AWS abre 23 componentes prontos para GenAI: DoorDash e Ricoh reduziram em 90% as horas de desenvolvimento

Qualquer equipe que já construiu um assistente de IA corporativo conhece essa história. Primeiro uma semana no pipeline RAG, depois a análise de PDFs, depois a estrutura do agente, depois a avaliação de qualidade. Dezenas de outras equipes já escreveram tudo isso, e a tarefa real do cliente só recebe atenção alguns meses depois. A AWS propõe acabar com isso: o Generative AI Innovation Center, agora parte da AWS Frontier AI Engineering & Services, reuniu um catálogo de 23 componentes abertos.

Por que as equipes reescrevem a mesma coisa

A AWS aponta três motivos. Primeiro, não existe um lugar único onde tudo esteja: o código está espalhado por repositórios, wikis e discos, e é difícil encontrar o que já está pronto. Segundo, não há sinal de qualidade: não está claro se o componente passou por verificação de segurança e se é mantido, então é mais fácil escrever o próprio. Terceiro, não há cultura de reaproveitamento: o que uma equipe fez fica com ela.

A AWS lembra ainda que até o código gerado por IA precisa ser levado ao nível de produção: verificar a segurança, testar sob carga e manter. Os componentes prontos já passaram por esse trabalho.

O que há dentro e quem usa

O catálogo é dividido em quatro grupos: processamento de documentos, contact centers e voz, agentes e chatbots, e RAG e bases de conhecimento. Há também itens avulsos interessantes: fine-tuning do reranker BGE, cache semântico persistente no Amazon MemoryDB, um fluxo agêntico para migrar código de C para Java e um framework para migração entre LLMs.

Os principais casos, segundo a própria AWS:

• A DoorDash construiu um contact center de autoatendimento por voz com o Contact Center GenAI Agent. Declara mais de 100 000 chamadas por dia, latência de resposta de 2,5 segundos, aumento de 50 vezes na capacidade de testes e redução de 50% no desenvolvimento com o uso do Amazon Bedrock. Chegou aos testes ao vivo em dois meses.
• A Lyft usou o mesmo componente para IA agêntica voltada a motoristas e passageiros.
• A Ricoh construiu, com base no GenAI IDP Accelerator, um processamento de documentos multitenant para seguradoras de saúde. A vazão cresceu de 10 000 para 70 000 documentos por mês, o esforço de implantação caiu de 80 horas para menos de 5, e o onboarding de clientes diminuiu de 4–6 semanas para 2–3 dias.

Dois novos templates para agentes

O Fullstack AgentCore Solution Template (FAST) implanta, em menos de 30 minutos e via infraestrutura como código, um frontend React seguro conectado ao Amazon Bedrock AgentCore. Inclui integrações com Memory, Gateway, Code Interpreter e Observability, e a autenticação é feita pelo Amazon Cognito. Os componentes são substituíveis: o provedor de identidade, o framework de frontend, a hospedagem ou o framework de agentes.

O Agentic Chatbot Accelerator é construído sobre Strands Agents e AgentCore e é implantado via AWS CDK, com padrões prontos de autenticação, hospedagem e escalabilidade.

Como é a implantação

Tomando o Contact Center GenAI Agent como exemplo, o processo é este: clonar o repositório, implantar duas stacks do CloudFormation (a base de conhecimento e a solução RAG), conectar os fluxos prontos do Amazon Connect e verificar tudo por meio de notebooks Jupyter. Segundo a AWS, leva menos de uma hora. O pacote inclui um dashboard do Quick Sight para análise das conversas e o Bedrock Guardrails para filtragem de conteúdo e proteção contra alucinações. É necessário acesso ao Claude Sonnet e ao Haiku no Bedrock. Após os experimentos, as stacks devem ser removidas na ordem inversa para não pagar por recursos ociosos.

Limitações e conclusão prática

Convém olhar os números com cautela: trata-se de um post de marketing da AWS, e os resultados vêm de casos da própria empresa. Quase todos os componentes são voltados ao ecossistema AWS: Bedrock, Connect, CloudFormation, CDK. Se você não usa AWS, a portabilidade será limitada, embora os padrões e as arquiteturas continuem úteis como referência.

O que fazer na prática. Se você está construindo um contact center, processamento de documentos ou uma aplicação agêntica na AWS, consulte primeiro o catálogo no GitHub e no AWS Labs, em vez de abrir um arquivo vazio. Avalie cada componente pela atividade do repositório, pela documentação e pela segurança. Mesmo que você não adote o código por inteiro, as arquiteturas da DoorDash e da Ricoh oferecem uma boa referência de quanto realmente se pode economizar na rotina de infraestrutura e para onde vale direcionar o esforço: dados, prompts e lógica de negócio.