Rocket Close Acelerou o Processamento de Documentos Hipotecários em 15 Vezes com AWS

Rocket Close demonstrou que até mesmo a parte mais trabalhosa do processo de hipoteca — análise de documentos — pode ser radicalmente acelerada combinando OCR e modelos generativos. Trabalhando com o AWS Generative AI Innovation Center, a empresa construiu um sistema usando Amazon Textract e Amazon Bedrock que aumentou a velocidade de processamento em 15 vezes e alcançou aproximadamente 90% de precisão combinada em segmentação de documentos, classificação e extração de campos. Para o negócio de hipotecas, isso não é uma melhoria cosmética.

Um único pacote pode conter questionários, extratos, cartas de verificação de renda, formulários de divulgação e outros documentos na forma de digitalizações, PDFs e fotos. Eles têm diferentes estruturas, níveis de qualidade e formatos de preenchimento, portanto uma parte significativa do tempo é gasta não na tomada de decisão, mas na localização de páginas relevantes, reconhecimento de texto e transferência de dados-chave para sistemas de trabalho. É precisamente aqui que atrasos e erros manuais se acumulam.

A solução Rocket Close divide a tarefa em vários estágios claros. Amazon Textract lida com OCR: extrai texto e estrutura de documentos, incluindo tabelas, formulários e digitalizações mal preparadas. Em seguida, Amazon Bedrock implanta modelos fundacionais para lógica mais complexa: não basta simplesmente ler uma página — você precisa entender que tipo de documento é, qual pacote pertence, onde um novo segmento começa e quais campos são realmente importantes para processamento futuro.

Esta arquitetura transforma um fluxo de arquivos heterogêneos em um processo mais previsível e legível para máquina. A chave aqui não é apenas velocidade, mas também o nível de automação. A melhoria alegada de 15 vezes no tempo de processamento significa que os funcionários podem processar casos grandes mais rapidamente, e parte da verificação rotineira sai do modo manual.

A figura de aproximadamente 90% de precisão geral também é importante: não se trata de uma métrica única restrita, mas de três funções simultaneamente — segmentação de documentos, classificação e extração de campos. Para fluxos de trabalho corporativos, isso é muito mais valioso do que um OCR robusto isolado sem compreensão contextual. Isso é especialmente crítico em cenários onde um único documento perdido ou mal reconhecido pode devolver uma solicitação e reiniciar toda a cadeia de aprovação.

O papel do AWS Generative AI Innovation Center merece menção especial. Esses projetos raramente se resumem a uma simples chamada de API para um modelo. Você precisa selecionar uma arquitetura, dividir o processo em estágios, determinar onde OCR clássico é suficiente e onde capacidades de raciocínio são necessárias, e então alinhar tudo isso com requisitos de qualidade e resiliência operacional.

A parceria com a equipe AWS, julgando pelos resultados, permitiu à Rocket Close avançar mais rapidamente de conceito para um sistema aplicável em fluxos de documentos reais, não apenas em cenários piloto. Para o mercado, este é mais um exemplo de como a IA generativa está saindo de interfaces de chat chamativas para processos de back-office silenciosos, mas custosos. Em empréstimos hipotecários, o custo dos atrasos é especialmente visível: quanto mais tempo um pacote leva na cadeia de aprovação, maior a carga na equipe e pior a experiência do cliente.

Se documentos são processados mais rápida e confievelmente, as empresas ganham não apenas economia de tempo, mas também prazos de negócio mais previsíveis, menos transferências manuais entre equipes e melhor controle sobre a qualidade dos dados. A conclusão é simples: o valor de GenAI em serviços financeiros é cada vez mais determinado não por demos chamativas, mas por quão bem ele resolve tarefas rotineiras em gargalos operacionais específicos. O caso Rocket Close mostra que combinar OCR e modelos fundacionais já entrega resultados mensuráveis onde o processamento manual costumava exigir horas.

Para empresas com alto volume de documentos, este é um sinal para olhar além de chatbots e examinar processos internos onde automação entrega impacto operacional direto.