bedrock
49 conteúdos publicados sobre este assunto.
Artigos· 21
IA & AgentesFable 5.1 no Bedrock: retenção de dados virou decisão de arquiteturaClaude Fable 5.1 chegou ao Bedrock em 1º de setembro de 2026 com 1M de contexto e uma condição que nenhum modelo anterior da Anthropic tinha: você precisa autorizar explicitamente a retenção de prompts e saídas por até 30 dias dentro da AWS. Isso não é uma caixinha de consentimento — é uma configuração de conta com raio de alcance organizacional, que colide com o SCP de zero data retention que a maioria dos ambientes regulados já tem escrito.Abrir IA & AgentesRAG sobre ServiceNow: o conector que apaga o user criteriaO conector nativo de ServiceNow do Amazon Bedrock Managed Knowledge Base chegou em 4 de setembro de 2026 e tira semanas de pipeline artesanal do caminho. Ele também instrui você a usar uma conta de serviço com knowledge_admin, que ignora o user criteria por knowledge base — e o conector não ingere ACL de documento. Este é o retro do piloto em que essas duas linhas de documentação se encontraram.Abrir IA & Agentes3LO no Bedrock Managed KB: 5 minutos de setup, 1 decisão irreversívelEm 4 de setembro de 2026 a AWS liberou o user-managed setup (3LO) para SharePoint, OneDrive e Confluence no Amazon Bedrock Managed Knowledge Base: você faz login com a sua própria conta e o data source sai em minutos. O que a documentação diz em letra miúda é que esse caminho não suporta controle de acesso por documento, e que a flag de ACL não muda depois do CreateDataSource. Este é o relato da migração que isso obriga — do protótipo em 3LO para um knowledge base de produção com ENTRA_ID_APP_ONLY, certificado e userContext.Abrir Arquitetura de SoluçõesAWS Transform Continuous Modernization: Análise Técnica ProfundaO AWS Transform Continuous Modernization entrou em disponibilidade geral em agosto de 2026, trazendo análise e remediação autônoma de dívida técnica em repositórios de código a escala corporativa. Neste artigo, vou além do anúncio e examino o mecanismo de execução, os modos de falha reais e os trade-offs que toda equipe de plataforma precisa entender antes de conectar seus repositórios de produção.Abrir IA & AgentesFinOps para IA Generativa: Dissecando o Padrão de Custo Bedrock no CUR 2.0Com a disponibilização de metadados padronizados do Bedrock no AWS Data Exports, a atribuição de custos de IA generativa deixa de depender de parsing frágil de campos livres e passa a ter estrutura nativa no CUR 2.0. Neste artigo, disseço a anatomia desse padrão, os cenários onde ele resolve o problema de verdade e as armadilhas que ainda persistem quando a governança de IA não está alinhada ao pipeline de FinOps.Abrir IA & AgentesOAuth no AWS MCP Server: Comparativo de Estratégias de Autenticação para AgentesO suporte OAuth nativo no AWS MCP Server muda o jogo para quem estava improvisando autenticação de agentes com credenciais estáticas ou fluxos Cognito customizados. Mas 'suporte OAuth' não é uma decisão de arquitetura — é um ponto de partida. Neste artigo, faço um bake-off honesto entre quatro estratégias de autenticação para agentes de IA em ambientes financeiros, com trade-offs reais, números plausíveis e uma recomendação direta.Abrir IA & AgentesAmazon Bedrock AgentCore Harness: Da Ideia ao Agente de ProduçãoO AgentCore Harness chegou ao GA em junho de 2026 como uma abstração gerenciada que colapsa o plano de controle de agentes LLM em dois chamadas de API. Neste artigo, analiso como o harness funciona internamente, onde ele falha, e o que arquitetos de sistemas financeiros precisam entender antes de colocá-lo em produção.Abrir IA & AgentesAmazon Bedrock AgentCore: Otimização Contínua de Agentes em ProduçãoO Amazon Bedrock AgentCore introduz um loop de melhoria contínua que transforma traces de produção em diagnósticos acionáveis, recomendações fundamentadas em dados e validação estatística via testes A/B. Para arquitetos de sistemas financeiros e plataformas de alto risco, isso representa a primeira tentativa séria da AWS de fechar o gap entre observabilidade de agentes e operação confiável em produção.Abrir IA & AgentesBedrock Managed Knowledge Base: Anatomia de um Pipeline RAG GerenciadoO Amazon Bedrock Managed Knowledge Base abstrai toda a pilha RAG — conectores, parsing, embeddings, re-ranking e recuperação agêntica — em um único primitivo gerenciado. Neste artigo, desmonto cada camada, exponho os modos de falha que a documentação não menciona e analiso os trade-offs reais para quem projeta sistemas de IA de grau financeiro na AWS.Abrir IA & AgentesInvokeGuardrailChecks vs Guardrails Clássicos: Qual Usar em Agentes AI?A AWS lançou a InvokeGuardrailChecks API no Amazon Bedrock Guardrails, uma API sem recurso que permite aplicar salvaguardas individuais em qualquer ponto de um loop agentic sem criar ou versionar recursos de guardrail. Neste artigo, faço uma análise comparativa direta entre essa abordagem e os Guardrails clássicos baseados em recursos, avaliando trade-offs de latência, governança, custo e adequação para sistemas financeiros de missão crítica.Abrir IA & AgentesWeb Search no Bedrock AgentCore: Revisão Técnica AprofundadaO Web Search no Amazon Bedrock AgentCore entrega busca web gerenciada para agentes de IA, com zero egresso de dados fora do ambiente AWS e grounding via MCP. Avalio a capacidade com olhar crítico de arquiteto sênior: trade-offs reais, limites operacionais e quando faz sentido adotar.Abrir Arquitetura de SoluçõesAWS Transform 1 Ano: Modernização Agêntica de Legados em ProduçãoAWS Transform chegou prometendo modernização de legados com agentes de IA — após um ano, vale examinar o que realmente entrega, onde falha e qual o custo real de adoção em sistemas críticos. Esta análise parte de evidências técnicas concretas, não de marketing.Abrir IA & AgentesAgentic RAG na AWS: Comparativo de Arquiteturas para Ambientes FinanceirosAgentic RAG deixou de ser experimento de laboratório e passou a ser requisito de plataforma em ambientes financeiros que exigem rastreabilidade, controle de custo e latência previsível. Neste artigo, comparo quatro abordagens arquiteturais concretas na AWS, com trade-offs reais, números plausíveis e uma recomendação sem rodeios.Abrir Sistemas FinanceirosTriagem de Alertas AML com IA Governada: Arquitetura e Trade-offsAutomatizar a triagem de alertas de AML com IA generativa é tecnicamente viável, mas a distância entre um protótipo funcional e um sistema financeiro auditável é enorme. Neste artigo, analiso a arquitetura real por trás dessa automação — os mecanismos de orquestração, os pontos de falha silenciosos e as decisões de design que separam um sistema regulatoriamente defensável de um que vai falhar numa auditoria do BACEN ou FinCEN.Abrir IA & AgentesObservabilidade de LLMs em Produção: Do GPU à Qualidade da RespostaColocar um LLM em produção no SageMaker é a parte fácil. O difícil é saber, em tempo real, se ele está respondendo bem, consumindo GPU de forma eficiente e custando o que você planejou. Este artigo detalha a stack de observabilidade que eu construiria hoje para inferência LLM financeira-grade.Abrir IA & AgentesAutomação de Documentos com Bedrock: Jornada de ModernizaçãoPipelines legados de extração documental em ambientes financeiros acumulam dívida técnica silenciosa: OCR frágil, regras manuais e ausência de rastreabilidade. Neste artigo, narro a jornada de modernização para Bedrock Data Automation, cobrindo decisões de arquitetura, riscos gerenciados e o que realmente muda em operação. A análise é baseada em padrões reais de sistemas financeiros críticos, não em demos de laboratório.Abrir IA & AgentesInteligência de Contratos na AWS: Arquitetura de CampoConstruir inteligência contratual com IA generativa vai muito além de conectar um LLM a PDFs. Este artigo documenta os padrões arquiteturais, armadilhas operacionais e decisões de design que fazem a diferença entre um PoC impressionante e um sistema confiável em produção financeira.Abrir Segurança & ResiliênciaPostmortem: Quando a IA Encontra a Resiliência — AWS Resilience Hub e SREO AWS Resilience Hub ganhou capacidades de IA generativa para análise de modos de falha e geração de runbooks — uma mudança que parece incremental mas redefine como equipes de SRE operam em produção. Neste retrospecto, analiso o que essa evolução significa na prática, onde ela falha, e como integrar essas ferramentas em sistemas de grau financeiro sem criar novas dependências frágeis.Abrir IA & AgentesRAG Agêntico com OpenSearch Serverless: Anatomia de um PadrãoO padrão RAG agêntico com OpenSearch Serverless promete escala elástica e recuperação semântica sem gestão de infraestrutura — mas esconde armadilhas sérias de latência, custo e consistência que sistemas financeiros não podem ignorar. Neste artigo, desmonto a anatomia do padrão, mapeio quando ele funciona, quando falha e como configurá-lo com rigor de produção.Abrir Sistemas FinanceirosKYC Moderno: Serverless, IA e Trilhas de Auditoria em Serviços FinanceirosO KYC (Know Your Customer) está deixando de ser um processo batch noturno para se tornar um pipeline orientado a eventos, com decisões assistidas por IA e trilhas de auditoria imutáveis. Essa mudança não é apenas técnica — ela redefine como arquitetos de soluções pensam compliance, latência e custo em ambientes financeiros regulados. Neste briefing, analiso o sinal, os padrões emergentes e como posicionar sua arquitetura para essa transição.Abrir IA & AgentesGPT-5 vs Claude vs Nova no Bedrock: Bake-off de Governança para ProduçãoCom GPT-5.5 e Codex chegando ao Amazon Bedrock, equipes de plataforma agora enfrentam uma escolha real entre três famílias de modelos frontier dentro do mesmo plano de controle. Esta análise compara GPT-5.5, Claude 3.7 Sonnet e Amazon Nova Pro sob a ótica de quem precisa colocar IA em produção em ambientes regulados.Abrir Architecture Studies· 25
Decisão (ADR)Web Search do Bedrock no GovCloud: um ADR sobre grounding reguladoEm 2 de setembro de 2026 a AWS levou o tool server-side Web Search do Amazon Bedrock para o GovCloud (US-West). Escrevi este ADR porque a decisão real não é "usar ou não busca web" — é escolher em que modo de recuperação você opera, e o default do parâmetro `external_web_access` empurra times regulados exatamente para o lado errado, com HTTP 200 e sem erro visível.Abrir Guia / Deep DiveLoop Engineering: projetando os loops que guiam agentes de IAO gargalo dos agentes de IA deixou de ser a frase do prompt e passou a ser o desenho do loop: trigger, topologia, verifier e stop rules. Este guia ensina os fundamentos do loop engineering — do ReAct base ao catálogo de padrões — com exemplos reais do meu próprio sistema e um passo a passo para engenheirar qualquer loop com segurança.Abrir PlaybookPlaybook: 5 Mudanças em Arquitetura de IA — e o que fazer com cada umaO que era avançado em 2025 virou default em 2026: o gargalo saiu do prompt, agentes foram para produção gerenciada, MCP padronizou ferramentas, segurança virou multicamadas e FinOps de token entrou na pauta. Este playbook mapeia cada mudança com o que fazer de concreto — para quem constrói sistemas, não demos.Abrir Guia / Deep DiveAgentes de IA por Dentro (1/3): Anatomia e o Loop de RaciocínioUma aula técnica para devs e arquitetos que ouvem 'agente de IA' todo dia mas querem entender de verdade o que diferencia um agente de um LLM puro, de um pipeline fixo ou de RAG simples. Cobrimos a anatomia completa — modelo, ferramentas, memória, planner — e o loop ReAct passo a passo com um exemplo concreto. Sem hype; com trade-offs reais.Abrir Guia / Deep DiveAgentes de IA por Dentro (3/3): Agentes em Produção na AWS com Bedrock AgentCoreA terceira e última parte da série desce o elevador até o andar técnico: como colocar um agente de IA em produção na AWS usando o Amazon Bedrock AgentCore. Cobrimos o mapa completo dos componentes (Runtime, Gateway, Memory, Identity, Observability), a escolha de modelo por custo/latência/raciocínio, segurança com guardrails e isolamento de sessão, e FinOps para manter o custo real abaixo de poucos dólares por mês.Abrir Decisão (ADR)ADR: Refinamento Automático de Políticas no Bedrock GuardrailsOs novos workflows de refinamento iterativo e redução de ambiguidade no Automated Reasoning checks do Bedrock Guardrails reduzem o esforço manual de manutenção de políticas formais — mas introduzem decisões arquiteturais não triviais sobre governança, ciclo de vida de políticas e integração com pipelines de CI/CD. Neste ADR, analiso o contexto, as opções consideradas e as consequências reais dessa decisão em ambientes financeiros regulados.Abrir Decisão (ADR)ADR: Executar Código Gerado por IA — Lambda MicroVMs vs. Containers IsoladosDecisão de arquitetura sobre como executar com segurança código gerado por agentes de IA ou submetido por usuários em ambiente multi-tenant, comparando Lambda MicroVMs (lançamento AWS jun/2026), containers efêmeros com gVisor/Firecracker em ECS/EKS e Lambda padrão. A decisão recomendada é Lambda MicroVMs por sessão, orquestrado pelo Bedrock AgentCore, com isolamento em nível de VM sem overhead operacional de virtualização própria.Abrir Design Doc / RFCDesign Doc: Observabilidade de LLMs — da GPU à Qualidade de RespostaEste documento propõe uma arquitetura de observabilidade fim a fim para plataformas de inferência LLM rodando em Amazon SageMaker AI e Amazon Bedrock, cobrindo desde métricas de hardware (GPU utilization, memória) até qualidade semântica de resposta, drift de comportamento e custo por tenant. O design integra CloudWatch, Amazon Managed Grafana, rastreamento por prompt e alarmes de regressão automáticos, com separação clara de responsabilidades entre camadas de coleta, armazenamento, avaliação e alerta.Abrir Decisão (ADR)ADR: OpenSearch Serverless vs Banco Vetorial Dedicado para RAG AgênticoEste ADR avalia as opções de infraestrutura de busca vetorial para uma plataforma RAG agêntica multi-tenant na AWS, comparando OpenSearch Serverless, bancos vetoriais dedicados (Pinecone, pgvector) e busca híbrida própria. A decisão considera custo, latência p99, filtros por permissão, ingestão incremental e integração nativa com Bedrock Knowledge Bases.Abrir Design Doc / RFCDesign Doc: Camada de Automação Agêntica Empresarial com Amazon Q, MCP e BedrockEste documento propõe uma arquitetura de automação agêntica para operações de backoffice, suporte e TI, conectando Amazon Q Business, o Model Context Protocol (MCP), ferramentas internas e Amazon Bedrock em uma camada unificada com aprovação humana obrigatória, trilha de auditoria imutável e limites de ação explícitos. O objetivo é reduzir trabalho manual repetitivo sem abrir mão de controle, rastreabilidade e segurança em ambientes regulados.Abrir Design Doc / RFCDesign Doc: Governança de Modelos Frontier no Bedrock com GPT, Claude e NovaEste documento propõe uma arquitetura de AI Gateway para orquestrar e governar múltiplos modelos frontier — OpenAI GPT-5.5/GPT-4.5, Anthropic Claude, Amazon Nova e modelos especializados — dentro do Amazon Bedrock. O design cobre roteamento inteligente, guardrails, prompt registry, logging de inferência, IAM por tenant, data residency e política de fallback, com foco em auditabilidade e controle de custos em ambientes enterprise.Abrir Decisão (ADR)EC2 G7e: Decisão de Arquitetura para Inferência de Vídeo GenerativoAs instâncias EC2 G7e chegam com GPUs NVIDIA L40S e prometem redefinir o custo por frame em workloads de inferência de vídeo generativo. Neste registro de decisão de arquitetura, avalio as forças que tornam essa escolha não trivial, os padrões de falha que já vi em produção e a configuração que eu adotaria em um ambiente financeiro-grade.Abrir Decisão (ADR)ADR: Adotando Amazon Bedrock AgentCore em ProduçãoBedrock AgentCore promete reduzir o atrito operacional de agentes de IA em produção, mas adotar qualquer plataforma gerenciada de orquestração de agentes exige uma decisão arquitetural explícita. Neste ADR, documento as forças que me levaram a avaliar AgentCore, as alternativas consideradas e as consequências reais de cada caminho.Abrir TeardownTeardown: Frontier Agents para Segurança e DevOps na AWSUma análise técnica aprofundada da arquitetura por trás dos agentes autônomos de frontier da AWS para pentest sob demanda e resolução de incidentes em cloud operations. Avaliamos isolamento, escopo de ação, aprovação humana, rollback e os riscos operacionais reais que emergem quando você coloca um LLM no loop de controle de infraestrutura.Abrir PlaybookPlaybook: FinOps de GenAI — cortar o custo de um agente sem perder qualidadeAgentes de GenAI em produção acumulam custo em lugares que os dashboards padrão não mostram: tokens de entrada inflados, loops sem critério de parada, retries silenciosos e modelos caros em tarefas triviais. Este playbook apresenta as seis alavancas de otimização — com ordem de execução, tabela de impacto e os anti-padrões que transformam economia em regressão de qualidade.Abrir Design Doc / RFCDesign Doc: Orquestração Multi-Agente com Amazon Bedrock e Step FunctionsEste documento propõe uma arquitetura de orquestração multi-agente usando Amazon Bedrock Agents em topologia supervisor/worker, com Step Functions gerenciando estado, retries e human-in-the-loop. O foco é separar responsabilidades de raciocínio (LLM) das responsabilidades de orquestração (fluxo de estado), aplicar guardrails de segurança e controlar custo operacional de forma determinística.Abrir Decisão (ADR)ADR: LLM Auto-Hospedado (EKS + vLLM) vs API Gerenciada (Bedrock)Este ADR avalia a decisão entre hospedar modelos de linguagem em infraestrutura própria com EKS e vLLM versus consumir modelos via Amazon Bedrock. A análise cobre custo por token, carga operacional de MLOps, cold start, residência de dados e ponto de break-even por volume de tokens.Abrir Decisão (ADR)ADR: Seleção de Modelo no Amazon Bedrock — Claude vs Nova vs Llama vs Fine-tuneDecisão arquitetural sobre qual modelo de fundação adotar em uma feature GenAI enterprise no Amazon Bedrock, avaliando qualidade, custo por token, latência, governança de dados, suporte a pt-BR e janela de contexto. A conclusão é um roteamento por tipo de tarefa — nenhum modelo único vence em todos os eixos.Abrir Design Doc / RFCDesign Doc: Agentes em Produção com Amazon Bedrock AgentCoreEste documento descreve a arquitetura de uma plataforma de agentes de IA em produção usando Amazon Bedrock AgentCore, cobrindo runtime serverless com isolamento de sessão, governança de ferramentas via Gateway/MCP, memória de curto e longo prazo, identidade federada e observabilidade. O foco está em guardrails operacionais, teto de custo e governança de ferramentas — os problemas que realmente afundam projetos de agentes em ambientes corporativos.Abrir PlaybookPlaybook: Qual Serviço de IA da AWS Usar — A Árvore de DecisãoBedrock, SageMaker, Amazon Q, AgentCore e self-hosted GPU resolvem problemas diferentes — mas o hype faz todo mundo começar pelo Bedrock por default. Este playbook entrega uma árvore de decisão, uma matriz de trade-offs e regras de bolso para você escolher pelo problema, não pelo modismo.Abrir Design Doc / RFCDesign Doc: Plataforma RAG Enterprise com Avaliação Contínua e Guardrails no BedrockEste documento descreve a arquitetura de uma plataforma RAG enterprise construída sobre Amazon Bedrock, cobrindo recuperação semântica, avaliação contínua de qualidade, guardrails de segurança e controle de custo. O design prioriza rastreabilidade, operabilidade e contenção de risco em ambientes regulados, sem abrir mão de latência aceitável para usuários finais.Abrir PlaybookPlaybook: Como Blindar um Agente de IA — As Camadas de DefesaAgentes de IA expõem superfícies de ataque que firewalls tradicionais não cobrem: injeção de prompt, exfiltração via tool call, saída não controlada. Este playbook descreve as quatro camadas de defesa — borda, conteúdo, ferramentas e saída — e o que cada uma barra, onde falha e como compô-las sem redundância inútil.Abrir PlaybookPlaybook: Multi-agente — quando 1 basta e quando você precisa orquestrarCada agente adicional dobra custo, latência e superfície de erro. Este playbook oferece critério cirúrgico para decidir entre agente único, supervisor, pipeline e debate — com tabelas de decisão, topologias visuais e as armadilhas que destroem sistemas multi-agente em produção.Abrir PlaybookPlaybook: Um Agente de IA de Produção na AWS em 7 PassosNoventa por cento dos agentes de IA morrem no notebook. Este playbook cobre os 7 passos que separam um protótipo funcional de um agente confiável em produção na AWS — do trigger ao guardrail, passando por topologia de loop, ferramentas com menor privilégio, verifier externo e orçamento de execução. Opinioso, concreto e baseado nas primitivas reais do Amazon Bedrock AgentCore.Abrir PlaybookPlaybook: Onde Rodar IA na AWS — Lambda vs Fargate vs ECS/EKS (GPU)Escolher o compute errado para workloads de IA na AWS é o erro mais caro que equipes cometem ao escalar de protótipo para produção. Este playbook mapeia Lambda, Fargate, ECS/EKS+GPU e Bedrock contra os eixos que realmente importam — duração, GPU, padrão de tráfego e custo por token — e entrega uma árvore de decisão acionável para cada cenário.Abrir 