Se espera que los empleados de todas las funciones tomen decisiones más rápidas y mejor informadas, pero la información que necesitan rara vez se encuentra en un solo lugar. La inteligencia de la fuerza laboral (quién está en su organización, cómo se está desempeñando y dónde están las brechas) es una de las señales más valiosas que tiene una empresa, y plataformas como Visier están diseñadas específicamente para sacarla a la luz. Sin embargo, esa inteligencia sólo alcanza su valor total cuando se conecta con las políticas, los planes y el contexto internos que le dan dirección. Ese contexto también suele vivir en otro lugar.
Amazon Quick es el espacio de trabajo de Agentic AI donde se produce esa conexión. Reúne conocimiento empresarial, inteligencia empresarial y automatización del flujo de trabajo. Sus agentes inteligentes recuperan información y razonamiento en todas estas capas simultáneamente, interpretando datos en vivo junto con el contexto organizacional para producir respuestas que estén listas para actuar. Cuando la inteligencia de la fuerza laboral de Visier funciona en conjunto con la capa de conocimiento empresarial de Amazon Quick, el resultado es una respuesta que se basa en el contexto completo y está lista para actuar.
En esta publicación, mostramos cómo conectar la plataforma Visier Workforce AI con Amazon Quick a través del Model Context Protocol (MCP) brinda a cada trabajador del conocimiento un espacio de trabajo agente unificado para hacer preguntas. Visier ayuda a conectar el espacio de trabajo con datos reales de la fuerza laboral y el contexto organizacional que lo rodea, mientras permite a los usuarios actuar sobre los resultados de la conversación sin cambiar de herramienta.
1. Comprender los componentes
En esta publicación, mostramos ejemplos de flujos de trabajo diarios para dos personas que se preparan para la misma reunión de liderazgo: Maya, una socia comercial de RR.HH. que prepara una sesión informativa sobre la salud de la fuerza laboral, y David, un gerente de finanzas que realiza un seguimiento del personal frente al presupuesto. Ambos necesitan respuestas que abarquen múltiples fuentes, como datos reales de la fuerza laboral, objetivos internos, políticas de contratación y contexto histórico. Esta integración está diseñada para usuarios empresariales que trabajan con datos de personas como parte de sus decisiones diarias. Necesitan respuestas basadas en las fuentes de datos adecuadas. Esta integración ayuda a los agentes de Amazon Quick a ir más allá de recuperar información y actuar en consecuencia.
Amazon rápido
Amazon Quick es un espacio de trabajo de IA agente que actúa como una interfaz unificada para los usuarios empresariales de toda la organización y les proporciona un conjunto de compañeros de equipo agentes que responden rápidamente preguntas en el trabajo y convierten esas respuestas en acción.
Para Maya y David, Amazon Quick es su espacio de trabajo de IA donde hacen preguntas y crean agentes que trabajan en su nombre y automatizan sus procesos. Los flujos de trabajo semanales y las alertas de umbral que, de otro modo, requerirían esfuerzo manual e investigación cada vez se guardan en Amazon Quick.
Visier
Visier es una plataforma Workforce AI basada en la nube que unifica los datos de la fuerza laboral de toda la organización. Reúne HRIS, nómina, gestión de talentos y seguimiento de candidatos en una única capa de inteligencia. Puede usarlo para responder preguntas complejas sobre la fuerza laboral en minutos a través de su asistente de inteligencia artificial Vee, respaldado por extensas métricas prediseñadas y puntos de referencia de la industria a partir de registros anónimos de empleados.
A través de su servidor MCP, Visier actúa como un conector universal que brinda información a las personas gobernadas directamente en las herramientas de IA empresarial donde se toman las decisiones.
Para Maya, Visier es la fuente autorizada de inteligencia laboral. Proporciona los recuentos de personal de alto desempeño, las cifras promedio de permanencia y las tendencias de deserción que necesita para evaluar la salud de la organización. Para David, proporciona cifras reales de plantilla y distribución con las que se miden los objetivos financieros.
El protocolo de contexto modelo
MCP es un estándar abierto que permite a los agentes de IA conectarse a herramientas y fuentes de datos externas. Piense en ello como un adaptador universal que permite a Amazon Quick comunicarse con el agente analista de Visier, Vee, de forma estructurada y segura sin crear integraciones personalizadas desde cero. Visier expone sus capacidades de análisis de fuerza laboral a través de un servidor MCP. Amazon Quick incluye un cliente MCP integrado que descubre esas herramientas y las pone a disposición de sus agentes, flujos de trabajo de investigación y automatizaciones.
2. Beneficios para las empresas
Las organizaciones a menudo luchan por obtener una visión unificada de su fuerza laboral que combine datos en vivo con el contexto organizacional. Un gerente pregunta: "¿Estamos al día con nuestro presupuesto de personal?" necesita cifras de un sistema y contexto político de otro. Con Visier integrado en Amazon Quick mediante MCP, esta brecha se cierra:
Inteligencia unificada de la fuerza laboral: Amazon Quick organiza los datos analíticos de personas en vivo de Visier y su conocimiento empresarial interno, brindando respuestas sintetizadas que ningún sistema podría producir por sí solo. Una sola pregunta puede devolver datos de personal en vivo cotejados con un documento presupuestario aprobado. Acceso en lenguaje natural a los datos de los empleados: a través de Amazon Quick Agents, los usuarios pueden hacer preguntas conversacionales y obtener respuestas instantáneas respaldadas por datos seleccionados de la fuerza laboral. Cada respuesta se atribuye a su fuente, por lo que los usuarios siempre saben si una cifra proviene de los datos de la fuerza laboral en vivo de Visier o de un documento de política interna en Quick Spaces. Flujos de trabajo automatizados y repetibles: las revisiones recurrentes de la fuerza laboral, las alertas de umbral y las sesiones informativas previas a las reuniones se pueden crear como flujos rápidos automatizados que se ejecutan según un cronograma. El mismo análisis que Maya y David ejecutaron manualmente en la demostración se puede configurar una vez y enviarse a sus bandejas de entrada todos los lunes por la mañana sin ningún esfuerzo manual. Soporte de decisiones multifuncional: el mismo patrón se aplica en cualquier función donde los datos de la fuerza laboral y el contexto organizacional deben unirse para informar una decisión. Acceso a datos gobernado y seguro: el servidor MCP de Visier aplica políticas de gobierno de datos para mostrar solo datos autorizados de la fuerza laboral a través de Amazon Quick. El conocimiento empresarial en Quick Spaces mantiene los controles de acceso existentes dentro de los límites de su organización. Tiempo reducido para obtener información: lo que antes requería horas de referencias cruzadas de hojas de cálculo, alternar entre paneles y crear narrativas manualmente ahora se puede lograr rápidamente desde una única interfaz. La integración garantiza que la respuesta siempre venga con la imagen completa de los datos de la fuerza laboral en vivo junto con el contexto organizacional que los hace procesables.
3. Requisitos previos
Antes de configurar la integración de Visier MCP con Amazon Quick, necesita lo siguiente:
Para obtener más información sobre cómo configurar Amazon Quick, consulte la documentación de Amazon Quick.
4. Descripción general de la solución
En esencia, esta solución se basa en MCP. Visier aloja un servidor MCP que expone sus capacidades de análisis de personas como un conjunto de herramientas invocables. Amazon Quick actúa como cliente MCP, descubre esas herramientas y las pone a disposición de los agentes, los flujos de trabajo de investigación y las automatizaciones. Las dos plataformas siguen siendo independientes y, a través de esta conexión, los datos de la fuerza laboral en vivo de Visier se convierten en parte de cada interacción de Amazon Quick. Cuando un usuario hace una pregunta:
Amazon Quick interpreta la intención y determina qué fuentes son relevantes. Si la pregunta requiere datos de la fuerza laboral, invoca al agente Vee de Visier a través de MCP para recuperar análisis en vivo. Si la pregunta requiere un contexto organizacional, se basa en los documentos relevantes y las fuentes de conocimiento disponibles en Amazon Quick Spaces. Las dos fuentes se reúnen en una respuesta única y coherente que refleja tanto los datos de la fuerza laboral en vivo como el contexto organizacional que los rodea.
Cuando una pregunta abarca ambos sistemas, Amazon Quick identifica las fuentes correctas, se las entrega al agente de Visier para recuperar inteligencia de la fuerza laboral en vivo y recurre a Quick Index y Quick Spaces para el contexto organizacional. La información más relevante de ambos se presenta al usuario como una respuesta única y coherente.
5. Configurar la integración
Paso 1: configurar el servidor MCP de Visier
Visier proporciona un servidor MCP prediseñado que expone sus capacidades de análisis de fuerza laboral como herramientas MCP. Para configurarlo:
En su consola de administración de Visier, navegue hasta Configuración > API e integraciones. Habilite la capacidad del servidor MCP. Configure las credenciales de autenticación y los alcances de acceso a los datos. Tenga en cuenta la URL del punto final del servidor MCP y los detalles de autenticación.
Para obtener instrucciones detalladas, consulte la documentación de Visier MCP.
Paso 2: agregue Visier como integración MCP en Amazon Quick
Amazon Quick incluye un cliente MCP integrado que se configura mediante una integración. Para conectar Visier:
Desde la pantalla de inicio de Amazon Quick, seleccione Integraciones en el panel de navegación izquierdo. Seleccione la pestaña Acciones en el panel principal. En Configurar una nueva integración, busque el mosaico Protocolo de contexto de modelo (MCP) y elija el signo más (+). En la página Crear integración, ingrese un nombre descriptivo, una descripción opcional y la URL del punto final del servidor Visier MCP del paso 1. Elija Siguiente.
Seleccione el método de autenticación que coincida con la configuración de su servidor Visier MCP (autenticación de usuario, autenticación de servicio o sin autenticación) e ingrese las credenciales requeridas. Elija Crear y continuar.
Amazon Quick descubrirá las herramientas expuestas por el servidor MCP de Visier (por ejemplo, Ask_vee_question, search_metrics, list_analytic_object_property_values). Comparta la integración con otros usuarios que deberían poder consultar Visier a través de Amazon Quick y luego elija Listo.
Una vez configuradas, las herramientas de inteligencia de la fuerza laboral de Visier están disponibles para los agentes y las automatizaciones de Amazon Quick.
Para obtener más información sobre la integración de MCP en Amazon Quick, consulte Integrar herramientas externas con Amazon Quick Agents mediante MCP y la documentación de integración de MCP.
Paso 3: seleccione su conocimiento empresarial
Los agentes creados en Amazon Quick utilizan Spaces como límite contextual. Todo lo que sabe una organización, desde políticas internas y documentos de planificación hasta conocimientos específicos del equipo aportados por usuarios individuales, se acumula dentro de un Espacio y se pone a disposición del agente en el momento de la consulta. Varios miembros del equipo pueden contribuir a un Espacio a lo largo del tiempo, por lo que el conocimiento crece con la organización en lugar de permanecer estático.
A continuación, carga documentos internos relevantes en Quick Spaces, de modo que el orquestador tenga un contexto organizacional para complementar los datos en vivo de Visier. Para cargar sus documentos:
En Amazon Quick, navegue hasta Espacios y cree un nuevo espacio. Nómbrelo "Planificación de la fuerza laboral". Cargue sus documentos de planificación de la fuerza laboral, como presupuestos de personal y pautas de compensación. Cargue documentos de políticas, como flujos de trabajo de aprobación y requisitos de cumplimiento. Configure permisos de espacio para controlar qué equipos pueden acceder al contenido.
Con Quick Spaces poblados, las respuestas que obtenemos de Quick Agents se enriquecen. Esto les permite combinar datos de la fuerza laboral en vivo de Visier con el contexto propio de su organización y brindar una respuesta completa en un solo lugar.
Escenario de ejemplo
Para demostrar la integración, analizamos un escenario en el que Maya (socio comercial de recursos humanos) y David (analista financiero) se están preparando conjuntamente para una reunión de liderazgo. Su organización conectó Visier a Amazon Quick mediante MCP y cargó documentos de planificación internos en Quick Spaces. Para este ejemplo, agregaron los siguientes documentos empresariales a Amazon Quick:
Propósito del documento Objetivos de salud de la fuerza laboral para el año fiscal 26 Objetivos de personal, objetivos de distribución en EE. UU., puntos de referencia de tasa de retención Política de permanencia y retención Hitos de permanencia, umbrales de riesgo, desencadenantes de intervención Guía de retención de alto desempeño Umbrales de índice de alto desempeño, palancas de retención, desencadenantes de escalamiento Política de distribución de la fuerza laboral de EE. UU. Objetivo Porcentaje de presencia de EE. UU., cadencia de revisión, justificación Plantilla de informe de riesgos de la fuerza laboral Marco de calificación de riesgo, qué escalar al liderazgo
Así es como se desarrolla la conversación: Cada uno de los siguientes turnos señala qué fuentes de datos consultó el agente de Amazon Quick para producir su respuesta.
Turno 1: conocer el terreno
David: ¿Cuántos empleados tenemos y cuántos están basados en los EE. UU.?
El agente de Amazon Quick dirige la pregunta de David a Visier a través de MCP y devuelve el recuento total de empleados y la plantilla en EE. UU. a partir de datos reales de la fuerza laboral.
Fuentes consultadas: Visier
Turno 2: Presupuesto versus real, donde la inteligencia se encuentra con el contexto
David: ¿Cómo se compara nuestra plantilla en EE. UU. con nuestros objetivos de distribución?
El agente consulta a Visier sobre la plantilla real de EE. UU. y recupera el documento de objetivos de salud laboral para el año fiscal 26 de Quick Spaces, comparando la cifra real con el objetivo de distribución aprobado.
Fuentes consultadas: Visier (recuento de personal en vivo) · Quick Spaces (objetivos de salud laboral para el año fiscal 26)
Turno 3: panorama de tenencia
Maya: ¿Cuál es la antigüedad promedio en nuestra fuerza laboral y qué roles tienen la antigüedad más alta?
El agente de Amazon Quick recupera la antigüedad promedio y los desgloses de la antigüedad a nivel de rol de Visier y luego muestra los hitos de antigüedad relevantes de la Política de tenencia y retención en Quick Spaces.
Fuentes consultadas: Visier (datos de tenencia) · Quick Spaces (Política de tenencia y retención)
Turno 4: Tenencia frente a umbrales políticos
Maya: ¿Nuestra antigüedad promedio alcanza el umbral de nuestra política de retención?
El agente de Amazon Quick compara la cifra de permanencia promedio en vivo de Visier con el umbral definido en la Política de permanencia y retención almacenada en Quick Spaces, señalando si la organización cumple o no alcanza su objetivo.
Fuentes consultadas: Visier (permanencia promedio) · Quick Spaces (Política de permanencia y retención)
Turno 5: Comprobación de estado de alto rendimiento
Maya: ¿Cuántos empleados de alto rendimiento tenemos? ¿Estamos dentro de la proporción recomendada?
El agente Quick extrae el recuento actual de alto rendimiento de Visier y lo compara con la proporción recomendada en el Libro de estrategias de retención de alto rendimiento de Quick Spaces.
Fuentes consultadas: Visier (recuento de alto rendimiento) · Quick Spaces (libro de estrategias de retención de alto rendimiento)
Turno 6: Síntesis del informe de liderazgo
David y Maya: Resuma los riesgos clave para la salud de la fuerza laboral para nuestra sesión informativa de liderazgo.
El agente de Amazon Quick reúne los datos de la fuerza laboral recuperados de Visier en los turnos anteriores y compara cada métrica con los umbrales y políticas correspondientes almacenados en Quick Spaces. Cuando una métrica no alcanza su objetivo, el agente la marca como un riesgo y muestra la acción recomendada en el documento de política correspondiente. El resultado es un informe único que cubre todas las dimensiones discutidas en la conversación, y cada hallazgo se atribuye a su fuente de datos.
Fuentes consultadas: Visier (todos los datos de la fuerza laboral de turnos anteriores) · Quick Spaces (todas las políticas y documentos de destino)
Llevándolo más allá con Quick Flows
Más allá de las consultas conversacionales, Amazon Quick incluye Quick Flows, un motor de automatización del flujo de trabajo que puede utilizar para definir secuencias de varios pasos y ejecutarlas según una programación o bajo demanda. Un flujo puede recuperar datos de fuentes conectadas, aplicar lógica o comparaciones, generar resultados formateados y entregar resultados a un destino como una bandeja de entrada o un canal de Slack, todo sin intervención manual. Si se encuentra repitiendo la misma conversación de varios turnos con un Quick Agent cada semana o mes, Quick Flows convierte esa conversación en un flujo automático. Usted define los pasos una vez, conecta sus fuentes de datos a través de las mismas integraciones MCP utilizadas en el chat y establece una cadencia. A partir de ahí, el flujo se ejecuta de un extremo a otro y entrega el resultado.
La conversación de varios turnos que Maya y David completaron demuestra el tipo de flujo de trabajo recurrente que se beneficia de la automatización. Cada mes surgen las mismas preguntas. ¿Qué tan cerca estamos de nuestro objetivo de personal? ¿La tenencia va en la dirección correcta? ¿Se mantiene el alto índice de desempeño? En lugar de responder estas preguntas manualmente cada vez, Quick Flows puede ejecutar la secuencia completa según un cronograma y ofrecer un resumen listo para compartir.
El siguiente flujo, denominado Puntuación semanal de salud de la fuerza laboral, se ejecuta todos los lunes por la mañana. Recupera datos en vivo de Visier, compara cada métrica con los umbrales almacenados en Quick Spaces, calcula una puntuación compuesta y redacta un informe formateado, sin ninguna entrada manual.
Ejemplo de mensaje para crear un flujo semanal de puntuación de salud de la fuerza laboral como se muestra a continuación:
Ejecute este flujo todos los lunes a las 8:00 a.m. Ejecute los siguientes pasos en secuencia:
Paso 1: recuperar datos de la fuerza laboral en vivo
Consulte el servidor Visier MCP conectado para conocer las siguientes cuatro métricas a partir de la fecha disponible más reciente:
1. Plantilla global total
2. Plantilla basada en EE. UU.
3. Antigüedad promedio en toda la organización
4. Recuento total de empleados de alto rendimiento
Paso 2: recuperar objetivos y umbrales internos
Busque en el espacio "Planificación de la fuerza laboral" en Amazon Quick los siguientes valores:
1. Objetivo de plantilla para fin de año
2. Objetivo de personal y objetivo porcentual en EE. UU.
3. Umbral de tenencia promedio y límite inferior de la zona de vigilancia
4. Umbral mínimo de ratio de alto rendimiento
Utilice los documentos sobre los objetivos de salud de la fuerza laboral, la política de permanencia y retención, el manual de retención de trabajadores de alto desempeño y la política de distribución de la fuerza laboral de EE. UU. para el año fiscal 26.
Paso 3: Calcular las métricas de salud de la fuerza laboral
Utilizando los valores recuperados en los pasos 1 y 2, calcule lo siguiente:
1. Porcentaje de plantilla hasta el objetivo
2. Contrataciones restantes para cerrar la brecha
3. Porcentaje de la plantilla de EE. UU. sobre el total
4. Diferencia entre la plantilla de Estados Unidos y el objetivo (en plantilla y puntos porcentuales)
5. Alto ratio de desempeño
6. Búfer de alto rendimiento por encima del umbral mínimo
7. Amortiguador de tenencia por encima del umbral de la zona de vigilancia
Paso 4: califica cada métrica
Asigne una puntuación a cada una de las cuatro métricas utilizando la siguiente lógica:
– En camino (cumple o supera el objetivo): 25 puntos
– Necesita atención (dentro del 5% del umbral): 15 puntos
– Por debajo del objetivo (umbral no alcanzado): 5 puntos
– Necesita revisión inmediata (significativamente por debajo del umbral): 0 puntos
Sume los cuatro puntajes para producir un puntaje compuesto de salud de la fuerza laboral sobre 100.
Paso 5: recuperar acciones recomendadas para métricas marcadas
Para cualquier métrica con una puntuación de "Necesita atención" o inferior, recupere la sección de intervención correspondiente del documento de política de Quick Spaces correspondiente.
Paso 6: redactar un informe formateado
Redacte un resumen estructurado que contenga:
1. La puntuación compuesta sobre 100
2. Una tabla que muestra cada métrica con su valor real, objetivo, brecha calculada y puntuación.
3. Un estado de una línea que resume cuántas métricas necesitan atención.
4. Las acciones recomendadas del Paso 5 enumeradas por prioridad
Formatee esto como una sesión informativa lista para compartir.
El resultado es una puntuación compuesta sobre 100, una tabla de métricas que muestra la posición de la organización frente a cada objetivo y un conjunto de acciones recomendadas extraídas directamente de los documentos de políticas relevantes. Cuando una métrica necesita atención, el informe le indica lo que la política dice que se debe hacer al respecto.
Una vez que las integraciones de su empresa estén conectadas, un paso opcional puede entregar automáticamente este informe a una bandeja de entrada específica o al canal de Slack según lo programado. Esto es lo que Quick Flows hace posible: un flujo de trabajo recurrente de múltiples fuentes que antes requería una conversación manual se convierte en algo que se ejecuta solo y aparece en su bandeja de entrada.
Ejemplo de proyecto de investigación rápida
Amazon Quick también incluye Quick Research, una capacidad de análisis profundo diseñada para preguntas que abarcan múltiples fuentes y requieren síntesis en lugar de una única búsqueda. Cuando una conversación de chat es interactiva e iterativa, Quick Research se ejecuta de forma autónoma, usted describe el resultado que necesita en lenguaje natural y Quick determina qué bases de conocimiento internas, fuentes de datos conectadas y referencias externas consultar y luego elabora un informe estructurado con atribuciones de fuente.
Antes de la reunión de liderazgo, Maya inicia una investigación rápida de forma independiente, fuera de la conversación con el agente. No especifica qué sistemas buscar ni dónde se encuentran los datos, simplemente describe lo que necesita.
Mensaje de investigación rápida de Maya:
Prepare un informe de evaluación comparativa de la fuerza laboral antes de nuestra reunión de liderazgo. Necesito entender cómo se compara nuestra organización con sus pares de la industria en tres áreas: antigüedad de los empleados, índices de alto desempeño y distribución de la fuerza laboral en todas las geografías. Para cada área, muéstreme dónde nos encontramos hoy, cómo es la norma de la industria y si estamos por delante, a la par o por detrás. Incluya nuestros objetivos internos cuando sea relevante.
Estructurar el resultado como un resumen ejecutivo, una comparación comparativa con calificaciones de riesgo codificadas por colores y un análisis de brechas con tres a cinco recomendaciones priorizadas. Incluya un cuadro comparativo de puntos de referencia y una tabla de indicadores visuales de brechas. Citar todas las fuentes externas y atribuir todos los datos internos a su origen.
Quick Research extrae automáticamente de las tres capas, datos de la fuerza laboral en vivo de Visier usando el servidor MCP, objetivos de políticas internas del Workforce Planning Quick Space y puntos de referencia externos de la industria de la web, y produce un resumen de investigación estructurado y atribuido a la fuente. Maya descarga el informe y lo comparte con David antes de la reunión. Sirve como capa de contexto externo que enriquece la conversación con el agente, brindando a ambas personas un punto de partida compartido basado en datos de dentro y fuera de la organización. Esto es lo que distingue a Quick Research: el usuario describe el resultado que necesita, la inteligencia de Quick sabe dónde buscar y realiza una investigación profunda, y reúne un informe completo y práctico.
Monitoreo y observabilidad
A medida que los agentes de Quick consultan Visier MCP para obtener datos de la fuerza laboral en vivo y recuperan políticas de Quick Spaces, los administradores necesitan visibilidad de a qué se accede, con qué frecuencia y quién. Amazon Quick se integra con Amazon CloudWatch para mostrar las métricas del conector de acciones de MCP, como los recuentos de invocaciones y las tasas de error, de modo que los equipos puedan realizar un seguimiento de la frecuencia con la que se invocan las herramientas MCP de Visier en las conversaciones, flujos y ejecuciones de investigación de los agentes. Cada interacción de chat, incluidos los conectores que se invocaron y los recursos que se citaron en la respuesta, se puede entregar a través de Amazon CloudWatch Logs a destinos como Amazon Simple Storage Service (Amazon S3) o Amazon Data Firehose para su análisis y retención a largo plazo. Para auditoría y cumplimiento, AWS CloudTrail proporciona un registro completo de llamadas API y acciones administrativas en todo el entorno de Amazon Quick, respondiendo preguntas como qué usuario consultó datos sobre la antigüedad de la fuerza laboral, cuándo se realizó la solicitud y de qué contexto formaba parte. Juntas, estas capacidades garantizan que cada interacción entre Visier y Amazon Quick, desde una consulta de un agente de chat rápido hasta un flujo programado, siga siendo observable, auditable y gobernada.
Limpiar
Cuando haya terminado de usar esta integración, limpie los recursos que creó:
Elimine la integración MCP de Amazon Quick: desde la pantalla de inicio de Amazon Quick, navegue hasta Integraciones en el panel de navegación izquierdo. Seleccione la pestaña Acciones, busque la integración de Visier MCP y elija Eliminar. Esto impide que se pueda acceder a los datos de Visier a través de Amazon Quick. Revocar las credenciales de Visier MCP: en la consola de administración de Visier, navegue hasta Configuración > API e integraciones. Revoque las credenciales del servidor MCP utilizadas para la conexión rápida de Amazon. Eliminar contenido de Quick Spaces (opcional): si creó Quick Spaces específicamente para esta integración, navegue hasta Spaces en Amazon Quick y elimínelos. Elimine el entorno de Amazon Quick (opcional): si ya no necesita el entorno de Amazon Quick, navegue hasta la consola de AWS y elimine los recursos asociados. Esto elimina los índices, integraciones y conectores de fuentes de datos asociados.
Conclusión
La integración de Visier y Amazon Quick a través de MCP demuestra un patrón que se extiende más allá del análisis de personas a cualquier escenario donde la inteligencia empresarial especializada deba basarse en el contexto organizacional. El valor no está en ninguno de los sistemas por sí solo. Amazon Quick proporciona la capa de orquestación y el contexto empresarial. Visier proporciona inteligencia a la fuerza laboral. MCP proporciona una conexión segura y estandarizada entre ellos. Para el usuario final, la experiencia es simple: haga una pregunta, obtenga una respuesta basada en todo lo que sabe la organización y actúe en consecuencia sin cambiar de herramienta. La misma arquitectura se aplica en Finanzas, Operaciones, Ventas, Marketing y Legal. Dondequiera que los datos de la fuerza laboral y el contexto organizacional necesiten unirse, Amazon Quick y Visier, conectados mediante MCP, lo hacen posible en una sola conversación.
Próximos pasos
¿Listo para incorporar la inteligencia de la fuerza laboral a su espacio de trabajo de IA agente? Comience visitando la documentación de Amazon Quick para configurar su entorno, configurar integraciones y comenzar a crear agentes y automatizaciones. Para Visier, la documentación de Visier MCP Server recorre las instrucciones de configuración, la configuración de autenticación y el conjunto completo de herramientas de análisis de la fuerza laboral disponibles.
Para obtener más información sobre la plataforma Workforce AI de Visier, visite visier.com. Para obtener una visión más profunda de cómo Amazon Quick se conecta a fuentes de datos externas a través del protocolo de contexto de modelo, lea Integrar herramientas externas con Amazon Quick Agents mediante MCP.
Sobre los autores
Vishnu Elangovan
Vishnu Elangovan es un arquitecto de soluciones de IA agente a nivel mundial con más de una década de experiencia en IA/ML aplicada y aprendizaje profundo. Le encanta crear y experimentar con soluciones escalables de IA/ML y se considera un aprendiz permanente. Vishnu es un líder intelectual confiable en la comunidad de IA/ML, habla regularmente en las principales conferencias de IA y comparte su experiencia sobre IA agente en eventos de primer nivel.
vipin mohan
Vipin Mohan es director principal de productos en Amazon Web Services, donde dirige la estrategia de productos Agentic AI. Se especializa en la creación de productos de IA/ML, plataformas de contenedores y tecnologías de búsqueda que prestan servicios a miles de clientes. Fuera del trabajo, es mentor de aspirantes a gerentes de producto, disfruta leer sobre inversiones financieras y emprendimiento, y le encanta explorar el mundo a través de los ojos de sus dos hijos.