AWS criou o NarrateAI — um assistente para análise de negócios baseado em Amazon Bedrock AgentCore

A AWS apresentou a arquitetura do NarrateAI — um assistente conversacional baseado em Amazon Bedrock AgentCore que ajuda a divisão SMGS (Sales, Marketing and Global Services) a escalar a análise de negócios. O sistema combina processamento em lote e interação em tempo real para entregar insights em escala organizacional.

Arquitetura de duas camadas

O NarrateAI é construído na divisão do processamento em duas camadas independentes. A primeira camada executa tarefas em lote: preparação de dados, cálculo de métricas, cache de resultados. Isso fornece alta taxa de transferência e economiza recursos computacionais.

A camada em lote opera de forma assíncrona, paralelizando o processamento de grandes conjuntos de dados. A segunda camada processa solicitações em tempo real dos usuários: interação conversacional, roteamento para agentes apropriados, validação de dados de entrada. Ela é responsável pela latência e qualidade da resposta no momento da consulta.

Amazon Bedrock AgentCore permite gerenciar de forma mais eficiente a orquestração entre camadas e a execução paralela de agentes especializados. Essa divisão é fundamental para escalar: a camada em lote lida com o crescimento do volume de dados, a camada em tempo real mantém a latência sob controle e não bloqueia computações longas.

Agentes especializados

Em vez de um assistente monolítico, a AWS usa uma rede de agentes especializados, cada um com sua própria área de responsabilidade. O agente de validação verifica a correção e completude da solicitação de entrada antes de transmiti-la para o pipeline principal. O agente de roteamento determina para qual divisão SMGS (vendas, marketing, serviços globais) encaminhar a solicitação, considerando o contexto. Os agentes de conhecimento fornecem contexto específico de cada divisão: métricas, tendências históricas, processos internos. O agente de síntese combina respostas de diferentes fontes em uma recomendação coerente que o usuário vê. Essa arquitetura reduz a taxa de erros, aumenta a relevância das respostas, simplifica a adição de novos agentes e facilita a depuração.

Padrões de engenharia para produção

A AWS destaca várias práticas que permitiram implantar o NarrateAI em escala:

• Graceful degradation — se um agente estiver indisponível, o sistema oferece uma resposta alternativa em vez de um erro
• Rastreamento de custo — cada agente rastreia o custo do processamento, o sistema otimiza as rotas
• Observabilidade na cadeia de agentes — logging, rastreamento, monitoramento de latência em cada nó
• Rate limiting e priorização — a camada em lote não bloqueia solicitações em tempo real, as filas são separadas
• Cache de respostas de agentes para solicitações frequentes

Esses padrões ajudaram a AWS a alcançar alta confiabilidade e comportamento previsível em produção.

O que isso significa

O artigo mostra que sistemas de IA com qualidade de produção requerem não apenas LLMs, mas também uma arquitetura que lida com escala, latência e confiabilidade. Agentes especializados, processamento de duas camadas, graceful degradation — essas são práticas que outras empresas podem aplicar com Amazon Bedrock. Para desenvolvedores, isso significa que a orquestração de IA se torna uma camada separada entre LLMs e a lógica de negócios.