Сотрудникам во всех функциях приходится принимать более быстрые и обоснованные решения, но нужная им информация редко хранится в одном месте. Visier помогает извлекать one из самых ценных сигналов для бизнеса — данные о том, кто работает в организации, как люди показывают себя и где есть пробелы, — однако эта информация максимально полезна только тогда, когда она связана с внутренними политиками, планами и контекстом, которые задают ей направление. Этот контекст тоже часто хранится 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 извлекают информацию и рассуждают сразу по всем этим слоям, интерпретируя живые данные вместе с организационным контекстом, чтобы выдавать ответы, готовые к действию. Когда workforce intelligence из Visier работает вместе с корпоративным слоем знаний Amazon Quick, результатом становится ответ, который опирается на полный контекст и сразу пригоден для действий.
В этом материале показано, как подключение платформы Visier Workforce AI к Amazon Quick через Model Context Protocol (MCP) дает каждому knowledge worker единое агентное рабочее пространство для вопросов и действий. Visier помогает заземлить это пространство в живых данных о персонале и в окружающем их организационном контексте, а пользователи при этом могут действовать по результатам диалога без переключения между инструментами.
1. Понимание компонентов
В этом материале мы показываем примеры повседневных сценариев для двух сотрудников, которые готовятся к одному и тому же совещанию руководства: Майи, HR Business partner, которая готовит сводку по состоянию персонала, и Дэвида, финансового менеджера, который отслеживает headcount относительно бюджета. Обоим нужны ответы, охватывающие несколько источников, например живые данные о персонале, внутренние цели, политики найма и исторический контекст. Эта интеграция предназначена для бизнес-пользователей, которые работают с данными о людях в рамках ежедневных решений. Им нужны ответы, основанные на правильных источниках данных. Такая интеграция помогает агентам Amazon Quick не только извлекать информацию, но и действовать на ее основе.
Amazon Quick
Amazon Quick — это агентное рабочее пространство на базе AI, которое служит единым интерфейсом для бизнес-пользователей по всей организации и предоставляет им набор агентных помощников, быстро отвечающих на рабочие вопросы и превращающих ответы в действия.
Для Майи и Дэвида Amazon Quick — это их AI workspace, где они задают вопросы и создают агентов, которые работают от их имени и автоматизируют процессы. Еженедельные сценарии и пороговые оповещения, которые иначе каждый раз требовали бы ручной работы и исследований, сохраняются в Amazon Quick.
Visier
Visier — это облачная платформа Workforce AI, которая объединяет данные о персонале из разных систем внутри организации. Она сводит HRIS, payroll, talent management и applicant tracking в единый слой аналитики. С ее помощью можно за минуты отвечать на сложные вопросы о персонале через AI-ассистента Vee, опирающегося на обширный набор преднастроенных метрик и отраслевых бенчмарков на основе анонимизированных записей сотрудников.
Через свой MCP server Visier выступает как универсальный коннектор, который передает управляемые инсайты о людях прямо в корпоративные AI-инструменты, где принимаются решения. Для Майи Visier — это авторитетный источник workforce intelligence. Он предоставляет данные о количестве высокоэффективных сотрудников, среднем стаже и трендах оттока, которые нужны ей для оценки здоровья организации. Для Дэвида он предоставляет живые показатели headcount и распределения, 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 представить как универсальный адаптер, позволяющий Amazon Quick структурированно и безопасно взаимодействовать с агентом-аналитиком Visier, Vee, без необходимости создавать собственные интеграции с нуля. Visier открывает свои возможности workforce analytics через MCP server. В Amazon Quick встроен MCP client, который обнаруживает эти инструменты и делает их доступными агентам, исследовательским workflow и автоматизациям.
2. Польза для предприятий
Организациям часто сложно получить единое представление о персонале, которое сочетает живые данные и организационный контекст. Руководитель, задающий вопрос «Успеваем ли мы по бюджету headcount?», нуждается в числах из одной системы и в контексте политики из другой. Когда Visier интегрирован в Amazon Quick через MCP, этот разрыв закрывается:
- Единая workforce intelligence — Amazon Quick координирует работу с живыми данными people analytics из Visier и внутренними корпоративными знаниями, выдавая синтезированные ответы, которые ни одна система по отдельности не смогла бы сформировать. Один вопрос может вернуть живые данные headcount, сопоставленные 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, основанные на тщательно подготовленных данных о персонале. Каждый ответ сопровождается указанием источника, поэтому пользователи всегда понимают, пришло ли число из живых workforce data в Visier или из внутреннего документа политики в Quick Spaces.
- Поддержка межфункциональных решений — тот же подход применим в любой функции, где данные о персонале и организационный контекст должны соединяться для принятия решения.
- Управляемый и защищенный доступ к данным — MCP server Visier обеспечивает политики data governance, чтобы через Amazon Quick показывались только разрешенные данные о персонале. Корпоративные знания в Quick Spaces сохраняют существующие механизмы контроля доступа внутри организационной границы.
- Сокращение времени до инсайта — то, что раньше требовало часов сверки таблиц, переключения между дашбордами и ручного построения narratives, теперь можно быстро выполнить из одного интерфейса. Интеграция гарантирует, что ответ всегда приходит вместе с полной картиной живых данных о персонале и организационным контекстом, который делает его применимым.
3. Требования перед началом
Перед настройкой интеграции Visier MCP с Amazon Quick вам понадобятся:
Дополнительные сведения о настройке Amazon Quick см. в документации Amazon Quick.
4. Обзор решения
В основе этого решения лежит MCP. Visier размещает MCP server, который открывает возможности people analytics как набор вызываемых инструментов. Amazon Quick выступает MCP client, обнаруживая эти инструменты и делая их доступными для агентов, research workflows и автоматизаций. Обе платформы остаются независимыми, а благодаря этому соединению живые данные о персонале из Visier становятся частью каждого взаимодействия в Amazon Quick. Когда пользователь задает вопрос:
- Amazon Quick интерпретирует намерение и определяет, какие источники релевантны
- Если вопрос требует данных о персонале, он вызывает агента Visier Vee через MCP, чтобы получить живую аналитику
- Если вопрос требует организационного контекста, он берет его из релевантных документов и источников знаний, доступных в Amazon Quick Spaces
- Два источника объединяются в один связный ответ, отражающий и живые данные о персонале, и окружающий их организационный контекст
Когда вопрос охватывает обе системы, Amazon Quick определяет нужные источники, передает запрос агенту Visier для получения живой workforce intelligence и использует Quick Index и Quick Spaces для организационного контекста. Наиболее релевантная информация из обеих систем возвращается пользователю в виде одного связного ответа.
5. Настройка интеграции
Шаг 1: Настройте MCP server Visier
Visier предоставляет готовый MCP server, который открывает 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 для аутентификации.
Подробные инструкции см. в документации Visier MCP.
Шаг 2: Добавьте Visier как MCP integration в Amazon Quick
В Amazon Quick есть встроенный MCP client, который настраивается через интеграцию. Чтобы подключить Visier:
- На главном экране Amazon Quick выберите Integrations в левой панели навигации.
- Выберите вкладку Actions в основном окне.
- В разделе Set up a new integration найдите плитку Model Context Protocol (MCP) и нажмите значок плюс (+).
- На странице Create Integration введите понятное Name, необязательное Description и URL endpoint MCP server Visier из шага 1. Нажмите Next.
- Выберите метод authentication, соответствующий конфигурации MCP server Visier (user authentication, service authentication или no authentication), и введите необходимые учетные данные. Нажмите Create and continue.
- Amazon Quick обнаружит инструменты, предоставленные MCP server Visier, например
ask_vee_question,search_metrics,list_analytic_object_property_values. - Поделитесь интеграцией с другими пользователями, которым нужно запрашивать Visier через Amazon Quick, затем нажмите Done.
После настройки инструменты workforce intelligence из Visier становятся доступны агентам и автоматизациям Amazon Quick.
Дополнительную информацию об MCP integration в Amazon Quick см. в материалах Integrate external tools with Amazon Quick Agents using MCP и в документации по MCP integration.
Шаг 3: Подготовьте корпоративные знания
Агенты, созданные в Amazon Quick, используют Spaces как границу контекста. Все, что знает организация, от внутренних политик и планировочных документов до знаний команд, добавленных отдельными пользователями, накапливается внутри Space и становится доступным агенту во время запроса. Несколько членов команды могут со временем вносить вклад в один Space, поэтому знания растут вместе с организацией, а не остаются статичными.
Далее нужно загрузить релевантные внутренние документы в Quick Spaces, чтобы оркестратор получил организационный контекст в дополнение к живым данным Visier. Чтобы загрузить документы:
- В Amazon Quick перейдите в раздел Spaces и создайте новый space. Назовите его «Workforce Planning».
- Загрузите документы по workforce planning, например бюджеты headcount и руководства по компенсациям.
- Загрузите документы политик, например процедуры согласования и требования к compliance.
- Настройте разрешения space, чтобы контролировать, какие команды могут получать доступ к содержимому.
Когда Quick Spaces заполнены, ответы, которые мы получаем от Quick Agents, становятся богаче. Это позволяет им объединять живые данные о персонале из Visier с собственным контекстом организации и выдавать полный ответ в одном месте.
Пример сценария
Чтобы показать интеграцию, мы рассматриваем сценарий, в котором Майя (HR Business Partner) и Дэвид (Finance Analyst) вместе готовятся к совещанию руководства. Их организация подключила Visier к Amazon Quick через MCP и загрузила внутренние плановые документы в Quick Spaces. Для примера они добавили в Amazon Quick следующие корпоративные документы:
| Документ | Назначение |
| FY26 Workforce Health Targets | Цели по headcount, целевые показатели распределения по США, ориентиры по retention rate |
| Tenure and Retention Policy | Пороговые значения стажа, зоны риска, триггеры вмешательства |
| High Performer Retention Playbook | Пороговые значения доли высокоэффективных сотрудников, рычаги удержания, триггеры эскалации |
| US Workforce Distribution Policy | Целевая доля присутствия в США, частота пересмотра, обоснование |
| Workforce Risk Briefing Template | Фреймворк оценки риска, что эскалировать руководству |
Вот как разворачивается разговор: в каждой реплике указано, какие источники данных Amazon Quick agent использовал для ответа.
Раунд 1: Понять текущую картину
David: 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 число сотрудников в США на основе живых данных о персонале.
Источники: Visier
Раунд 2: Бюджет против факта, где аналитика встречается с контекстом
David: Как наш headcount в США соотносится с целевыми показателями распределения?
Агент запрашивает у Visier живой headcount по США и извлекает документ FY26 Workforce Health Targets из Quick Spaces, сравнивая фактическое значение с утвержденной целевой долей распределения.
Источники: Visier (живой headcount) · Quick Spaces (FY26 Workforce Health Targets)
Раунд 3: Картина стажа
Maya: Каков средний стаж по всей организации и в каких ролях стаж самый высокий?
Агент Amazon Quick извлекает средний стаж и разбивку по ролям из Visier, а затем показывает соответствующие пороговые уровни стажа из политики Tenure and Retention Policy в Quick Spaces.
Источники: Visier (данные по стажу) · Quick Spaces (Tenure and Retention Policy)
Раунд 4: Стаж против порогов политики
Maya: Соответствует ли наш средний стаж порогу в политике удержания?
Агент Amazon Quick сравнивает живой показатель среднего стажа из Visier с порогом, определенным в Tenure and Retention Policy, хранящейся в Quick Spaces, и показывает, достигает ли организация цели или отстает от нее.
Источники: Visier (средний стаж) · Quick Spaces (Tenure and Retention Policy)
Раунд 5: Проверка состояния high performers
Maya: Сколько у нас high performers и укладываемся ли мы в рекомендованную долю?
Quick agent берет текущее число high performers из Visier и проверяет его относительно рекомендуемой доли в High Performer Retention Playbook из Quick Spaces.
Источники: Visier (число high performers) · Quick Spaces (High Performer Retention Playbook)
Раунд 6: Синтез брифинга для руководства
David and Maya: Суммируй ключевые риски для здоровья workforce для нашего брифинга руководству.
Агент Amazon Quick объединяет данные о персонале, полученные из Visier в предыдущих раундах, и сверяет каждую метрику с соответствующими порогами и политиками, хранящимися в Quick Spaces. Если какая-то метрика не достигает цели, агент помечает ее как риск и показывает рекомендуемое действие из соответствующего документа политики. В результате получается единый брифинг, охватывающий все аспекты, обсуждавшиеся в разговоре, при этом каждое наблюдение привязано к своему источнику данных.
Источники: Visier (все данные о персонале из предыдущих раундов) · Quick Spaces (все документы политик и целевых показателей)
Дальше: Quick Flows
Помимо разговорных запросов, Amazon Quick включает Quick Flows — движок автоматизации рабочих процессов, который позволяет задавать многошаговые последовательности и запускать их по расписанию или по запросу. Flow может получать данные из подключенных источников, применять логику или сравнения, генерировать форматированный вывод и доставлять результат, например в почтовый ящик или канал Slack, полностью без ручного вмешательства. Если вы повторяете один и тот же многоходовый диалог с Quick Agent каждую неделю или месяц, Quick Flows превращает этот диалог в самозапускающийся поток. Вы один раз задаете шаги, подключаете источники данных через те же MCP integration, что используются в чате, и задаете периодичность. После этого flow выполняется end to end и доставляет результат.
Многоходовой разговор, который завершили Майя и Дэвид, показывает тип повторяющегося сценария, который выгодно автоматизировать. Каждый месяц возникают одни и те же вопросы: насколько мы близки к целевому headcount, движется ли стаж в нужном направлении, сохраняется ли доля high performers. Вместо того чтобы каждый раз проходить через эти вопросы вручную, Quick Flows может выполнять весь сценарий по расписанию и доставлять готовый к распространению брифинг.
Следующий flow под названием Weekly Workforce Health Score запускается каждое утро понедельника. Он получает живые данные из Visier, сравнивает каждую метрику с порогами, хранящимися в Quick Spaces, вычисляет составной score и готовит форматированный брифинг без какого-либо ручного ввода.
Пример запроса для создания weekly Workforce Health Score flow, как ниже:
Запускайте этот flow каждую неделю по понедельникам в 8:00. Выполните следующие шаги по порядку:
Шаг 1 — Получить живые данные о workforce
Запросите подключенный MCP server Visier по следующим четырем метрикам на последнюю доступную дату:
1. Общее global headcount
2. Headcount в США
3. Средний стаж по организации
4. Общее число high-performing сотрудников
Шаг 2 — Получить внутренние цели и пороги
Ищите в пространстве «Workforce Planning» в Amazon Quick следующие значения:
1. Годовую цель по headcount
2. Цель по headcount в США и целевую долю в процентах
3. Порог среднего стажа и нижнюю границу зоны наблюдения
4. Минимальный порог доли high performer
Используйте 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 из шагов 1 и 2, рассчитайте следующее:
1. Процент выполнения цели по headcount
2. Оставшиеся наймы для закрытия разрыва
3. Процент headcount в США от общего числа
4. Разрыв headcount в США до цели (в headcount и процентных пунктах)
5. Долю high performer
6. Запас по high performer сверх минимального порога
7. Запас по стажу сверх порога зоны наблюдения
Шаг 4 — Оценить каждую метрику
Присвойте score каждой из четырех метрик 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
Сложите четыре score, чтобы получить составной Workforce Health Score из 100.
Шаг 5 — Получить рекомендованные действия для отмеченных метрик
Для любой метрики, оцененной как «Needs Attention» или ниже, извлеките соответствующий раздел вмешательств из документа политики в Quick Spaces.
Шаг 6 — Подготовить форматированный брифинг
Составьте структурированное резюме, включающее:
1. Составной score из 100
2. Таблицу, показывающую каждую метрику, ее фактическое значение, цель, рассчитанный разрыв и score
3. Однострочный статус, показывающий, сколько метрик требует внимания
4. Рекомендованные действия из шага 5, отсортированные по приоритету
Оформите это как готовый к распространению брифинг.
Результат — это составной score из 100, таблица метрик, показывающая положение организации относительно каждой цели, и набор рекомендованных действий, взятых напрямую из соответствующих документов политики. Когда метрике требуется внимание, брифинг подсказывает, что именно предписывает политика.
Пример проекта Quick Research
Amazon Quick также включает Quick Research — возможность глубокого анализа, предназначенную для вопросов, охватывающих несколько источников и требующих синтеза, а не одного запроса. Если чат — это интерактивный и итеративный процесс, то Quick Research работает автономно: вы описываете на естественном языке, какой результат вам нужен, а Quick определяет, какие внутренние базы знаний, подключенные источники данных и внешние ссылки нужно проверить, а затем собирает структурированный отчет с указанием источников.
Перед совещанием руководства Майя запускает Quick Research отдельно, вне агентного диалога. Она не указывает, какие системы искать и где лежат данные, а просто описывает, что ей нужно.
Запрос Майи для Quick Research:
Подготовьте отчет по бенчмаркингу workforce к нашему совещанию руководства. Мне нужно понять, как наша организация выглядит относительно отраслевых peers по трем направлениям: стаж сотрудников, доля high performers и распределение workforce по географиям. Для каждого направления покажите, где мы находимся сегодня, как выглядит отраслевой норматив и опережаем ли мы его, находимся на уровне или отстаем. Где это уместно, включите наши внутренние цели.
Оформите результат как executive summary, сравнительную таблицу бенчмарков с цветовой оценкой риска и gap analysis с тремя-пятью приоритетными рекомендациями. Добавьте chart сравнения бенчмарков и таблицу визуальных индикаторов разрыва. Укажите все внешние источники и привяжите все внутренние данные к их происхождению.
Quick Research автоматически использует все три слоя: живые данные о персонале из Visier через MCP server, внутренние целевые показатели из Quick Space Workforce Planning и внешние отраслевые бенчмарки из веба, после чего формирует структурированный исследовательский брифинг с указанием источников. Отчет скачивает Майя и делится им с Дэвидом перед встречей. Он служит внешним слоем контекста, который обогащает агентный диалог, давая обоим персонам общее стартовое основание, построенное на данных изнутри и извне организации. Именно это отличает Quick Research: пользователь описывает желаемый результат, интеллектуальная система Quick понимает, где искать, проводит глубокое исследование и собирает полноценный пригодный к действию отчет.
Мониторинг и observability
Пока агенты Quick запрашивают Visier MCP за живыми данными о персонале и получают 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, поэтому команды могут отслеживать, как часто инструменты MCP Visier вызываются в агентных диалогах, flow и research runs. Каждое чат-взаимодействие, включая то, какие коннекторы были вызваны и какие ресурсы были процитированы в ответе, можно передавать 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 всем окружении Amazon Quick, отвечая на вопросы вроде того, какой пользователь запросил данные по стажу workforce, когда был сделан запрос и в каком контексте он выполнялся. Вместе эти возможности обеспечивают, чтобы каждое взаимодействие между Visier и Amazon Quick — от чата с агентом Quick до запланированного flow — оставалось наблюдаемым, аудируемым и управляемым.
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 интеграцию Visier MCP 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, использованные для подключения к 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 окружение Amazon Quick (необязательно):
- Если окружение Amazon Quick больше не нужно, перейдите в консоль AWS и удалите связанные ресурсы.
- Это удалит связанные indexes, integrations и data source connectors.
Заключение
Интеграция Visier и Amazon Quick через MCP показывает шаблон, который выходит далеко за пределы people analytics и подходит для любых сценариев, где специализированная бизнес-аналитика должна быть заземлена в организационном контексте. Ценность не в каждой системе по отдельности. Amazon Quick обеспечивает слой оркестрации и корпоративный контекст. Visier дает workforce intelligence. MCP обеспечивает безопасное, стандартизованное соединение между ними. Для конечного пользователя все просто: задайте вопрос, получите ответ, опирающийся на все, что знает организация, и действуйте без переключения инструментов. Та же архитектура применима в Finance, Operations, Sales, Marketing и Legal. Там, где должны соединяться данные о персонале и организационный контекст, Amazon Quick и Visier, подключенные 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 интеграции и начать создавать агентов и автоматизации. Со стороны Visier документация Visier MCP Server описывает настройку, параметры аутентификации и полный набор доступных инструментов workforce analytics.
Чтобы узнать больше о платформе Visier Workforce AI, посетите visier.com. А чтобы глубже понять, 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