desarrollar una IA basada en Amazon Bedrock, Qlik Answers aborda un problema empresarial común: los empleados no carecen de datos. No tienen una forma rápida de hacer una pregunta real al respecto y obtener una respuesta en la que puedan confiar. Los analistas dedican horas a buscar en los documentos, los paneles y la memoria institucional para responder a las preguntas que un colega podría preguntar en una oración. Y cuando las organizaciones intentan cerrar esa brecha con la IA generativa, muchas se topan con el mismo muro: las respuestas no tienen fuentes, no hay forma de verificar un resultado y no hay forma de implementar la herramienta en un entorno regulado

Qlik, líder mundial en integración de datos, calidad de datos, análisis e inteligencia artificial, creó Qlik Answers para resolver ese problema para sus más de 40 000 clientes en todo el mundo. Desde su disponibilidad general en febrero de 2026, Qlik Answers ha pasado de ser una funcionalidad temprana a un uso diario: solo el Discovery Agent de Qlik, un agente de detección de anomalías y valores atípicos impulsado por la IA, ha descubierto más de 100 000 descubrimientos para los clientes desde su lanzamiento, y la mayoría de las cuentas de Qlik Cloud con las herramientas de agencia activadas las utilizan activamente.

En este artículo se explica cómo Qlik creó la herramienta que sirvió de base para esa adopción y cómo Amazon Bedrock la apoya a escala mundial.

Desafío

Qlik identificó tres problemas que debía resolver al mismo tiempo para poner Qlik Answers en fase de producción en toda su base de clientes:

• Orquestar el razonamiento especializado sin ralentizar a nadie. Las preguntas empresariales varían mucho: algunas requieren una búsqueda rápida, otras requieren recurrir a análisis estructurados, documentos no estructurados, definiciones de glosarios o automatizaciones. Un asistente único de uso general tiende a ser más lento y menos preciso a medida que se le añaden más funciones
.
• Cumplir con los requisitos de soberanía de datos en todas las regiones. Qlik presta servicios a clientes de Europa, Asia-Pacífico y América, cada uno con sus propias expectativas de residencia de datos. Un único modelo de despliegue global no satisfaría esos requisitos, pero sería difícil mantener y mejorar de forma coherente 11 versiones regionales independientes
.
• Previsión de la capacidad del modelo con meses de antelación a la demanda. El consumo de tokens y la disponibilidad de los modelos debían planificarse entre 3 y 6 meses antes de los lanzamientos principales. A continuación, Qlik validó estas proyecciones comparándolas con el uso real una vez que los clientes empezaron a utilizar el producto, de modo que el aumento de la adopción no se convirtiera en un
problema de capacidad.

Descripción general de la solución

Qlik Answers ofrece a los empleados, no solo a los analistas, un único lugar para hacer preguntas en lenguaje natural y recibir una respuesta fundamentada y fundamentada. En función de la pregunta, esa respuesta puede provenir de una base de conocimientos, una aplicación de análisis en vivo, una definición de glosario o un documento. El sistema subyacente decide qué camino tomar

Tres despliegues ilustran lo que esto supone para los clientes:

• Bystronic, especialista mundial en procesamiento de láminas metálicas, implementó un chatbot de inteligencia artificial en 15 minutos, lo que permitió a los empleados consultar datos de operaciones en tiempo real y obtener respuestas de todos los departamentos.
• Lintech International indexó más de 17 000 documentos técnicos en Qlik Answers, lo que redujo el tiempo de búsqueda manual y aceleró los tiempos de respuesta en un 75 por ciento, lo que permitió a los directores empresariales trabajar hasta 7 horas a la semana.
• TouchPoint Support Services, que presta servicios a 650 centros sanitarios y pretende duplicar su tamaño, utiliza Qlik Answers para ofrecer orientación rápida y alineada con el cumplimiento a 15 000 empleados que trabajan en entornos regulados y dinámicos.

Para respaldar esto a escala, Qlik creó el sistema en torno a límites arquitectónicos claros en lugar de un gran asistente. Las capas clave son las siguientes:

1. Capa de entrada. Un punto de entrada conversacional estable dentro de Qlik Cloud, que permite añadir nuevas funciones de backend sin cambiar la forma en que los clientes interactúan con
el asistente.
2. Capa de enrutamiento. Una capa ligera que lee el contexto del mensaje y la conversación del usuario y decide a dónde debe ir la solicitud. Su único trabajo es tomar una decisión de enrutamiento rápida y precisa, no resolver la tarea en sí misma.
3. Capa de respuesta. Coordina la generación de respuestas una vez que se envía una solicitud, eligiendo entre una ruta rápida para las solicitudes simples y una ruta más deliberada que divide una pregunta en subpreguntas y extrae
información de varias fuentes. Nivel de
4. agente especializado. Un entorno de ejecución de enjambre compartido define cómo funcionan los agentes especializados, las herramientas, el estado y los pasos entre humanos y humanos, de modo que se pueden añadir nuevos especialistas sin que cada uno invente
su propio modelo de orquestación.
5. Capa de análisis conversacional. Gestiona las preguntas sobre datos estructurados dirigiéndolas a una ruta de razonamiento basada en las aplicaciones y diseñada para el análisis, en lugar de para la generación de texto general
.
6. Capa de recuperación. La indexación y recuperación de documentos no estructurados se ejecuta en Amazon OpenSearch Service, que almacena y busca el contenido en el que se basan las respuestas de Qlik Answers a las preguntas de la base de conocimiento y de los
documentos.
7. Modelo de capa de acceso. Esta capa, que se accede a través de la pasarela de modelos de grandes lenguajes (LLM) propia de Qlik, se conecta a Amazon Bedrock para chatear, hacer streaming, incrustarla y reclasificarla. También aplica Amazon Bedrock Guardrails a todas las solicitudes y respuestas: filtra el contenido para incorporarlo rápidamente, información de identificación personal (PII), secretos y temas rechazados, además de una comprobación de validación básica de las respuestas generadas. Cuando un modelo en el que confía un cliente aún no está disponible en una región a través de Bedrock, Qlik lo aloja en Amazon SageMaker AI y, a continuación, devuelve esa carga de trabajo a Bedrock cuando la disponibilidad regional se pone al día.
Para conocer la disponibilidad de los modelos por región de AWS, consulte Modelos compatibles por región de AWS en Amazon Bedrock.

Figura 1: Las preguntas de los empleados recorren las capas de entrada, enrutamiento y respuesta y, a continuación, pasan a los agentes especializados, el agente de análisis y el agente de recuperación (con el respaldo de Amazon OpenSearch Service), antes de converger en la capa de acceso al modelo, que llega a los modelos básicos disponibles en Amazon Bedrock, con la IA de Amazon SageMaker como alternativa dentro de la región

Basar las respuestas en fuentes reales

fundamentación fue una de las decisiones de diseño más importantes del marco. La capa de respuestas se basa en varios tipos de contexto en función de la pregunta: metadatos estructurados de la aplicación, contenido recuperado de la base de conocimientos, definiciones de glosarios, contexto de automatización y contenido de documentos para resumirlo. Una vez que se devuelven los elementos de una respuesta completa, la respuesta completa se reúne y se presenta

recuperación por sí sola no garantiza la precisión. Qlik también lleva a cabo una comprobación de validación básica de las respuestas generadas, comparando cada una de ellas con el contenido de origen del que se ha extraído, utilizando la función de análisis contextual de Amazon Bedrock Guardrails. De este modo, la conexión a tierra pasa de ser una fase de recuperación a un control de producción comprobado. En el caso de las preguntas no estructuradas, la herramienta recupera el contenido específico de las preguntas de Amazon OpenSearch Service y traslada ese contexto a la versión final la respuesta incluye citas. En el caso de las preguntas estructuradas, pasa el trabajo a la vía del análisis conversacional. Otras funciones, como la búsqueda de glosarios, las automatizaciones y el resumen de documentos, se implementan con controles de capacidad, de modo que Qlik puede ampliar las funciones de la herramienta sin desestabilizar la experiencia predeterminada de todos los clientes a la vez. Gracias a las opciones de capacidades específicas para cada inquilino, Qlik puede reconstruir la ruta de orquestación disponible por solicitud, de modo que las capacidades se puedan activar de forma selectiva mientras la arquitectura general se mantiene uniforme en

Figura 2: El enjambre de agentes especializados, en el que los pasos compartidos del estado, las herramientas y la interacción entre humanos permiten a los nuevos agentes especializados conectarse a un tiempo de ejecución común

¿Por qué Amazon Bedrock

Qlik evaluó su estrategia de modelo comparándola con los tres problemas descritos anteriormente, y Amazon Bedrock abordó cada uno de ellos directamente.

Flexibilidad multimodelo. Con Bedrock, Qlik puede asignar el modelo más adecuado a la tarea de cada agente en lugar de limitar todo el sistema a las ventajas y desventajas de un solo

Soberanía de datos a escala. Con la inferencia interregional (CRIS) de Amazon Bedrock, Qlik puede prestar servicio a las 11 regiones y, al mismo tiempo, mantener los datos residentes cuando así lo exija el cumplimiento. Esto combina el alcance global y los controles de soberanía en una única capacidad gestionada

Espacio para adoptar los servicios gestionados de forma selectiva. El modelo de implementación regional de AWS y las opciones de reserva de capacidad dan a Qlik margen de maniobra para seguir escalando en la actualidad. Cuando están listos, servicios como Amazon Bedrock AgentCore brindan a Qlik la opción de reducir una mayor parte de los gastos operativos de cargas de trabajo específicas, sin necesidad de una migración completa para

Qlik usa Bedrock a través de su propia pasarela de LLM en lugar de vincular la lógica de la aplicación directamente a un modelo. Los equipos de productos pueden cambiar la elección del modelo por tarea sin tener que volver a escribir la aplicación correspondiente. Esa separación es importante para un sistema que espera que la estrategia del modelo siga evolucionando

Capacidad de planificación antes de la demanda

Como Qlik prevé la capacidad de los modelos entre 3 y 6 meses antes de los principales lanzamientos, el equipo creó un modelo práctico para proyectar el consumo de tokens por función y región, y después comparó el uso real con esas proyecciones después de cada lanzamiento. Esa disciplina es parte de la razón por la que la disponibilidad general de febrero se amplió sin esfuerzo debido a

Resultados empresariales e impacto en los clientes

Desde que la experiencia de agencia de Qlik se puso a disposición del público en febrero de 2026, Discovery Agent ha descubierto más de 100 000 clientes, y la mayoría de las cuentas de Qlik Cloud con las herramientas de agencia activadas utilizan a sus agentes de forma activa, en lugar de probarlos una sola vez sin parar.

Entre los resultados a nivel de cliente que se presentan por separado figuran los tiempos de respuesta un 75% más rápidos que Lintech International, que ofrece hasta 7 horas por semana a los directores de negocio, y la implementación de chatbots en 15 minutos por parte de Bystronic.

Lecciones aprendidas

La creación y ampliación de Qlik Answers entre más de 40 000 clientes permitió extraer algunas lecciones que podrían ayudar a otros equipos a crear herramientas de agencia en Bedrock:

• Separe el enrutamiento rápido del razonamiento profundo desde el principio. Combinarlos significa que cada solicitud paga más procesamiento del que necesita
.
• Estandarice un marco de orquestación para la ejecución con varios agentes, en lugar de dejar que cada nuevo especialista invente su propio tiempo de ejecución. Es más fácil operar una aplicación que un conjunto de sistemas de agentes desconectados
.
• Trate las comprobaciones de seguridad y conexión a tierra como si fueran una puerta de entrada a nivel del sistema, no una idea de último momento para cada función. Ejecutarlas una vez, en la capa de acceso del modelo, significa que cada nuevo agente especializado hereda
automáticamente las mismas protecciones.
• Utilice indicadores de características a nivel de arrendatario para ampliar la capacidad de forma gradual. Esto evita que las capacidades nuevas y menos probadas afecten a la confiabilidad de la experiencia principal
.
• Desarrolle un hábito de previsión de capacidad antes de que lo necesite. Validar el uso proyectado comparándolo con el uso real después de cada lanzamiento es lo que convierte la planificación de la capacidad en un proceso repetible
.

¿Qué sigue?

La hoja de ruta de Qlik mantiene la arquitectura deliberadamente abierta y adaptable. El equipo está evaluando Amazon Bedrock AgentCore para determinadas cargas de trabajo en las que un tiempo de ejecución gestionado por agentes reduciría la sobrecarga operativa, al tiempo que sigue basándose en estándares abiertos y en su propia capa de orquestación, lo que permite a Qlik tener más control sobre los costes, la latencia o la portabilidad. El objetivo es mantener la opción de adoptar servicios gestionados cuando sean útiles, sin diseñar el marco en torno a ninguno de ellos. Qlik también está creando un marco sistemático para evaluar el rendimiento de los modelos. Esto significa que Qlik puede adoptar modelos que se adapten mejor a medida que estén disponibles, sin interrumpir la experiencia en la que los clientes

Conclusión

La adopción por parte de Qlik Answers desde su lanzamiento en febrero de 2026 refleja una arquitectura diseñada para mantenerse al margen: rápida cuando la velocidad importa, deliberada cuando la precisión importa, basada en fuentes reales en todo momento y lo suficientemente segura como para que los sectores regulados puedan depender de ellas. La flexibilidad del modelo, los controles de soberanía regional y el filtrado de contenido basado en barreras y la validación de bases en Amazon Bedrock proporcionaron a Qlik una base para construir esa experiencia a escala mundial. El resultado hasta ahora incluye más de 100 000 descubrimientos descubiertos, horas de trabajo devueltas a los empleados de empresas como Lintech y TouchPoint y que la mayoría de las cuentas con herramientas de agencia activadas siguen usando a sus agentes después de probarlas

Para ver lo que Qlik Answers puede hacer con sus datos, inicie una prueba gratuita de Qlik Cloud Analytics, solicite una demostración de Qlik Answers o una demostración de Qlik y AWS, o visite el Para obtener más información, consulte la página del producto Qlik Answers

Acerca de los autores