Serviços Pré-Construídos de IA da AWS: Visão, Linguagem, Fala e Conversação

Tudo o que você construiu até agora: pipelines de dados, algoritmos, trabalhos de treinamento, endpoints: era seu: seus dados, seu modelo, sua conta de instância-horas. Esta lição trata da outra metade da superfície do AIF-C01: os serviços onde a AWS já possui o modelo e você aluga a resposta por unidade. Essa única mudança de propriedade muda cada decisão que você toma. Você não sintoniza mais hiperparâmetros; você escolhe a API certa, o conjunto de funcionalidades certo dentro daquela API, e o medidor certo, e o exame testa exatamente isso, porque "qual serviço?" e "quanto custa?" são as duas formas de questão que se repetem em todos os cinco domínios.

Ao final desta lição você será capaz de:

• mapear modalidade para serviço e defender a escolha contra três distratores plausíveis;
• afirmar a unidade de cobrança de cada serviço em escopo e calcular uma fatura mensal a partir dos próprios exemplos resolvidos da AWS;
• recordar os free tiers que diferem em duração: 12 meses para a maioria, 3 meses para o Textract, 60 dias para o Amazon Q Business;
• aplicar a divisão de medição Rekognition Grupo 1 / Grupo 2 e explicar por que duas APIs em uma imagem custam o dobro;
• escolher a combinação correta de API e funcionalidades do Textract para OCR, formulários, tabelas, queries, IDs, despesas e empréstimos;
• defender o mínimo de 1 TPS provisionado do Personalize e a resposta sobre o ciclo de vida do Amazon Forecast;
• separar serviços pré-construídos, construções personalizadas no SageMaker e Amazon Bedrock com o veredito comparativo;
• responder dez questões em formato de exame escritas na voz oficial, incluindo quatro itens de aritmética.

---

1. A paisagem pré-construída: para que cada serviço serve

1.1 Dez serviços, quatro modalidades

O exame AIF-C01 não pede que você memorize nomes de métodos de API. Ele pede que você leia uma descrição de carga de trabalho e nomeie o serviço. Isso é uma tarefa de classificação, e ela começa com uma entrada: o que o cliente está te entregando?

1.2 O que "pré-construído" significa neste exame

Um serviço pré-construído é uma API com um contrato de saída fixo. Você envia um JPEG e recebe de volta rótulos com escores de confiança e caixas delimitadoras; você envia 550 caracteres e recebe de volta entidades com deslocamentos. Você não consegue mudar o vocabulário de rótulos no DetectLabels do Rekognition (é para isso que serve o Rekognition Custom Labels), você não consegue fazer o Comprehend retornar um parágrafo de raciocínio (isso é tarefa de modelo de fundação), e você não consegue perguntar ao Textract o que o documento significa (isso é Queries do Textract para estrutura, ou Comprehend/Bedrock para semântica).

Três consequências impulsionam o exame inteiro:

1. A precificação é por unidade, não por hora: imagens, páginas, caracteres, minutos, requisições, usuários. Nenhuma instância para dimensionar, nenhum endpoint ocioso para esquecer (com uma exceção barulhenta: campanhas do Personalize, seção 8.1).
2. A seleção de funcionalidades dentro de um serviço muda a fatura, o OCR do Textract é $0.0015 por página e os Formulários do Textract são $0.05 por página, um multiplicador de 33× no mesmo documento.
3. Os free tiers não são uniformes: 12 meses para a maioria dos serviços, 3 meses para o Textract, um teste de 60 dias para o Amazon Q Business, e nada para o Personalize.

• 📚 Você sabia? A lista de serviços de IA/ML em escopo do guia de exame AIF-C01 contém 14 serviços: Amazon Augmented AI (A2I), Amazon Bedrock, Amazon Comprehend, Amazon Fraud Detector, Amazon Kendra, Amazon Lex, Amazon Personalize, Amazon Polly, Amazon Q, Amazon Rekognition, Amazon SageMaker, Amazon Textract, Amazon Transcribe e Amazon Translate. Oito dos dez serviços desta lição vêm direto dessa lista, o Amazon Forecast não (é uma questão de ciclo de vida, não de construção), e o Amazon Q foi adicionado em uma revisão posterior do guia junto com Aurora, Bedrock AgentCore, Kiro, Strands Agents, SageMaker JumpStart e AWS Transform. Verifique novamente a lista em escopo atual antes do dia do exame; a lista já mudou e mudará de novo.

---

2. Amazon Rekognition: imagens, vídeos, rostos e moderação

2.1 Dois grupos de API, uma imagem

O Rekognition é o serviço com o medidor mais incompreendido de todo o conjunto pré-construído, e o motivo é histórico. Na redução de preço de 9 de novembro de 2021 a AWS dividiu as APIs de imagem em dois grupos que são medidos separadamente, e essa divisão ainda governa a cobrança em 2026.

A regra que o exame realmente testa: a cobrança de imagem é por imagem, por chamada de API. Execute DetectLabels e depois DetectModerationLabels nas mesmas 2,5 milhões de imagens e você processou 5 milhões de imagens faturadas, não 2,5 milhões. O vídeo se comporta da mesma forma: um minuto de vídeo armazenado analisado pela API de rótulos e pela API de moderação de conteúdo fatura dois minutos, um por API.

2.2 Os medidores

2.3 Limites duros e free tier

2.4 Exemplos resolvidos da AWS

Exemplo 1: 2,5 milhões de imagens de moderação. O próprio exemplo de preços da AWS roda DetectModerationLabels sobre 2.500.000 imagens em um mês:

$$1{,}000{,}000 \times \$0.0010 + 1{,}500{,}000 \times \$0.0008 = \$1{,}000 + \$1{,}200 = \$2{,}200 \text{ per month}$$

Acrescente uma segunda API nas mesmas imagens (digamos DetectText para marcas d'água) e a fatura dobra para $4.400/mês, porque cada API fatura a sua própria contagem de imagens.

Exemplo 2: API de vídeo versus amostragem de quadros. Para um vídeo de 60 segundos:

A lacuna aumenta com a duração: em uma análise de blog da AWS de 4.271 minutos de vídeo, a API de vídeo custou $427.14, enquanto a amostragem de imagens a 2 fps custou $512.57 pelas imagens mais $164.23 pelo Lambda que as amostrou: $676.80 no total. Abaixo de cerca de um minuto as duas ficam próximas; acima disso, a API de vídeo vence no preço e retorna timestamps, limites de cena e rastreamento de pessoas que a amostragem de quadros não consegue.

• 📚 Você sabia? O medidor de metadados de rosto tem duas grafias oficiais do mesmo número: a página de preços diz $0.00001 por rosto por mês e o FAQ diz $0.01 per 1,000 face vectors per month. Elas são idênticas ($0.01 ÷ 1.000 = $0.00001). As opções do exame adoram apresentar uma como desconto da outra: elas são o mesmo preço, e ambas são armazenamento: uma coleção de 500.000 rostos custa $5.00/mês quer você a busque quer não.

---

3. Amazon Comprehend: o que o texto está dizendo

3.1 A unidade e o mínimo

O Comprehend mede em unidades de 100 caracteres com um mínimo de 3 unidades (300 caracteres) por requisição. A taxa padrão nos exemplos resolvidos da AWS é $0.0001 por unidade, o que é $1.00 por 1.000.000 de caracteres.

O mínimo é onde os candidatos perdem pontos fáceis. Um tweet de 120 caracteres é uma unidade de conteúdo real, mas é faturado como 3 unidades = $0.0003. Um chamado de suporte de 600 caracteres é faturado como 6 unidades = $0.0006. Requisições em lote são iguais: você paga pelo que envia, arredondado para cima por requisição.

Exemplo resolvido: chamados de suporte. 10.000 chamados de 550 caracteres cada: 550 ÷ 100 = 5,5 → 6 unidades por requisição → 10.000 × 6 = 60.000 unidades × $0.0001 = $6.00 por mês. Note o que esse número ensina: neste volume o Comprehend é efetivamente gratuito, e é exatamente por isso que o exame o pareia com uma questão de seleção de funcionalidades em vez de uma questão de custo.

3.2 O que a superfície da API inclui

3.3 Comprehend personalizado: onde o medidor muda

3.4 Limites que valem a pena memorizar

• 📚 Você sabia? A classificação de segurança de prompt do Comprehend é a ponte entre esta lição e o Bedrock: a AWS a adicionou para que você possa filtrar um prompt do usuário quanto a conteúdo prejudicial antes que ele chegue a um modelo de fundação. No exame, uma questão sobre "filtrar uma entrada antes da geração" tem duas respostas que parecem válidas e apenas uma é correta, o Comprehend classifica e pontua o texto; os Bedrock Guardrails aplicam políticas no momento da geração. Leia com cuidado em que lado da chamada a questão coloca você.

---

4. Amazon Textract: estrutura a partir de documentos

4.1 Cinco APIs, um interruptor de funcionalidade

O Textract expõe cinco APIs: Detect Document Text, Analyze Document, Analyze Expense, Analyze ID e Analyze Lending. Apenas o Analyze Document carrega tipos de funcionalidade, Forms, Tables, Queries, Custom Queries, Signatures e Layout, e eles são combináveis em uma única chamada, precificados por página por funcionalidade habilitada.

4.2 A escada de preços (us-west-2, primeiras 1M de páginas por mês)

Dois fatos saem dessa tabela. Primeiro, habilitar Formulários multiplica a fatura de OCR por 33×. Segundo, Formulários + Tabelas + Queries a $0.070 é cerca de 47× o OCR puro: é por isso que o exame adora a questão "quais funcionalidades a carga de trabalho realmente precisa?".

4.3 Queries: precificadas por página, não por resposta

Queries permitem que você faça perguntas em linguagem natural a um documento, "Qual é o número da conta?", e receba de volta respostas com coordenadas de página. Os limites são 15 queries por página de forma síncrona e 30 por página de forma assíncrona, e a regra crítica de precificação é que você é cobrado por página independentemente de quantas respostas voltam. Fazer uma pergunta ou quinze perguntas na mesma página custa o mesmo. Fazer a mesma pergunta a 100.000 páginas custa 100.000 × $0.015.

4.4 Free tier: três meses, não doze

A contagem de páginas é simples e deliberadamente amigável ao exame: uma imagem (PNG, TIFF ou JPEG) é uma página, e cada página de um PDF é uma página.

Exemplo resolvido, seleção de funcionalidades. OCR de 100.000 páginas custa $150. Formulários + Tabelas em 5.000 páginas custa 5.000 × ($0.05 + $0.015) = $325. O segundo trabalho toca 20× menos páginas e custa 2.2× mais, $0.065 por página contra $0.0015, uma diferença de unidade de 43×. A lição não é "evite Formulários"; é "habilite apenas as funcionalidades que você vai ler".

---

5. Amazon Translate: tradução automática em alto volume

5.1 Taxas

Os caracteres incluem espaços, então você não consegue trapacear o medidor removendo espaço em branco.

5.2 Free tier

• 2.000.000 de caracteres por mês por 12 meses para tradução padrão e em lote;
• Active Custom Translation: 500.000 caracteres por mês por 2 meses;
• Nenhum free tier para tradução de documento em tempo real.

5.3 O que você não é cobrado

O FAQ da AWS traça uma linha incomumente precisa: você não é cobrado quando o idioma de origem é igual ao idioma de destino, e você não é cobrado quando a chamada retorna erro e nenhuma tradução. Você é cobrado por conteúdo não traduzível que ainda produz saída. Na prática isso significa que um loop mal configurado que "traduz" inglês para inglês é gratuito, e também que o exame pode perguntar sobre exceções de cobrança sem nenhuma aritmética.

5.4 Terminologia personalizada

A terminologia personalizada é como você fixa nomes de marca, códigos de produto e termos legais. Seus limites são todo material de exame citável:

Exemplo resolvido: localizando um manual. 100 páginas × 20.000 caracteres = 2.000.000 de caracteres:

---

6. Amazon Polly e Amazon Transcribe: a dupla da fala

Polly e Transcribe são as duas metades do mesmo problema, e o gosta de colocá-las na mesma lista de opções para ver se você sabe para qual direção o áudio flui.

6.1 Amazon Polly: texto para fala

A regra da cobrança dupla: Speech e Speech Marks são requisições faturadas separadas. Solicitar ambos para os mesmos 1.000 caracteres fatura 2.000 caracteres. As marcas de fala são o que um player da web usa para destacar palavras em sincronia com o áudio, então o padrão é comum em eLearning, e ele dobra a linha do Polly na fatura.

Exemplo resolvido: um milhão de caracteres:

O Polly é cobrado por caractere, nunca por requisição: uma opção que diz "por requisição de síntese" é um distrator.

6.2 Amazon Transcribe: fala para texto

O Transcribe cobra em incrementos de 1 segundo sem mínimo, o que é incomum e vale a pena memorizar por si só: um clipe de 3 segundos custa três segundos, não um minuto arredondado.

O que está incluído versus o que custa extra:

Duas regras estruturais: áudio estéreo fatura a duração total uma vez, não por canal, e o Call Analytics retorna campos de insight, tempo de fala, interrupções, não-fala, sentimento por participante, que a transcrição simples não retorna.

Exemplo resolvido: um call center de 200.000 chamadas. 200.000 chamadas × 10 minutos = 2.000.000 de minutos de análise pós-chamada:

$$250{,}000 \times \$0.0300 + 750{,}000 \times \$0.0186 + 1{,}000{,}000 \times \$0.0138 = \$7{,}500 + \$13{,}950 + \$13{,}800 = \$35{,}250 \text{ per month}$$

Limites e free tier:

• 📚 Você sabia? O free tier de 5 milhões de caracteres do Polly Standard é o único número na página de preços da AWS que omite o qualificador "primeiros 12 meses" usado para Neural, Long-Form e Generative, enquanto páginas de terceiros chamam com confiança de "sempre gratuito". Não construa uma resposta sobre isso: memorize a página como ela está, e trate qualquer afirmação de um free tier permanentemente gratuito do Polly como não verificada. A mesma disciplina se aplica às taxas de streaming do Lex, que circulam em calculadoras de terceiros, mas não estão no próprio excerto de preços da AWS, os números do Lex publicados pela AWS são $0.004 fala e $0.00075 texto.

---

7. Amazon Lex: intenções, slots e o medidor por requisição

7.1 A fatura

Exemplo resolvido da AWS: 8.000 requisições de fala + 2.000 requisições de texto = 8.000 × $0.004 + 2.000 ×$0.00075 = $32.00 + $1.50 = $33.50 por mês.

7.2 O que conta como uma requisição

• Cada entrada do usuário é uma requisição faturada. Cinco mensagens digitadas em uma conversa são cinco requisições.
• Em uma conversa em streaming, todas as voltas andam em uma única chamada de API, o Lex V2 transmite sobre HTTP/2, e a troca inteira é uma única chamada faturável em vez de cinco.
• A entrada de fala é limitada a 15 segundos por requisição.
• As respostas carregam escores de confiança do NLU, sentimento e um campo interpretationSource de valor Bedrock ou Lex: a dica do exame de que o Lex pode ser sustentado por um modelo de fundação para o significado generativo enquanto ainda retorna uma intenção estruturada.

7.3 Free tier

10.000 requisições de texto + 5.000 de fala por mês no primeiro ano.

7.4 Onde o Lex para

O Lex responde "o que o usuário quis dizer?": intenção, slots, estado da sessão, estado do fulfillment. Ele não responde perguntas abertas sobre conteúdo corporativo, e ele não gera prosa. Essa fronteira é o conjunto de distratores mais comum desta lição: Q Business para respostas com permissões sobre dados da empresa, Bedrock para geração aberta, Lex para roteamento estruturado de intenção para um Lambda.

---

8. Amazon Personalize e Amazon Forecast

8.1 Personalize: o medidor com um piso

A armadilha: throughput provisionado mínimo. Por padrão toda campanha ativa deve manter pelo menos 1 transação por segundo (TPS) provisionada, e a AWS afirma de forma direta que o mínimo se aplica "mesmo que você não faça nenhuma requisição": você é cobrado no maior entre o mínimo e o TPS real.

A aritmética é brutal e o próprio Knowledge Center da AWS a publica: 1 TPS mantido por um dia é

$$1 \times 24 \times 60 \times 60 = 86{,}400 \text{ billed recommendations per day}$$

o qual a $0.0556 por 1.000 equivale a cerca de $144 por mês para uma campanha que ninguém está chamando (cerca de 2,59 milhões de recomendações por mês). A resposta operacional é curta: apague campanhas ociosas.

8.2 Amazon Forecast: uma questão de ciclo de vida, não de construção

---

9. Amazon Q: a resposta por usuário

O Amazon Q está explicitamente em escopo para o AIF-C01, e é o único serviço desta lição precificado por usuário por mês em vez de por unidade de trabalho. Essa diferença é a questão inteira.

Três leituras que o exame testa:

1. O Q Business é RAG corporativo com permissões. Ele responde perguntas sobre seus conectores (S3, Confluence, Salesforce e dezenas mais) com as permissões de cada usuário respeitadas, e ele cita as fontes. Esse é um produto diferente de "um chatbot público anônimo".
2. O teste é de 60 dias, não de 12 meses, o período gratuito mais curto desta lição, e o que os candidatos mais confundem com o free tier da AWS de 12 meses.
3. O excesso do Q Developer Pro é por linha de código, a $0.003/LOC acima dos 4.000 LOC/mês compartilhados: um medidor que ninguém espera, e portanto favorito para uma opção numérica.

---

10. Qual serviço de IA? A árvore de decisão

Tudo acima colapsa em um diagrama. Leia a entrada primeiro, depois a intenção, depois o medidor: essa ordem é exatamente como o exame escreve suas opções.

Pratique o mapeamento até que ele seja automático:

• 📚 Você sabia? As respostas do Amazon Lex V2 carregam um campo interpretationSource que pode ler Bedrock em vez de Lex, o NLU do bot pode ser sustentado por um modelo de fundação enquanto a resposta permanece uma intenção estruturada com slots e confiança. É por isso que "use Bedrock em vez de Lex" é um distrator parcialmente errado: o Bedrock te dá geração e raciocínio, o Lex te dá a máquina de estados da conversa, a sessão, os hooks de fulfillment e o medidor por requisição com o qual o call center é orçado.

---

11. Free tiers, limites e os números que você deve memorizar

11.1 Free tier: memorize os valores atípicos

As três durações são o presente do exame: 12 meses para quase tudo, 3 meses para o Textract, 60 dias para o Q Business.

11.2 Limites duros que valem a pena memorizar

11.3 Exemplos resolvidos da AWS, todos em uma tabela

11.4 Entrada dentro, saída fora

• 📚 Você sabia? Dois serviços desta lição não cobram você quando nada acontece: o Translate não cobra uma chamada cujo idioma de origem é igual ao de destino ou que retorna erro sem retornar tradução: enquanto o mínimo de 300 caracteres do Comprehend significa que uma requisição de 40 caracteres custa o mesmo que uma de 300. O exame adora parear uma regra de "sem cobrança" com uma regra de "cobrança mínima" na mesma lista de opções para ver se você está recordando um serviço específico ou apenas a vibe geral da precificação por unidade.

---

12. Veredito comparativo

---

13. Armadilhas do exame para esta lição

---

Acompanhamento do ciclo de vida do serviço

A AWS aposenta e renomeia serviços de IA em um cronograma publicado, e parte deste exame é distinguir um anúncio de manutenção de um desligamento. O vocabulário vem do AWS General Reference (Service Lifecycle, atualizado pela última vez em 24 de setembro de 2026) e é o mesmo vocabulário que a seção 8.2 já usou para o Amazon Forecast:

• Maintenance: fechado para novos clientes e para funcionalidades novas, mas ainda suportado para clientes existentes;
• Sunset: um fim planejado de operações, tipicamente anunciado com cerca de 12 meses de antecedência;
• Full Shutdown, o serviço é removido do portfólio da AWS inteiramente.

Atualizações de 2026 (em outubro de 2026)

Cada linha abaixo é verificada contra uma página de mudança de disponibilidade da AWS, uma publicação do What's New da AWS, um blog da AWS ou o guia de exame AIF-C01. Nada aqui vem de um rastreador de terceiros.

O próprio exame mudou ao mesmo tempo. A AWS publicou o guia de exame v1.0 em 26 de março de 2026 e v1.1 em 30 de abril de 2026, e afirma que mudanças no guia aparecem no exame ativo cerca de um mês após a publicação:

Duas das respostas desta lição ganharam portanto uma irmã de 2026: Forecast → SageMaker Canvas (fechado em 29/07/2024) e agora Kendra → Bedrock Managed Knowledge Base (fechado em 30/07/2026). Ambas são questões de ciclo de vida, não de construção, o exame quer o par (novos clientes → substituto, clientes existentes → continuar rodando, sem funcionalidades novas).

• 📚 Você sabia? A logística do exame não mudou enquanto o conteúdo mudou: o AIF-C01 ainda é 65 questões (50 avaliadas + 15 não avaliadas) em 90 minutos por USD 100, nota de aprovação 700/1000, válido por 3 anos: mas as versões em italiano e alemão foram aposentadas após 15 de outubro de 2026. A AWS também diz que atualizações do guia chegam ao exame ativo cerca de um mês após a publicação, então os novos objetivos do v1.1: IA agêntica com MCP, engenharia de contexto, precificação baseada em tokens, versionamento de prompts e fundamentação de alucinação: foram examináveis a partir de cerca de fins de maio de 2026.

---

Casos Reais

As tabelas de preços dizem quanto um serviço custa; as histórias publicadas de clientes da AWS dizem quando recorrer a ele. Todo número abaixo é citado do estudo de caso da AWS ou da publicação do AWS Machine Learning Blog nomeada na coluna Fonte. Todos eles são alegações do cliente ou da AWS e não auditados, e onde uma fonte diz "de até", trate-o como um teto, não como uma expectativa.

Caso 1, Anthem: primeiro o Textract pré-construído, humanos para a cauda

A extração de formulários de reivindicação da Anthem custava supostamente milhões de dólares por ano e levava 20 minutos por reivindicação quando tratada manualmente. A arquitetura publicada pela AWS roteia documentos do portal pelo OCR do Amazon Textract mais uma etapa de índice/classificação de ML. O resultado relatado: 80% do fluxo automatizado, com uma meta de 90%+, em milhares de reivindicações por dia. A parte relevante para o exame é o que acontece com o resto: uma tarefa regulada de extração estruturada com uma API pré-construída correspondente recebe o serviço pré-construído primeiro, e os 10 to 20% restantes de casos difíceis vão para um caminho de exceção humana: que é exatamente o que o Amazon A2I existe para gerenciar. Fonte: aws.amazon.com/solutions/case-studies/anthem (sessão do re:Invent 2020).

Caso 2, Chronomics: quatro meses de visão faça você mesmo → 3 to 4 semanas de AutoML

A Chronomics gastou 4 meses construindo um modelo de visão computacional interno para ler resultados de testes de COVID-19 e nunca atingiu sua meta. A troca para o Amazon Rekognition Custom Labels foi entregue em 3 to 4 semanas com 96,5% de precisão / F1 de 97,9%, pontuada com DetectCustomLabels. A aritmética do limiar é o detalhe relevante para o exame: a um limiar de 0,99, previsões aceitas são 99,6% corretas, mas 5% das previsões são descartadas; a 0,999, a precisão sobe para 99,87% enquanto 27% são descartados. Alguém precisa decidir o que acontece com a cauda descartada, a resposta de revisão humana/A2I, antes que o limiar seja definido. Fonte: AWS Machine Learning Blog, 13 de dezembro de 2022, aws.amazon.com/blogs/machine-learning/chronomics-detects-covid-19-test-results-with-amazon-rekognition-custom-labels.

Caso 3, Sun Finance: a armadilha do OCR só com LLM, e a correção

Sun Finance (fintech de empréstimos em 9 países) tinha 60% das solicitações de microcrédito exigindo revisão manual, cada uma levando de 10 minutos a 20 horas. Tentativa 1: enviar fotos de ID direto ao Claude Sonnet 4 para extração JSON: pontuou 61,8% no geral e apenas 43% em números de ID, e foi rejeitada, porque proteções de privacidade bloqueiam extração direta de PII. Tentativa 2, construída com o AWS Generative AI Innovation Center, separa as etapas: Textract para OCR → Rekognition como fallback e checagens de rosto → o modelo de fundação apenas para estruturação → regras de validação, com Titan Multimodal Embeddings em S3 Vectors para similaridade de fraude, avaliado em 585 imagens. Resultados: precisão geral 79,73% → 90,80% (número de ID 74,32% → 89,40%, tipo de documento 78,43% → 96,40%), −91% de custo por documento, 20 horas → menos de 5 segundos, detecção de fraude em 81%. Ângulo do exame: OCR não é raciocínio: a API pré-construída determinística lê os caracteres, e o modelo apenas redige a resposta. Fonte: AWS Machine Learning Blog, 30 de abril de 2026, aws.amazon.com/blogs/machine-learning/sun-finance-automates-id-extraction-and-fraud-detection-with-generative-ai-on-aws.

Caso 4, Alnylam: Amazon Q Business com citações sob GxP

A triagem de reclamações da Alnylam Pharmaceuticals levava 3 to 4 dias, e encontrar uma resposta interna levava 15+ minutos. Usando Amazon Bedrock, Amazon S3 e Amazon Q Business, a equipe construiu um protótipo de intake-e-triagem em 3 meses sob restrições GxP, mais o AskALNY, um assistente de Slack servindo 2.000 funcionários e 1.000 contratados que retorna respostas com links de fonte. Resultados relatados: triagem caiu de 3 to 4 dias para horas, busca de informação de 15 minutos para 30 segundos, e 250+ casos de uso seguiram os dois primeiros. Ângulo do exame: "respostas com permissões sobre dados da empresa, com citações" é o Amazon Q Business a $3 Lite / $20 Pro por usuário por mês: não Lex (roteamento de intenção para um Lambda) e não uma chamada crua do Bedrock (sem camada de conector ou permissões). Fonte: aws.amazon.com/solutions/case-studies/alnylam-case-study.

• 📚 Você sabia? A única taxa de prontidão para produção que a AWS publica é 65%: de mais de 1.000 implementações do Generative AI Innovation Center, 65% chegaram à produção em 2025, algumas em apenas 45 dias, usando o framework Five V's da AWS (Value → Visualize → Validate → Verify → Venture). Nunca memorize "todo piloto tem sucesso": os outros 35% é o número que te ensina a baselinear a métrica antes de construir, e a planejar um caminho humano para o que o modelo erra.

---

Perguntas de Prática (Practice Questions)

---