соответствующими порогами и политиками, хранящимися в Quick Spaces. Если метрика не достигает своей цели, агент помечает ее как риск и показывает рекомендуемое действие из соответствующего policy document. В результате получается единый briefing, охватывающий все измерения, обсуждавшиеся в разговоре, и каждая находка привязана к своему источнику данных.
Источники запроса: Visier (все данные по персоналу из предыдущих шагов) · Quick Spaces (все policy и target documents)
Развитие сценария с Quick Flows
Помимо разговорных запросов, Amazon Quick включает Quick Flows — механизм автоматизации workflows, который можно использовать для задания многошаговых последовательностей и запуска их по расписанию или по запросу. Flow может извлекать данные из подключенных источников, применять логику или сравнения, формировать структурированные результаты и доставлять их в такие места, как inbox или канал Slack, без ручного участия. Если вы обнаруживаете, что каждую неделю или месяц повторяете один и тот же многошаговый разговор с Quick Agent, Quick Flows превращает этот разговор в самозапускающийся flow. Вы один раз задаете шаги, подключаете источники данных через те же MCP integration, которые используются в чате, и задаете периодичность. После этого flow выполняется end to end и доставляет результат.
Многошаговый разговор, который завершили Мая и Дэвид, показывает тип повторяющегося процесса, который выгодно автоматизировать. Каждый месяц возникают одни и те же вопросы. Насколько мы близки к цели по headcount? Движется ли tenure в нужном направлении? Сохраняется ли доля high performer? Вместо того чтобы каждый раз проходить через эти вопросы вручную, Quick Flows может запускать всю последовательность по расписанию и доставлять готовый к отправке briefing.
Следующий flow, называемый Weekly Workforce Health Score, запускается каждое утро понедельника. Он получает live data из Visier, сравнивает каждую метрику с порогами, хранящимися в Quick Spaces, вычисляет composite score и формирует структурированный briefing без какого-либо ручного ввода.
Пример запроса для создания weekly Workforce Health Score flow, как ниже:
Запускай этот flow каждый понедельник в 8:00 AM. Выполняй следующие шаги по порядку:
Шаг 1 — Получить live workforce data
Запроси у подключенного Visier MCP server следующие четыре метрики на последнюю доступную дату:
1. Total global headcount
2. US-based headcount
3. Organization-wide average tenure
4. Total count of high-performing employees
Шаг 2 — Получить внутренние цели и пороги
Поищи в пространстве «Workforce Planning» в Amazon Quick следующие значения:
1. Year-end headcount target
2. US headcount target and percentage target
3. Average tenure threshold and watch zone lower bound
4. Minimum high performer ratio threshold
Используй документы FY26 Workforce Health Targets, Tenure and Retention Policy, High Performer Retention Playbook и US Workforce Distribution Policy.
Шаг 3 — Рассчитать метрики здоровья workforce
Используя значения, полученные на шагах 1 и 2, рассчитай следующее:
1. Headcount percentage to goal
2. Hires remaining to close the gap
3. US headcount percentage of total
4. US headcount gap to target (в headcount и percentage points)
5. High performer ratio
6. High performer buffer above the minimum threshold
7. Tenure buffer above the watch zone threshold
Шаг 4 — Оценить каждую метрику
Присвой каждой из четырех метрик оценку по следующей логике:
– On Track (достигает или превышает цель): 25 points
– Needs Attention (в пределах 5% от порога): 15 points
– Below Target (порог не достигнут): 5 points
– Needs Immediate Review (существенно ниже порога): 0 points
Суммируй четыре оценки, чтобы получить composite Workforce Health Score из 100.
Шаг 5 — Получить рекомендуемые действия для помеченных метрик
Для любой метрики, получившей «Needs Attention» или ниже, извлеки соответствующий intervention section из связанного policy document в Quick Spaces.
Шаг 6 — Подготовить структурированный briefing
Собери структурированную сводку, включающую:
1. Composite score из 100
2. Таблицу, показывающую каждую метрику с фактическим значением, целью, рассчитанным разрывом и оценкой
3. Однострочный статус, показывающий, сколько метрик требует внимания
4. Рекомендуемые действия из шага 5, отсортированные по приоритету
Сформатируй это как готовый к отправке briefing.
Результатом становится composite score из 100, таблица метрик, показывающая положение организации относительно каждой цели, и набор рекомендуемых действий, взятых напрямую из соответствующих policy documents. Когда метрика требует внимания, briefing подсказывает, что именно policy рекомендует делать.
Пример проекта Quick Research
Amazon Quick также включает Quick Research — функцию глубокого анализа, созданную для вопросов, которые охватывают несколько источников и требуют синтеза, а не одного поиска. В отличие от chat conversation, который интерактивен и итеративен, Quick Research работает автономно: вы описываете желаемый результат на естественном языке, а Quick сам определяет, какие внутренние базы знаний, подключенные источники данных и внешние ссылки нужно запросить, а затем собирает структурированный report с указанием источников.
Перед совещанием руководства Мая запускает Quick Research самостоятельно, вне agent conversation. Она не указывает, какие системы искать и где находятся данные, она просто описывает, что ей нужно.
Запрос Маи для Quick Research:
Подготовьте report по бенчмаркингу workforce перед нашим совещанием руководства. Мне нужно понять, как наша организация выглядит относительно отраслевых peers по трем направлениям: tenure сотрудников, доля high performer и распределение workforce по географиям. Для каждой области покажите, где мы находимся сейчас, как выглядит отраслевой norm и находимся ли мы впереди, на уровне или позади. Где релевантно, включите наши внутренние цели.
Структурируйте output как executive summary, сравнение benchmark side by side с цветовой оценкой риска и gap analysis с тремя-пятью приоритетными рекомендациями. Включите chart сравнения benchmark и таблицу визуальных индикаторов разрыва. Укажите все внешние источники и отнесите все внутренние данные к их происхождению.
Quick Research автоматически берет данные из всех трех слоев: live workforce data из Visier через MCP server, внутренние целевые показатели из пространства Workforce Planning Quick Space и внешние отраслевые benchmark из веба — и формирует структурированный research brief с указанием источников. Мая скачивает report и делится им с Дэвидом перед встречей. Он служит внешним layer контекста, который обогащает agent conversation, давая обоим персонажам общую отправную точку, основанную на данных изнутри и извне организации. Именно это делает Quick Research особенным: пользователь описывает нужный результат, интеллект Quick понимает, где искать, проводит глубокое исследование и собирает actional comprehensive report.
Мониторинг и наблюдаемость
Когда Quick agents запрашивают Visier MCP для live workforce data и извлекают политики из Quick Spaces, администраторам нужна видимость того, что именно запрашивается, как часто и кем. Amazon Quick интегрируется с Amazon CloudWatch, чтобы показывать метрики MCP action connector, такие как количество вызовов и частота ошибок, чтобы команды могли отслеживать, как часто MCP tools Visier вызываются в agent conversations, flows и research runs. Каждое chat interaction, включая то, какие connectors были вызваны и какие ресурсы были процитированы в ответе, может передаваться через Amazon CloudWatch Logs в такие места, как Amazon Simple Storage Service (Amazon S3) или Amazon Data Firehose, для анализа и долгосрочного хранения. Для аудита и compliance AWS CloudTrail предоставляет полный журнал API calls и административных действий во всей среде Amazon Quick, отвечая на вопросы вроде того, какой пользователь запрашивал данные о tenure сотрудников, когда был сделан запрос и в каком контексте он был частью. Вместе эти возможности обеспечивают наблюдаемость, аудитируемость и управляемость каждого взаимодействия между Visier и Amazon Quick — от запроса chat agent до запланированного flow.
Очистка ресурсов
Когда вы закончите использовать эту интеграцию, удалите созданные ресурсы:
- Удалите MCP integration из Amazon Quick:
- На главном экране Amazon Quick перейдите в Integrations в левой панели навигации.
- Выберите вкладку Actions, найдите Visier MCP integration и нажмите Remove.
- Это остановит доступ к данным Visier через Amazon Quick.
- Отзовите учетные данные Visier MCP:
- В консоли администратора Visier перейдите в Settings > API & Integrations.
- Отзовите учетные данные MCP server, использовавшиеся для подключения Amazon Quick.
- Удалите содержимое Quick Spaces (необязательно):
- Если вы создали Quick Spaces специально для этой интеграции, перейдите в Spaces в Amazon Quick и удалите их.
- Удалите среду Amazon Quick (необязательно):
- Если среда Amazon Quick вам больше не нужна, перейдите в AWS console и удалите связанные ресурсы.
- Это удалит связанные indexes, integrations и data source connectors.
Заключение
Интеграция Visier и Amazon Quick через MCP показывает подход, который выходит далеко за пределы people analytics и применим в любом сценарии, где специализированная business intelligence должна быть привязана к организационному контексту. Ценность не в каждой системе по отдельности. Amazon Quick предоставляет слой orchestration и корпоративный контекст. Visier предоставляет workforce intelligence. MCP обеспечивает безопасное и стандартизированное соединение между ними. Для конечного пользователя опыт прост: задать вопрос, получить ответ, который опирается на все, что знает организация, и действовать без переключения инструментов. Та же архитектура применима в Finance, Operations, Sales, Marketing и Legal. Везде, где нужно объединить данные о персонале и организационный контекст, Amazon Quick и Visier, связанные через MCP, делают это возможным в одном разговоре.
Следующие шаги
Готовы перенести workforce intelligence в свое agentic AI workspace? Начните с документации Amazon Quick, чтобы настроить окружение, сконфигурировать integrations и начать создавать agents и automations. Со стороны Visier документация Visier MCP Server описывает шаги настройки, конфигурацию аутентификации и полный набор доступных workforce analytics tools.
Чтобы узнать больше о платформе Visier Workforce AI, посетите visier.com. Для более глубокого знакомства с тем, как Amazon Quick подключается к внешним источникам данных через Model Context Protocol, прочитайте Integrate external tools with Amazon Quick Agents using MCP.
Материал — перевод статьи с английского.
Оригинал: Building Workforce AI Agents with Visier and Amazon Quick