Rocket Close automatizou verificação de direitos de propriedade com IA agentiva da AWS

Rocket Close, uma plataforma para automação de transações imobiliárias, construiu um sistema de agentes de IA chamado Supercharger na AWS. A solução automatiza a verificação de títulos — um dos estágios mais intensivos em documentos e arriscados para o fechamento do negócio.

Problema: Montes de Documentos Antes de Cada Negócio

Antes que uma transação imobiliária possa ser fechada, especialistas em títulos conduzem uma análise legal abrangente da propriedade. Isso inclui examinar registros de todos os proprietários anteriores, registros de hipotecas e penhor, ônus judiciais, dívidas fiscais, servidões e restrições. O histórico de cada propriedade pode se estender por décadas, e os dados geralmente são distribuídos entre registros municipais, regionais e federais.

O processamento manual dessas solicitações requer tempo e alta concentração. Um único registro de ônus não detectado pode bloquear ou invalidar um negócio de milhões de dólares. Conforme o negócio cresce, esse processo esbarra em limitações de recursos humanos: você não pode simplesmente contratar mais especialistas e esperar crescimento linear de produtividade.

Essa é exatamente a tarefa que a Rocket Close abordou ao projetar o Supercharger. O objetivo é automatizar verificações padrão e deixar os especialistas apenas com casos não padrão que exigem julgamento profissional.

Como o Supercharger Funciona

O sistema é construído em uma combinação de vários componentes AWS unificados em uma arquitetura de agentes única:

• Strands Agents — estrutura AWS para orquestração de múltiplos agentes de IA; cada agente se especializa em seu próprio tipo de verificação
• Amazon Bedrock — plataforma para trabalhar com grandes modelos de linguagem; realiza análise semântica de documentos e extração de informações estruturadas
• Amazon Bedrock Knowledge Bases — base de conhecimento vetorial para RAG: os agentes recuperam dinamicamente requisitos regulatórios, modelos legais e precedentes relevantes para a solicitação atual
• Model Context Protocol (MCP) — padrão aberto que permite conectar ferramentas externas e fontes de dados diretamente a modelos de linguagem

No ciclo de trabalho, os agentes recebem uma tarefa, determinam independentemente quais ferramentas e bancos de dados acessar, realizam extração e verificação de informações e retornam um resultado estruturado. Os operadores são envolvidos apenas em casos excepcionais — quando um agente encontra um documento fora de padrões conhecidos ou que requer interpretação legal.

Lições da Equipe Durante a Implementação

A AWS publica o caso da Rocket Close no blog de Machine Learning como um dos primeiros exemplos de Strands Agents aplicados em produção. A equipe compartilha vários insights práticos.

A qualidade da Knowledge Base se mostrou ser o fator determinante. Sem uma base de conhecimento cuidadosamente estruturada e anotada, os agentes perdiam contexto ao trabalhar com formulações legais não padronizadas — terminologia específica de estados individuais, registros desatualizados ou formas atípicas de ônus. A equipe gastou tempo considerável construindo e anotando um corpus de documentos antes que o sistema começasse a entregar consistentemente resultados confiáveis.

O MCP acelerou significativamente a integração com fontes de dados externas. Em vez de escrever conectores customizados para cada registro, a equipe conectou novas fontes através do protocolo padrão, o que reduziu o tempo de desenvolvimento. Entre os resultados comerciais documentados: redução no tempo de processamento de solicitações de títulos, diminuição do ônus operacional de verificações rotineiras e a capacidade de dimensionar a carga de trabalho sem crescimento proporcional da equipe.

O Que Isto Significa

O caso Rocket Close é um exemplo concreto de IA agêntica se movimentando além de empresas de tecnologia e começando a resolver tarefas operacionais em indústrias tradicionais: jurídica, financeira, seguros e imobiliária. A AWS promove ativamente Strands Agents como uma ferramenta pronta para produção, e esse caso se torna uma das primeiras confirmações públicas de sua aplicação no mundo real em um contexto com altos requisitos de precisão e responsabilidade. Se a abordagem se disseminar, operações de títulos poderiam se tornar um caso de uso padrão para automação agêntica no setor imobiliário — com transferência subsequente do padrão para processos adjacentes intensivos em documentos: subscrição de seguros, análise legal de contratos, verificações de conformidade em bancos.