Amazon Bedrock aprendeu a calcular sobre planilhas Excel inteiras, e não sobre trechos recuperados pela busca
O RAG comum divide a tabela em pedaços, e o modelo enxerga apenas algumas linhas, por isso as somas saem incompletas. A Amazon Bedrock Managed Knowledge Base recebeu a busca tabular: um código executado em um sandbox sem rede lê o arquivo CSV ou Excel inteiro. No exemplo, o código encontrou uma unidade com estouro de 124.559,90 dólares e citou a política da empresa. Para perguntas do tipo "regra do documento mais cálculo sobre a tabela", agora basta uma única consulta.
Processado por IA de AWS Machine Learning Blog; editado por Hamidun News
Imagine uma equipe financeira no fim do trimestre. Ela precisa descobrir quais departamentos devem apresentar uma explicação para os desvios em relação ao orçamento. A resposta não está em nenhum arquivo: o limite de desvio está registrado na política, os orçamentos revisados estão no memorando de fechamento do trimestre, e os números propriamente ditos ficam escondidos em uma pasta de trabalho Excel com receitas e despesas. A busca comum em documentos não resolve bem uma tarefa assim. A AWS acrescentou à Amazon Bedrock Managed Knowledge Base o recurso tabular search, que preenche justamente essa lacuna entre texto e tabelas.
Por que as tabelas quebram o RAG comum
O RAG retorna um número fixo de trechos que melhor correspondem à pergunta. Para textos corridos, isso funciona. Para tabelas, o problema é maior: quando o arquivo é fragmentado, parte da informação se perde.
Se a tabela é longa, com milhares de linhas, a busca devolve apenas alguns fragmentos. Uma soma final, uma comparação ou a verificação de um limite são então calculadas com um punhado de linhas e saem incompletas. Se a tabela é larga, com centenas de colunas, uma linha pode não caber em um fragmento ou na janela do modelo de busca. Valores das colunas mais distantes são encontrados com menos eficiência, e fragmentos longos passam a corresponder a perguntas alheias e acabam substituindo os úteis.
Há ainda um problema de correspondência. As pessoas perguntam sobre "despesas controláveis", enquanto a tabela traz códigos de centros de custo e nomes de contas. O rascunho e a versão final da pasta de trabalho parecem quase idênticos para a busca. E a regra que dá sentido aos números costuma estar em um PDF separado.
Como funciona
A busca tabular divide o trabalho em duas partes. A busca precisa encontrar apenas um fragmento do arquivo tabular correto, e depois o código lê a tabela inteira. Não é preciso ativar nada: o recurso está integrado à busca agêntica, ou seja, à requisição AgenticRetrieveStream.
A consulta passa por várias etapas:
- a busca retorna fragmentos, entre os quais há um trecho de um CSV, XLSX ou XLS;
- o agente, com base na pergunta e na estrutura da tabela, decide se deve executar código;
- o arquivo original é copiado para um sandbox isolado, sem acesso à rede;
- o código escrito pelo modelo calcula sobre toda a tabela ou planilha;
- o agente recebe apenas o resultado impresso, como somas ou linhas que atendem ao critério;
- a resposta é montada a partir do resultado do cálculo e dos trechos dos documentos, com links para as fontes.
No exemplo da AWS, a empresa AnyCompany Retail pergunta qual centro de custo teve o maior estouro em despesas controláveis no segundo trimestre, conforme a política financeira. Do PDF, o agente extrai a definição: entram contratados, viagens, software e programas de marketing, mas não entram salários e aluguel. Das tabelas, o código lê todas as linhas das planilhas Actuals e Budget, filtra-as pelo trimestre e pelas quatro contas e compara os centros de custo.
O resultado: o centro CC-3010 (Platform) excedeu o orçamento em 124.559,90 dólares, com gasto de 394.859,90 contra um plano de 270.
300,00. A revisão de negócios explica a causa: contratados para a migração da plataforma de dados. Se fossem consideradas todas as despesas operacionais, e não apenas as controláveis, o número seria 133.
434,05.
O rastreamento também é útil. No fluxo de eventos é possível ver qual arquivo o código leu: o evento Planning lista os documentos, em seguida aparecem CodeExecution com status IN_PROGRESS e SUCCEEDED. Isso ajuda a confirmar que o agente usou a pasta de trabalho final, e não um rascunho. Os links da resposta apontam para os fragmentos utilizados, por isso a própria tabela pode não aparecer nas citações, mas estará no rastreamento.
Limitações e o que fazer
O recurso não substitui o BI. A execução de código adiciona pelo menos uma etapa ao agente, por isso respostas com dados tabulares chegam mais devagar do que as textuais. Métricas validadas, painéis regulares, joins em escala de data warehouse e controle de relatórios continuam sendo tarefas para ferramentas de BI. Além disso, a busca ainda precisa localizar primeiro o arquivo certo, por isso é melhor citar o nome da pasta de trabalho diretamente na pergunta.
Há também requisitos práticos. A conta que faz a chamada precisa das permissões bedrock:AgenticRetrieveStream, bedrock:Retrieve e bedrock:GetDocumentContent, porque o agente lê o arquivo original com os direitos dela. Após a primeira sincronização, verifique se os fragmentos tabulares têm tipo de arquivo CSV ou MS_EXCEL, caso contrário a busca tabular não será acionada. A chamada Retrieve comum continua retornando apenas fragmentos e não executa código, assim como o modo com generateResponse=false.
Para desenvolvedores, a conclusão é direta. Se o seu assistente responde perguntas em que a regra está em um documento e os números estão em exportações e pastas de trabalho, não é preciso montar um esquema previamente nem carregar os arquivos em um data warehouse. Deixe as tabelas ao lado dos PDFs no S3 ou no SharePoint, formule as perguntas citando o nome do arquivo e confira o rastreamento. Para perguntas analíticas pontuais sobre arquivos de trabalho, isso pode bastar. Tudo o que precisa ser calculado de forma regular e com garantias continua no BI.
- 22 de nov. de 2026AWS Quick ganhou conector para o Meta Ads: campanhas e relatórios por comando de texto
- 22 de nov. de 2026Projeto paralelo do LangChain virou startup avaliada em US$ 3 bilhões e captou US$ 300 milhões
- 21 de nov. de 2026A Amazon liberou o agente de IA AWS Quick com Claude de graça; o plano pago Plus custa US$ 25 por mês
- 21 de nov. de 2026Anthropic fechou a primeira semana na bolsa com valuation de US$ 1,6 trilhão, mas caiu 8,5% em um único dia
Perguntas frequentes sobre a notícia
Por que as tabelas quebram o RAG comum?
O RAG retorna um número fixo de trechos que melhor correspondem à pergunta. Para textos corridos, isso funciona. Para tabelas, o problema é maior: quando o arquivo é fragmentado, parte da informação se perde. Se a tabela é longa, com milhares de linhas, a busca devolve apenas alguns fragmentos. Uma soma final, uma comparação ou a verificação de um limite são então calculadas com um punhado de linhas e saem incompletas.
Como funciona?
A busca tabular divide o trabalho em duas partes. A busca precisa encontrar apenas um fragmento do arquivo tabular correto, e depois o código lê a tabela inteira. Não é preciso ativar nada: o recurso está integrado à busca agêntica, ou seja, à requisição AgenticRetrieveStream.
O que se sabe sobre Limitações e o que fazer?
O recurso não substitui o BI. A execução de código adiciona pelo menos uma etapa ao agente, por isso respostas com dados tabulares chegam mais devagar do que as textuais. Métricas validadas, painéis regulares, joins em escala de data warehouse e controle de relatórios continuam sendo tarefas para ferramentas de BI. Além disso, a busca ainda precisa localizar primeiro o arquivo certo, por isso é melhor citar o nome da pasta de trabalho diretamente na pergunta. Há também requisitos práticos.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.