VisierとAmazon Quickを用いた workforce AIエージェントの構築

各部門の従業員は、より迅速で根拠のある意思決定が求められていますが、彼らが必要とする情報は単一の場所に存在することは稀です。ワークフォースインテリジェンス（Workforce Intelligence）（組織に誰が在籍し、どのようにパフォーマンスを発揮しており、どこにギャップがあるかを示す情報）は、企業が持つ最も貴重なシグナルの一つであり、[Visier](https://www.visier.com/) などのプラットフォームはそれを可視化するために専用設計されています。しかし、そのインテリジェンスは、それに方向性を与える社内ポリシー、計画、およびコンテキスト（Context）と結びついて初めて真の価値を発揮します。また、そのコンテキストも往々にして全く別の場所に保管されています。 [Amazon Quick](https://aws.amazon.com/quick/?trk=476a4376-650b-4e5c-a297-a3ad8a6475a3&sc_channel=ps&ef_id=Cj0KCQjwqPLOBhCiARIsAKRMPZp50U-0lPAfWdJaa_ayF4Rny1wShLzk7itS4-7l_RGZZRAFbBy-I-saAlE-EALw_wcB:G:s&s_kwcid=AL!4422!3!798550356202!e!!g!!amazon%20quick!23600692248!193803753556&gad_campaignid=23600692248&gbraid=0AAAAADjHtp-yQL0GAFryLWtxupupgmJV7&gclid=Cj0KCQjwqPLOBhCiARIsAKRMPZp50U-0lPAfWdJaa_ayF4Rny1wShLzk7itS4-7l_RGZZRAFbBy-I-saAlE-EALw_wcB) は、その接続が行われるエージェント型AI（Agentic AI）のワークスペースです。企業知識（enterprise knowledge）、ビジネスインテリジェンス（business intelligence）、ワークフロー自動化（workflow automation）を統合し、そのインテリジェントエージェントはこれらのすべてのレイヤーを横断して情報を取得・推論を行います。生データ（live data）と組織コンテキスト（organizational context）を同時に解釈することで、実行可能な回答を生成します。Visier workforce intelligence が Amazon Quick の企業知識レイヤーと連携して動作すると、その結果は完全なコンテキストを参照し、直ちに実行可能な回答となります。 この投稿では、Visier Workforce AI プラットフォームを [Model Context Protocol (MCP)](https://modelcontextprotocol.io/docs/getting-started/intro) を介して Amazon Quick に接続することで、すべてのナレッジワーカー（knowledge worker）が質問できる統一されたエージェント型AIワークスペースを提供する方法を示します。Visier は、このワークスペースをリアルタイムの workforce データ（live workforce data）とそれを取り巻く組織コンテキストに基づかせることで支援し、ユーザーがツールを切り替えることなく会話型の結果に対して行動を起こせるようにします。 ## 1. コンポーネントの理解 本稿では、同じリーダーシップ会議の準備を行う2人の日常ワークフローの例を示します。1人は組織健康状態の概要（workforce health briefing）を作成するHRビジネスパートナー（HR Business Partner）のマヤ、もう1人は予算に対する人員数（headcount）を追跡する財務マネージャー（finance manager）のデイビッドです。両者とも、リアルタイムの組織データ（live workforce data）、社内目標、採用ポリシー、歴史的コンテキストなど、複数の情報源を横断する回答を必要としています。この統合は、日常の意思決定において人材データ（people data）を活用するビジネスユーザー向けに構築されています。彼らは適切なデータソースに基づいた回答を必要としています。この統合により、Amazon Quickエージェントは情報の取得を超えて、それに基づいて行動できるようになります。 **Amazon Quick ** [Amazon Quick](https://aws.amazon.com/quick/)は、組織全体のビジネスユーザー向けに統一されたインターフェースとして機能する自律型AIワークスペース（agentic AI workspace）であり、ビジネスユーザーに一連の自律型チームメイト（agentic teammates）を提供し、職場での質問にすばやく回答し、その回答を実行可能なアクションに変換します。 マヤとデイビッドにとって、Amazon Quickは質問を投げかけ、代わりに作業を行いプロセスを自動化するエージェントを構築できるAIワークスペースです。毎回手動で労力と調査を要していた週次ワークフローや閾値アラート（threshold alerts）は、Amazon Quickに保存されます。 **Visier ** [Visier](https://www.visier.com/)は、組織全体の workforce データを一元化するクラウドベースの Workforce AI（Workforce AI）プラットフォームです。HRIS（HRIS）、給与計算、タレント管理、応募者追跡を単一のインテリジェンスレイヤー（intelligence layer）に統合します。匿名化された従業員記録に基づく豊富な事前構築メトリクス（pre-built metrics）と業界ベンチマーク（industry benchmarks）を背景に、AI アシスタント（AI assistant）[Vee](https://www.visier.com/products/vee/) を通じて、複雑な workforce に関する質問に数分で回答できます。 [MCP server](https://www.visier.com/blog/visier-mcp-server-universal-connector-for-ai-ready-people-data/)を通じて、Visier は意思決定が行われるエンタープライズ AI ツール（enterprise AI tools）にガバナンスされた people insights を直接配信するユニバーサルコネクターとして機能します。** マヤにとって、Visier は workforce intelligence の権威ある情報源です。組織の健全性を評価するために必要な、ハイパフォーマーの人数（high performer counts）、平均在籍年数（average tenure figures）、離職動向（attrition trends）を提供します。デビッドにとって、財務目標の基準となるリアルタイムの従業員数（live headcount）と分布データを提供します。 モデルコンテキストプロトコル（Model Context Protocol）** [MCP](https://modelcontextprotocol.io/)は、AIエージェント（AI agents）が外部データソースやツールに接続できるようにするオープン標準です。カスタムインテグレーションをゼロから構築することなく、Amazon QuickがVisierの分析エージェントであるVeeと構造化され安全な方法で通信できるようにする、ユニバーサルアダプターと考えてください。VisierはMCPサーバーを通じてワークフォース・アナリティクス（workforce analytics）の機能を公開しています。Amazon Quickには組み込みのMCPクライアントが含まれており、それらのツールを検出して、エージェント、リサーチワークフロー、オートメーションで利用可能にします。 ## 2. Benefits for enterprises 組織は、ライブデータと組織のコンテキスト（organizational context）を組み合わせた workforce の統一されたビューを取得することにしばしば苦戦します。「人員数予算の計画通り進んでいるか」と尋ねるマネージャーには、あるシステムからの数字と別のシステムからのポリシーコンテキスト（policy context）が必要です。MCPを使用してVisierをAmazon Quickに統合することで、このギャップは埋かります： - 統合された組織人材インテリジェンス（Unified workforce intelligence） – Amazon Quick は、Visier のリアルタイム人材分析データ（people analytics）と社内エンタープライズナレッジを統合して調整し、どちらのシステム単体では生成できないような合成回答を提供します。1つの質問で、承認済みの予算書面と照合されたリアルタイムの人員数データ（headcount）を返すことができます。 - 従業員データへの自然言語アクセス（Natural language access to employee data） – Amazon Quick Agents を通じて、ユーザーは会話形式の質問を行い、厳選された組織データ（curated workforce data）に基づく即時回答を得ることができます。すべての回答には出典が明記されるため、数値が Visier のリアルタイム組織データ由来なのか、Quick Spaces 内の社内ポリシー文書由来なのかをユーザーは常に把握できます。 - 自動化された反復可能なワークフロー（Automated, repeatable workflows） – 定期的な組織レビュー、閾値アラート、会議前ブリーフィングは、スケジュールに従って実行される自動化された Quick Flows として構築できます。デモで Maya と David が手動で行ったのと同じ分析を、一度設定するだけで、手作業なしで毎週月曜日の朝に各自のメールボックスへ配信できます。 - 横断的な意思決定支援（Cross-functional decision support） – 組織データと組織コンテキストを組み合わせて意思決定を支援する必要があるあらゆる部門・機能において、同じパターンが適用されます。 - 管理された安全なデータアクセス（Governed and secure data access） – Visier の MCP サーバーは、データガバナンスポリシー（data governance policies）を適用し、Amazon Quick を介して承認された組織データのみを表示します。Quick Spaces 内のエンタープライズナレッジは、組織の境界内における既存のアクセス制御を維持します。 - 洞察までの時間短縮（Reduced time to insight） – 以前はスプレッドシートの相互参照、ダッシュボードの切り替え、手動でのストーリー構築に数時間を要していた作業が、単一のインターフェースから迅速に実行可能になりました。この統合により、回答には常にリアルタイム組織データの全体像と、それを実行可能なものとする組織コンテキストが必ず伴うことが保証されます。 ## 3. Prerequisites VisierとAmazon QuickのMCP統合を設定する前に、以下の準備が必要です。 - 適切なサービス権限を持つ有効なAWSアカウント。 - 有効なサブスクリプションを持つAmazon Quick環境（セットアップガイド）。 - APIアクセスとMCPサーバーが有効化されたVisierアカウント。 Amazon Quickのセットアップに関する詳細については、[Amazon Quickドキュメント](https://docs.aws.amazon.com/quick/latest/userguide/)をご覧ください。 ## 4. Solution overview このソリューションの核心はMCP（Model Context Protocol）に基づいています。VisierはMCPサーバーをホストし、People Analytics（人材分析）の機能を呼び出し可能なツールセットとして公開しています。Amazon QuickはMCPクライアントとして機能し、これらのツールを検出して、エージェント（AI Agent）、調査ワークフロー、自動化処理に利用可能にします。2つのプラットフォームは独立した状態を維持しつつ、この接続を通じてVisierからのリアルタイムの労働力データが、Amazon Quickでのすべてのインタラクションの一部となります。ユーザーが質問をした場合： - Amazon Quickは意図を解釈し、関連するソースを特定します - 質問に労働力データ（workforce data）が必要な場合、MCPを介してVisierのVeeエージェントを呼び出し、リアルタイム分析（live analytics）を取得します - 質問に組織コンテキスト（organizational context）が必要な場合、Amazon Quick Spacesで利用可能な関連ドキュメントやナレッジソース（knowledge sources）から情報を取得します - これら2つのソースは統合され、リアルタイムの労働力データとその周辺の組織コンテキストを反映した単一で整合性の取れた回答（coherent response）として提示されます 両方のシステムにまたがる質問の場合、Amazon Quickは適切なソースを特定し、Visierのエージェントに手渡してリアルタイムの労働力インテリジェンス（workforce intelligence）を取得し、Quick IndexおよびQuick Spacesから組織コンテキストを参照します。両方からの最も関連性の高い情報が、単一で整合性の取れた回答としてユーザーに返されます。 ## 5. インテグレーションの設定 ## ステップ1：VisierのMCPサーバーの設定 Visierは、その労働力分析（workforce analytics）機能をMCPツールとして公開する事前構築済みのMCPサーバーを提供しています。設定するには： - Visierの管理コンソールで、Settings > API & Integrationsに移動します。 - MCPサーバーの機能を有効にします。 - 認証資格情報とデータアクセススコープを設定します。 - MCPサーバーのエンドポイントURLと認証の詳細をメモします。 詳細な手順については、[Visier MCPドキュメント](https://docs.visier.com/developer/agents/mcp/mcp-server.htm)を参照してください。 ## ステップ 2: Amazon Quick に Visier を MCP 統合として追加する Amazon Quick には、統合（integration）を通じて設定する組み込み MCP クライアントが含まれています。Visier を接続するには： - Amazon Quick のホーム画面から、左側のナビゲーションパネルにある「Integrations（統合）」を選択します。 - メインパネルの「Actions（アクション）」タブを選択します。 - 「Set up a new integration（新しい統合の設定）」セクションにある Model Context Protocol (MCP) タイル（tile）を見つけ、プラス記号（+）を選択します。 - 「Create Integration（統合の作成）」ページで、説明的な Name（名前）、任意の Description（説明）、およびステップ 1 で取得した Visier MCP サーバーのエンドポイント URL（endpoint URL）を入力します。「Next（次へ）」を選択します。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/04/24/ml-20842-image-1.png) - Visier MCP サーバーの設定（ユーザー認証、サービス認証、または認証なし）に一致する認証方法（authentication method）を選択し、必要な資格情報（credentials）を入力します。「Create and continue（作成して続行）」を選択します。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/04/24/ml-20842-image-2.png) - Amazon Quickは、VisierのMCPサーバー（Model Context Protocol Server）が公開するツールを検出します（例：ask_vee_question、search_metrics、list_analytic_object_property_values）。 - 統合設定を、Amazon Quickを通じてVisierにクエリを実行できる必要がある他のユーザーと共有し、その後「Done（完了）」を選択します。 設定が完了すると、Visier workforce intelligence（労働力インテリジェンス）ツールは、Amazon Quickのエージェントおよび自動化処理で使用可能になります。** ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/04/24/ml-20842-image-3.png) Amazon QuickにおけるMCP統合の詳細については、[Integrate external tools with Amazon Quick Agents using MCP](https://aws.amazon.com/blogs/machine-learning/integrate-external-tools-with-amazon-quick-agents-using-model-context-protocol-mcp/)および[MCP integration documentation](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html)を参照してください。 ## ステップ3：エンタープライズナレッジのキュレーション（知識の整理） Amazon Quickで構築されたエージェントは、[Spaces](https://docs.aws.amazon.com/quick/latest/userguide/working-with-spaces.html)をコンテキスト境界（contextual boundary）として使用します。組織が保有するすべての知識は、社内ポリシーや計画文書から個人ユーザーによって貢献されたチーム固有のナレッジに至るまで、Space内に構築され、クエリ実行時（query time）にエージェントに提供されます。複数のチームメンバーが時間とともにSpaceに貢献できるため、知識は静的なままではなく、組織の成長に伴って拡張されていきます。 次に、関連する社内文書をQuick Spacesにアップロードします。これによりオーケストレーター（orchestrator）はVisierのリアルタイムデータ（live data）を補完する組織コンテキストを把握できます。文書のアップロード手順は以下の通りです： - Amazon QuickでSpacesに移動し、新しいスペースを作成します。名前は「Workforce Planning」とします。 - workforce planning documents（ workforce planning documents）をアップロードします。具体的には、headcount budgets（従業員数予算）やcompensation guidelines（報酬ガイドライン）などです。 - policy documents（ポリシー文書）をアップロードします。具体的には、approval workflows（承認ワークフロー）やcompliance requirements（コンプライアンス要件）などです。 - space permissions（スペース権限）を設定し、コンテンツにアクセスできるチームを制御します。 Quick Spacesのデータが充たされると、Quick Agentsから得られる回答もより詳細になります。これにより、Visierからの workforce data（ workforceデータ）と組織独自のコンテキストを組み合わせ、1つの場所で完全な回答を返すことが可能になります。 Example scenario** To demonstrate the integration, we walk through a scenario where Maya (HR Business Partner) and David (Finance Analyst) are preparing jointly for a leadership meeting. Their organization has connected Visier to Amazon Quick using MCP and has uploaded internal planning documents to Quick Spaces.For this example, they have added the following enterprise documents to Amazon Quick: **Document** Purpose **FY26 Workforce Health Targets** Headcount goals, US distribution targets, retention rate benchmarks **Tenure and Retention Policy** Tenure milestones, at-risk thresholds, intervention triggers **ハイパフォーマー（High Performer）維持プレイブック** ハイパフォーマー比率の閾値、リテンションリーバー（Retention levers）、エスカレーショントリガー（Escalation triggers） **米国 workforce 分布ポリシー** 米国拠点比率の目標値、レビュー頻度、根拠 **workforce リスクブリーフィングテンプレート** リスク評価フレームワーク、リーダーシップへのエスカレーション対象 以下は会話の進行例です。以下の各ターンでは、Amazon Quickエージェントが回答を生成するために照会したデータソースが記載されています。 ## ターン1：状況把握 **デイビッド：** 当社の従業員数はどのくらいで、そのうち米国拠点に勤務しているのは何名ですか？ ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/04/24/ml-20842-image-4.png) *Amazon Quickエージェントは、MCP（Model Context Protocol）を介してデイビッドの質問をVisierにルーティングし、リアルタイム workforce データ（live workforce data）から総従業員数と米国拠点の人員数を返します。* **照会したデータソース：** Visier ## ターン2：予算対実績、インテリジェンスとコンテキストの融合 **デイビッド：** 米国の人員数は、分布目標に対してどのようになっていますか？ ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/04/24/ml-20842-image-5.png) エージェントはVisierに対して米国のリアルタイム人員数を照会し、Quick SpacesからFY26 Workforce Health Targetsドキュメントを取得して、実績値を承認された分布目標と比較します。 **照会したデータソース：** Visier（リアルタイム人員数） · Quick Spaces（FY26 Workforce Health Targets） ## トーン3：勤続年数の状況 **マイア：** 組織全体の平均勤続年数（tenure）はいくらで、どの役割（roles）が最も高い勤続年数を示していますか？ ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/04/24/ml-20842-image-6.png) Amazon Quick エージェントは、Visier から組織全体の平均勤続年数と役割別の勤続年数の内訳を取得し、Quick Spaces 内の「勤続年数と離職防止ポリシー（Tenure and Retention Policy）」から関連する勤続年数のマイルストーンを提示します。 **参照ソース：** Visier（勤続年数データ） · Quick Spaces（勤続年数と離職防止ポリシー） ## トーン4：ポリシー閾値に対する勤続年数の比較 **マイア：** 組織全体の平均勤続年数は、離職防止ポリシーで定められた閾値を満たしていますか？ ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/04/24/ml-20842-image-7.png) Amazon Quick エージェントは、Visier のリアルタイムの平均勤続年数の数値（figur

VisierとAmazon Quickを用いた workforce AIエージェントの構築

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト