Rocket Close acelera em 15 vezes o processamento de documentos de financiamento imobiliário com a AWS

Em parceria com a AWS, a Rocket Close automatizou uma das etapas mais pesadas do financiamento imobiliário: a análise de documentos. A combinação de Amazon Textract e Amazon Bedrock deixou o processamento 15 vezes mais rápido e alcançou cerca de 90% de precisão geral em segmentação, classificação e extração de campos. O caso mostra uma GenAI que fica longe da vitrine e gera economia operacional real.

Processado por IA de AWS Machine Learning Blog; editado por Hamidun News
Rocket Close acelera em 15 vezes o processamento de documentos de financiamento imobiliário com a AWS
Fonte: AWS Machine Learning Blog. Colagem: Hamidun News.
Ouvir artigo

A Rocket Close mostrou que até o trecho mais pesado do financiamento imobiliário, a análise de documentos, pode ser acelerado de forma radical com a combinação de OCR e modelos generativos. Junto com o AWS Generative AI Innovation Center, a empresa montou um sistema baseado em Amazon Textract e Amazon Bedrock que deixou o processamento 15 vezes mais rápido e elevou a precisão combinada de segmentação, classificação e extração de campos para cerca de 90%.

Para o setor de financiamento imobiliário, a melhoria vai além do cosmético. Um único pacote pode reunir formulários de cadastro, extratos, comprovantes de renda, formulários de divulgação de informações e outros documentos, enviados como digitalizações, PDFs e fotos. Cada um tem estrutura, qualidade e formato de preenchimento diferentes. Por isso, boa parte do tempo vai para localizar as páginas certas, reconhecer o texto e transferir os dados-chave para os sistemas de trabalho, e não para a tomada de decisão. É justamente nessa etapa que atrasos e erros manuais costumam se acumular.

A solução da Rocket Close divide a tarefa em etapas bem definidas. O Amazon Textract cuida do OCR: extrai texto e estrutura dos documentos, incluindo tabelas, formulários e digitalizações de baixa qualidade. Em seguida, o Amazon Bedrock aciona foundation models para a lógica mais complexa. Ler a página não basta: é preciso entender que documento é aquele, a qual pacote pertence, onde começa uma nova seção e quais campos realmente importam para o processamento seguinte. Com essa stack, um fluxo de arquivos heterogêneos vira um processo mais previsível e legível por máquina.

O ponto central vai além da velocidade e envolve o nível de automação. O ganho declarado de 15x no tempo significa que os funcionários podem avançar mais rápido por casos volumosos, e parte da verificação rotineira deixa de ser manual. A marca de cerca de 90% de precisão geral também pesa: ela abrange três funções ao mesmo tempo, e não uma métrica isolada — segmentação de documentos, classificação e extração de campos. Para um workflow corporativo, isso é muito mais útil do que um OCR forte, mas sem compreensão de contexto. A diferença é ainda maior em cenários em que um único documento ausente ou reconhecido incorretamente pode devolver a solicitação e reiniciar toda a cadeia de aprovações.

O papel do AWS Generative AI Innovation Center merece destaque à parte. Projetos assim raramente se resumem a chamar um modelo via API. É preciso escolher a arquitetura, decompor o processo em etapas, definir onde o OCR clássico basta e onde é necessário um nível de reasoning, e depois alinhar tudo aos requisitos de qualidade e resiliência operacional. A julgar pelo resultado, a parceria com a equipe da AWS permitiu à Rocket Close passar mais rápido da ideia a um sistema aplicável na gestão documental real, e não só em cenários piloto.

Para o mercado, é mais um exemplo de como a IA generativa está saindo das interfaces de chat de demonstração e entrando em processos de back-office discretos, mas caros para o negócio. No financiamento imobiliário, o custo do atraso é especialmente visível: quanto mais tempo o pacote passa pela cadeia de verificações, maior a carga sobre a equipe e pior a experiência do cliente. Se os documentos são analisados de forma mais rápida e estável, a empresa ganha, além de economia de tempo, prazos de fechamento mais previsíveis, menos repasses manuais entre equipes e melhor controle sobre a qualidade dos dados.

A conclusão é simples: no setor financeiro, o valor da GenAI depende cada vez menos de demos chamativas e cada vez mais da capacidade de eliminar rotina em gargalos operacionais específicos. O caso da Rocket Close mostra que a combinação de OCR e foundation models já entrega resultados mensuráveis onde antes eram necessárias horas de processamento manual. Para empresas com grande volume de documentos, é um sinal para olhar além dos chatbots e considerar os processos internos, onde a automação gera efeito operacional direto.

História
ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
O que você acha?
Carregando comentários…