Tradeshift、レガシーBI ツール置き換え Amazon Quick で問い合わせ時間 30 倍高速化

Tradeshift は 70 以上の国の買い手と売り手に対応する AI 駆動型買掛金・電子インボイス コンプライアンス プラットフォームであり、クラウド ベースのネットワークで数百万件のトランザクションを処理している。数年間、同社は独自開発のオンプレミス BI ツールに依存していたが、データ量の増加と顧客期待の上昇により、このツールは瓶首になった。1 クエリあたり最大 10,000 行をサポートし、スケジュール レポートに 25 MB の上限を設け、6 か月の履歴データのみを保持し、メンテナンスだけで約フルタイム従業員 1 人分の 50 パーセントの努力が必要だった。これらの制約により大規模なトレンド分析、異常検知、予測モデリングは不可能になり、外部顧客は AP ワークフロー データへのセルフサービス アクセスを失った。一方、Tradeshift のカスタマー サクセス、データ・アナリティクス、コマーシャル チームは毎週数時間を手動レポート作成に費やしていた：CSV をエクスポート、Excel マクロを実行、レポートを手作業で組み立てていた。

Tradeshift は複数の代替案を評価した後、Amazon Quick を選定した。Amazon Quick はビジネス データに対するナチュラル言語 Q&A 用チャット エージェント、コードなしでマルチステップ ワークフローを自動化する Flows、複数ソースから総合的な分析レポートを生成する Research を含むエージェント型 AI ワークスペースである。同社はフェーズで Amazon Quick をデプロイした：2024 年初頭の概念実証、2024 年 8 月～2025 年 3 月の埋め込み分析 MVP、2025 年 6 月の完全なレポーティング・アナリティクス アプリ立ち上げ。2025 年 8 月までに Quick がレガシー BI ツールを完全に置き換え、組織全体で 98 パーセントの導入を達成した。

デプロイ アーキテクチャは分析機能の 3 つのレイヤーに対応した。第 1 レイヤーは 16 個の埋め込み Amazon QuickSight BI ダッシュボードで構成され、セキュア iFrame を通じて 9 つのドメイン（ドキュメント インボイス、発注書、スキャニング、ネットワーク接続、ユーザー アクティビティ、ワークフロー自動化、コンプライアンスと異常検知、支払い予測、商品受領・インボイス照合）をカバーした。これらのダッシュボードは 100 万～1 億件のトランザクション レコードを処理し 3 秒以下で結果を返すが、レガシー ツールでは 45～90 秒かかった。第 2 レイヤーは会話型 AI アクセスを提供した：ユーザーは SQL 知識なしにナチュラル言語で質問でき、インスタント ビジュアル応答を受け取った。第 3 レイヤーは階層化されたデータ自律性を導入した：既成ダッシュボードと基本フィルター付き Standard 層、Designer Mode、カスタム ダッシュボード作成、what-if モデリング、エージェント型 AI 機能へのアクセス付き Premium 層。セキュリティは 4 つのレイヤーで処理された：認証用 Okta シングル サインオン、各テナントを分離する Amazon Quick カスタム ネームスペース、埋め込み用の時間制限付き署名付き URL、各ユーザーのコンテキストにデータをフィルタリングする行レベル セキュリティ（約 14,000 の RLS ルール）。

ビジネス インパクトは大きかった。Tradeshift の内部アカウント・サポート チームは以前手動 CSV レポート作成に費やしていた週 8.5 時間を削減、外部購買者はユーザーあたり週 6～8 時間を削減した。手動データ操作（Excel マクロ、VLOOKUP、ピボット テーブル）は 80 パーセント減少した。運用上の瓶首を特定するのに要する時間は 1～2 日から 5 秒以下に短縮された。コスト面から、総所有コスト 40 パーセント削減、SPICE（QuickSight のインメモリ データ エンジン）へのクエリシフトにより インフラストラクチャ コスト 35 パーセント削減、ライセンス コスト 30 パーセント統合を実現した。定期メンテナンスはフルタイム従業員 1 人分の 50 パーセントから 0.5 FTE に低下した。Tradeshift は Premium レポート層を通じた既存購買者アカウントからの増分 ARR 2 パーセント拡大、カスタム企業レポートの市場投入時間 75 パーセント改善（新規レポートは現在約 1 週間でデプロイ、従来は 4～6 週間）、埋め込み分析使用アカウントは 12 か月間で 10 パーセント高い保持率を実現した。初年度、対象エンタープライズ購買者の 50 パーセントが月次アクティブにプラットフォームを利用、非技術スタッフの分析利用が 2 倍増加、分析関連サポート チケットは 80 パーセント削減した。

2 つのユースケースがプラットフォーム インパクトを例示した。まず、Tradeshift は Amazon Quick のカスタム チャット エージェント機能を使用してジェネレーティブ AI 搭載 AP Auditor チャット エージェントを構築した。以前、AP 監査人はドキュメント データへのセルフサービス アクセスを欠き、手動作業と BI チームへのクロスファンクショナル リクエストに依存していて瓶首を生じさせていた。コードなく自然言語命令で定義された新しいエージェントにより、ユーザーは「先月の保留中インボイスを表示」などと質問でき、即座に回答を受け取った。エージェントは総合的なナレッジ アーキテクチャを基盤とした：11 の参照ドキュメント、9 つのダッシュボード、14 個の厳選されたクエリ トピック、Model Context Protocol 経由で利用可能な 68 の自動化アクション ツール。次に、Tradeshift は Amazon Quick の SPICE データ キャッシュ レイヤーを使用して、手動運用オーバーヘッドの可視性が必要なクライアント向けの大量レポート ソリューションを構築した。ソリューションは大量の行レベル コーディング データを高速で処理し、手動補正と AI 生成コードを区別し、承認階層を追跡し、瓶首発見に役立つ準リアルタイム可視性を提供した。

社内では Tradeshift はレガシー BI ツールを QuickSight に移行し、ユーザーが以前ナビゲートしていた 40 個の個別ダッシュボードを 100 以上のナチュラル言語でクエリ可能なデータセットに統合した。Finance、Operations、Product、Customer Success チームはプレーン言語で質問でき、SQL 専門知識なしに即座に回答を受け取れるようになった。以前は複数週の手動データ収集と解釈が必要だった四半期市場分析プロセスは、1 つのプロンプトからマルチソース分析を生成する Quick Research を使用して数日または数時間で完了するようになった。反復レポーティングは no-code 自動化エンジンである自動化 Quick Flows を通じて流れ、データセット更新、レポート生成、スケジュール パイプラインとしての配布を調整した。270 以上の SPICE データセットが日次更新され、チームがデータ配管ではなく分析とインサイト生成に注力できるようになった。

Tradeshift の移行は、モノリシックでコード重視のビジネス インテリジェンス ツールから会話型エージェント型 AI プラットフォームへの幅広いシフトを反映している。初期段階では適切だった社内開発ツールは成長の足かせになった：10,000 行の制限、6 か月のデータ保持という技術的制約により大規模分析は不可能になり、メンテナンス負荷は製品イノベーションを推進できるはずのエンジニアリング容量を消費し、セルフサービス インターフェースの欠如により顧客と内部チームを依存の瓶首に追い込んだ。手動レポート作成（CSV エクスポート、Excel マクロ、手動でまとめたダッシュボード）は内部チームで週 8.5 時間、顧客ごとに週 6～8 時間を消費し、両者の意思決定を遅延させる摩擦を生み出していた。

Amazon Quick のエージェント型機能（ナチュラル言語を解釈するチャット エージェント、コードなしで反復タスクを調整するワークフロー自動化 Flows、マルチソース分析を合成するリサーチ エンジン Research）はこれらの課題に直接対処した。プラットフォーム アーキテクチャはまた Tradeshift が分析を顧客向け製品に転換することも可能にした：階層型モデル（既成ダッシュボード向け Standard、カスタム作成と what-if モデリング向け Premium）により、かつての内部コスト センターが増分年経常収益（初年度既存購入アカウントから 2 パーセント ARR 拡大）のソースに転換された。2025 年 8 月までに Tradeshift 組織の 98 パーセントが積極的にプラットフォームを利用し、埋め込み分析を使用するアカウントは 12 か月間で 10 パーセント高い保持率を示した。

まだコメントがありません。最初のコメントを投稿しましょう！