近年 AI 技術大躍進，大數據已經成為企業營運和決策的重要資產。不過，傳統分析大數據往往需要寫大量程式、設計 ETL 流程，對於一般用戶或管理層來說門檻極高。AWS 最新示範就教大家如何利用開源 Strands SDK，結合 AI Agent、Amazon Bedrock 及一系列雲端服務，只需幾行程式碼，便能自動分析大數據、即時生成商業報告，甚至可以用自然語言查詢，真正做到人人都可用 AI 發掘數據價值。
這次 AWS 工程師以紐約市計程車出行數據為例，展示如何將這些存放在 S3 的 Parquet 檔案，大規模地自動整理和分析。傳統做法通常要先寫程式處理數據，再搭配 BI 工具進行視覺化，過程繁複又耗時。現在，AI Agent 可以自動利用 AWS Glue 掃描數據、建立資料目錄，再用 Amazon Athena 查詢大數據，而大型語言模型如 Claude 3.7 Sonnet 就會自動撰寫報告內容，最後再輸出成 Markdown 格式，方便團隊閱讀和分享。
更厲害的是，AI Agent 不只會跑數據，更懂得主動為你找出這批數據最適合應用在哪些行業，例如城市規劃、旅遊、物流、保險或金融服務等。它還會分析數據如何變現，例如轉化為數據服務、開放 API 或編寫行業報告，甚至會指出這批數據在即時性或準確性上的限制。整份報告由頭到尾全自動生成，過去分析師需要幾小時甚至幾天才能完成的工作，如今 AI 只需三分鐘就辦到。
成本效益方面同樣驚人。以示範例子計算，利用 Claude 3.7 Sonnet 生產五份詳細報告，總成本只需約 0.7 美元。如果每月要產生 5,000 份報告，總開支亦僅約 700 美元，比傳統人手分析低得多。而且，過去需要數天時間的分析流程，如今數分鐘就能完成，大大提升企業反應速度。
整個 AI Agent 流程其實非常簡單。當用戶輸入任務或查詢，例如「分析 2025 年 1 月及 4 月計程車收入最高時段」，AI Agent 便會自動拆解任務，與大型語言模型合作分工，並利用 Strands SDK 內建工具處理數據。AWS Glue 負責取得數據結構，Athena 負責查詢數據，LLM 處理分析及撰寫報告，甚至可以自動生成圖表。最後，所有結果都會整合成 Markdown 報告，方便團隊即時分享。無論是分析師還是 CEO，都可以用自然語言即時查詢數據，無需等 IT 團隊搭建 pipeline 或準備 BI 報表，真正做到自助式分析。
AI Agent 另一個實用場景，就是支援自然語言查詢。無論是分析師還是管理層，都可以直接用文字問問題，例如「2025 年 1 月及 4 月的士收入最高的五個時段」、「哪個地點最常出現擁堵」，甚至是「根據數據提出三個新商業模式」。AI Agent 會自動撰寫 SQL，分析數據，整合結果，並由 LLM 產生圖表和專業報告，最快幾分鐘就有答案，靈活應對商業變化。
總結來說，AWS 這套 AI Agent 解決方案真正做到零程式碼分析大數據、即時產生專業報告，無論是資料科學家、分析師或 CEO 都可以輕鬆上手。結合開源 Strands SDK 和 Bedrock 等服務，不但效率高、成本低，應用彈性亦極大，非常適合想加快數碼轉型的企業或機構。隨著 AI Agent 未來結合更多行業知識，相信會有更多創新應用陸續誕生。