ercan.ai

Agents on Call, Parte 8. Produção: Observabilidade, Evals e o Dia em que Ela Mente

Thu, 16 Jul 2026 09:00:00 +0200

Três meses depois de o agente de triagem de incidentes da Parte 3 entrar no ar, ele produziu um diagnóstico confiante, bem escrito e errado para um incidente real, e ninguém percebeu até o postmortem, porque o trace que teria pegado isso em tempo real ainda não existia. Esse é o formato de toda falha de que esta parte final realmente trata: não um crash, não uma exceção, uma frase plausível que por acaso era falsa. Este post fecha a série construindo as três coisas que transformam "o agente disse" em algo que um humano consegue verificar, observa o dia específico em que ela mentiu, e pontua a plataforma inteira contra os números que a Parte 1 prometeu.

Kiro Depois do Hype: O Que os IDEs de IA Realmente Mudaram

Wed, 15 Jul 2026 17:00:00 +0200

Oito meses depois de o Kiro atingir general availability, a ideia duradoura acaba sendo a spec, e a parte menos duradoura acaba sendo o IDE. O Kiro foi lançado como um IDE agêntico cujo discurso era que você trabalha no nível da especificação e deixa o agente implementar. A parte que colou é o artefato: uma declaração escrita de intenção que um humano revisa antes do código existir. A parte que discretamente se perdeu é a suposição de que o editor é onde isso acontece. O Kiro lançou uma CLI no GA, adicionou modo headless, e o terminal é para onde foi o uso interessante.

Por Que Seu Piloto de IA Morreu no Procurement

Mon, 13 Jul 2026 19:00:00 +0200

O piloto funcionou. Essa nunca foi a questão. A demo foi bem, a acurácia era defensável, os usuários gostaram, e depois ele passou cinco meses numa fila e silenciosamente parou de ser mencionado. Ninguém o matou. Ele expirou. Se você já viu isso acontecer duas vezes, provavelmente concluiu que a organização é disfuncional, e quero argumentar por uma explicação menos satisfatória: o piloto foi escopado para responder a uma pergunta que ninguém estava travado esperando.

Rastreamento de Custo do Bedrock por Aplicação com Inference Profiles

Fri, 10 Jul 2026 14:00:00 +0200

Um application inference profile é um wrapper com tags em torno de um ARN de modelo, e é a única coisa entre você e uma fatura do Bedrock que mostra um único número para a empresa inteira. Você cria um profile que aponta para um modelo, anexa tags de alocação de custo, e invoca o ARN do profile em vez do ID do modelo. As tags acompanham até o Cost Explorer e o Cost and Usage Report. É esse o mecanismo inteiro, e leva uma tarde.

Agents on Call, Parte 7. Dimensionamento: A Matemática de Tokens que Ninguém Faz Antes

Thu, 09 Jul 2026 09:00:00 +0200

Uma única investigação profunda de incidente nesta plataforma, oito rodadas de chamadas de tools antes de o agente de triagem ter evidência suficiente para propor um diagnóstico, custa 32.950 tokens, e 31.600 deles são de entrada, porque a Converse API do Bedrock reenvia a transcrição inteira, sempre crescendo, a cada rodada. Multiplique isso pelo volume real de alarmes e a conta mensal on-demand de modelo da plataforma inteira sai por cerca de $14, um dos menores itens de linha num custo mensal total perto de $21. Comprar Provisioned Throughput no primeiro dia, a coisa que a Parte 1 explicitamente adiou, teria custado $15.768 por mês para uma carga rodando a aproximadamente um quatrocentos avos da utilização de que precisa para empatar. Nada disso é óbvio num diagrama. Só aparece quando alguém faz a aritmética, que é o que esta parte faz, de ponta a ponta, com todo número rastreável a uma tabela de preços do Bedrock ou a uma fórmula mostrada por inteiro.

AI Act da UE, 2 de Agosto: O Prazo Que Não Mudou

Wed, 08 Jul 2026 11:00:00 +0200

O Digital Omnibus sobre IA mudou os prazos que viraram manchete e deixou intocado o que realmente vai afetar o que você constrói. As obrigações de alto risco escorregaram por mais de um ano. A transparência do Artigo 50 não escorregou. Ela se aplica a partir de 2 de agosto de 2026, cerca de três semanas a partir de agora, e é a provisão que pega times comuns fazendo coisas comuns: gerar texto, imagem, ou áudio com um modelo e colocar a saída na frente de uma pessoa.

SageMaker vs Bedrock: Uma Decisão Organizacional, Não Técnica

Mon, 06 Jul 2026 09:00:00 +0200

SageMaker versus Bedrock não é uma comparação técnica. É uma pergunta sobre se sua organização emprega pessoas cujo trabalho é ser dona de modelos. Se você tem um time que treina, avalia, e carrega o plantão de um artefato de modelo, o SageMaker descreve um trabalho que eles já fazem. Se você não tem esse time, e a maioria das empresas que lança recursos de IA não tem, o Bedrock não é uma solução de compromisso. É uma leitura correta do seu organograma.

Injeção de Prompt via Seus Próprios Documentos: A Superfície de Ataque do RAG

Sat, 04 Jul 2026 10:00:00 +0200

No momento em que você coloca recuperação na frente de um modelo, todo documento na sua base de conhecimento vira entrada executável. Não executável no sentido de shell. Executável no sentido de que um parágrafo dentro de uma página do Confluence pode mudar o que seu agente faz, porque a recuperação vai buscá-lo, colá-lo na janela de contexto, e o modelo vai lê-lo com a mesma atenção que dá ao seu prompt de sistema. Times fazem threat model cuidadoso da caixa de mensagem do usuário e depois ingerem 40 mil páginas de seis sistemas sem perguntar quem pode escrever nelas.

M365 Security 101: AI Pilot e Business Impact Reports

Fri, 03 Jul 2026 13:30:00 +0200

Times de segurança não têm um problema de detecção. Têm um problema de remediação e um problema de comunicação, e são exatamente esses os dois pontos onde IA em segurança de fato se paga. Um scanner moderno entrega sem esforço 800 achados contra um benchmark de compliance. Os achados não são a parte difícil. A parte difícil é que a maioria deles nunca é corrigida, e os que são corrigidos ficam invisíveis para quem aprova o orçamento. Este post é um 101 sobre as duas funcionalidades de IA que, na minha visão, atacam isso diretamente: remediação automatizada com um portão de aprovação e relatórios gerados por IA para leitores não técnicos. Vou usar o Aether365, uma plataforma de segurança para Microsoft 365, como exemplo ao longo do texto. Transparência total desde o início: o Aether365 é produto meu. Julgue os argumentos pelo mérito.

Agents on Call, Parte 6. Guardrails: A Parte que Todo Mundo Pula

Thu, 02 Jul 2026 09:00:00 +0200

Um Bedrock Guardrail anexado a toda invocação de agente captura três coisas que o IAM não consegue ver de jeito nenhum: uma instrução injetada via prompt escondida dentro de uma linha de log, o PII de um cliente chegando num resultado de tool antes de o modelo resumi-lo, e o próprio texto de um agente conduzindo um humano a pular o portão de aprovação. Nada disso é um problema de controle de acesso, então nada disso aparece numa policy IAM, por mais cuidado que as Partes 2 a 4 tenham tido ao definir o escopo de uma. Esta parte constrói esse guardrail em Terraform, em terraform/30-guardrails/, e gasta mais tempo no que ele não captura do que nas partes amigáveis a demo, porque a lacuna entre as duas coisas é exatamente onde um incidente sai dos trilhos.

Confie no Modelo, Audite o Binário

Thu, 02 Jul 2026 03:30:00 +0200

O binário cliente de um agente de código é o software mais privilegiado da sua máquina, e quase ninguém o audita. Ele lê seu repositório, executa seu shell, guarda suas credenciais e se atualiza sozinho num cronograma que você não controla. Decidimos coletivamente tratar esse binário como encanamento sem graça enquanto discutimos o alinhamento dos modelos. Na semana passada, o Claude Code demonstrou por que isso está exatamente invertido: por cerca de três meses, ele carregou uma lógica oculta que classificava requisições roteadas por proxies ligados à China e codificava o resultado de forma esteganográfica no próprio system prompt. Ninguém percebeu até que um desenvolvedor descompilou o binário.

AWS Mensal (Junho de 26): Agentes Ganham um Loop de Feedback

Tue, 30 Jun 2026 18:00:00 +0200

Junho de 2026 foi o mês em que a AWS parou de lançar capacidades de agentes e passou a lançar o loop que as melhora. O Summit em Nova York, no dia 17 de junho, foi o centro disso: o AgentCore ganhou capacidades de otimização que leem traces de produção e dizem onde seus agentes estão errando, o Web Search ficou disponível de forma geral, o harness gerenciado chegou ao GA um dia depois, e o AWS Continuum surgiu como um serviço de segurança nativo em IA que conquista a permissão para agir em vez de presumi-la. Em outra parte do mês, a Anthropic lançou e depois perdeu o Claude Fable 5 para uma diretiva de exportação, o que ensinou a todo mundo que constrói sobre um modelo de fronteira algo desconfortável sobre cadeias de suprimento.

Agents on Call, Parte 5. O Time: Supervisor e Três Especialistas

Thu, 25 Jun 2026 09:00:00 +0200

Quatro agentes existem agora onde a Parte 4 deixou um: um supervisor, um agente de runbook e um agente de custo se juntam ao de triagem de incidentes, coordenados não por chamadas de função Python dentro de um processo, mas pela própria API InvokeAgentRuntime do AgentCore Runtime, porque os quatro continuam sendo implantados como recursos de Runtime separados e isolados, o mesmo isolamento pelo qual a Parte 3 escolheu o AgentCore Runtime em primeiro lugar. Mais um recurso AWS os amarra: uma única instância do AgentCore Memory, compartilhada entre os quatro por actor ID, de modo que um diagnóstico que a triagem escreve às 3 da manhã continua legível para o agente de runbook que o recebe segundos depois, e para qualquer agente que olhar de novo, no mês seguinte, um incidente com o mesmo formato deste.

A AWS Construiu um Sandbox para Código Gerado por IA: Lambda MicroVMs

Tue, 23 Jun 2026 02:00:00 +0200

As AWS Lambda MicroVMs são um novo primitivo serverless construído, segundo o próprio enquadramento da AWS, para rodar código gerado por usuários ou por IA em ambientes isolados e com estado. Essa segunda palavra é a que merece atenção. O lançamento não é realmente sobre funções. É sobre dar a um agent de IA um lugar seguro para executar o código que ele acabou de escrever, e o fato de a AWS ter começado por "usuários ou IA" diz a quem isso se destina.

O Limite Real do Seu Sistema Multi-Agente é Tokens Por Minuto

Sun, 21 Jun 2026 16:00:00 +0200

O Amazon Bedrock agora exibe as quotas de tokens por minuto do seu endpoint Mantle no console padrão do AWS Service Quotas. Você consegue ler diretamente os limites de input-tokens-per-minute e output-tokens-per-minute por modelo, e solicitar aumentos pelo mesmo fluxo de trabalho que já usa para tudo o mais na AWS. Isso parece uma pequena mudança de console. Para quem roda sistemas multi-agente em produção, é a diferença entre planejar sua capacidade e descobri-la como uma parede de 429s.

A Estônia Vai Dar uma Identidade aos Agentes de IA. Essa É a Parte Fácil

Sat, 20 Jun 2026 16:00:00 +0200

A Estônia pretende emitir identidades digitais oficiais, "AI ID codes", para agentes de IA. O gabinete do primeiro-ministro Kristen Michal diz que o objetivo é permitir que a IA "atue em nome de pessoas, empresas ou organizações dentro de limites claramente definidos e de maneira verificável e auditável." Se sair do papel, a Estônia se torna o primeiro país a dar aos agentes de IA uma identidade reconhecida pelo Estado. É uma iniciativa genuinamente útil, e também é a parte fácil. A parte difícil é tudo aquilo que o ID deveria carregar.

Le Chaton Fat: O Modelo de IA Mais Gordo Que Nunca Existiu

Thu, 18 Jun 2026 11:00:00 +0200

Deixa eu te poupar uma busca: não existe nenhum modelo chamado Le Chaton Fat. Sem pesos, sem API, sem benchmark. Não é um vazamento, não é um roadmap, não é um produto da Mistral. É uma piada, e nos últimos dias virou a mais engraçada que a comunidade de IA contou para si mesma em muito tempo.

Como algumas pessoas foram genuinamente atrás do link de download, acho que a brincadeira merece um texto decente. Então aqui está o que está rolando com o modelo mais gordo que nunca existiu.

Agents on Call, Parte 4. Tools e o Gateway: MCP, Allowlists, Somente Leitura por Padrão

Thu, 18 Jun 2026 09:00:00 +0200

Quatro tools agora ficam atrás de um único AgentCore Gateway, em vez de serem conectadas uma função Python de cada vez a cada agente: cloudwatch-read, logs-read e cost-read assumem uma role somente leitura numa conta spoke e nunca conseguem alterar nada, e ssm-execute, a única tool mutante da plataforma, também não consegue alcançar um spoke diretamente, ela só consegue iniciar uma execução do Step Functions que pausa esperando a aprovação de um humano no Slack. Essa pausa não é um capricho de interface. É o único lugar em toda a plataforma onde uma credencial AWS capaz de alterar algo numa conta spoke é gerada, e ela só é gerada depois que uma pessoa clica em aprovar.

Agentes de Código de IA Também Precisam de Ambientes de Staging

Fri, 12 Jun 2026 09:00:00 +0200

Toda disciplina de ambientes que seu time construiu para humanos se aplica a agentes de código, e a maioria dos times abandonou tudo isso silenciosamente no momento em que o agente ficou bom. A mesma organização que não deixaria um contratado novo chegar perto de produção no primeiro dia entrega a um agente uma credencial de longa duração e uma descrição de tarefa, e depois finge surpresa quando algo que não deveria ser apagado é apagado.

Agents on Call, Parte 3. Primeiro Agente: Triagem de Incidentes em Strands

Thu, 11 Jun 2026 09:00:00 +0200

O primeiro agente funcional desta série tem cerca de 260 linhas de Python: um Agent do Strands, duas tools somente leitura que assumem uma role IAM entre contas antes de chamar o boto3, e um system prompt cujo único trabalho é impedir que o modelo soe confiante sobre algo que na verdade não verificou. Ainda sem AgentCore Gateway, sem supervisor, sem handoff multi-agente: isso vem nas partes seguintes. Esta parte é sobre fazer um agente executar um trabalho corretamente, implantado no AgentCore Runtime, antes de adicionar qualquer coisa que torne o debugging mais difícil.

Claude Code em CI: Deixando um Agente Consertar o Build

Mon, 08 Jun 2026 14:00:00 +0200

Colocar um agente de código no CI é um problema de design de permissões disfarçado de produtividade. A mecânica é trabalho de uma tarde: o modo headless está disponível desde o Claude Code 2.0, em setembro de 2025, e o anthropics/claude-code-action@v1 embrulha tudo isso em uma GitHub Action. Dá para ter um agente comentando em pull requests antes do almoço. Se ele deveria estar fazendo push de commits é uma pergunta diferente, e é a única que importa.

Agents on Call, Parte 2. A Fundação: Terraform Antes dos Tokens

Thu, 04 Jun 2026 09:00:00 +0200

Antes que qualquer um dos quatro agentes da Parte 1 possa olhar para um log, precificar uma carga de trabalho ou propor uma correção, esta plataforma precisa de uma fronteira de conta e duas roles IAM que tornem o "somente leitura por padrão" uma propriedade imposta pela AWS, não uma promessa feita em um system prompt. Essa fronteira, a solicitação de acesso a modelos que precisa acontecer dias antes de alguém planejar demonstrar qualquer coisa, e a decisão entre inferência sob demanda, throughput provisionado e inference profiles entre regiões são o que se constrói nesta parte, inteiramente em Terraform, antes de existir uma única linha de código de agente.

A Janela de Contexto Não É Sua Amiga

Wed, 03 Jun 2026 10:00:00 +0200

Uma janela de contexto grande é um limite de capacidade, não uma estratégia de recuperação. O fato de um modelo aceitar várias centenas de milhares de tokens não significa que ele os lê com atenção uniforme, e certamente não significa que você deva pagar para enviá-los. Todo benchmark de contexto longo que se deu ao trabalho de medir posição e comprimento diz a mesma coisa: a precisão cai conforme a entrada cresce, e as evidências enterradas no meio de um prompt são as menos usadas.

AWS Mensal (Mai/26): Agentes Ganham uma Carteira

Sun, 31 May 2026 19:00:00 +0200

Maio de 2026 foi o mês em que a AWS entregou uma carteira aos agentes e reforçou o ferramental que os constrói. A manchete foi o Amazon Bedrock AgentCore Payments em preview, a primeira forma gerenciada de um agente pagar de forma autônoma pelas APIs, conteúdo e serviços que usa. Ao redor disso, a AWS lançou o Agent Toolkit for AWS e levou um servidor Model Context Protocol gerenciado à disponibilidade geral, ambos voltados a fazer com que agentes de codificação de AI construam sobre a AWS com menos erros e controles mais rígidos. Lidos juntos, o mês diz que a narrativa de agentes está passando de "ele consegue raciocinar" para "ele consegue transacionar, e podemos confiar nas ferramentas que o constroem."

Agents on Call, Parte 1. O Cenário: Por Que um Time de Ops Contrata Agentes

Thu, 28 May 2026 09:00:00 +0200

Uma empresa SaaS B2B de porte médio, com cerca de 50 engenheiros espalhados por aproximadamente 30 contas AWS, aciona alguém de plantão cerca de 40 vezes por semana, e o chamado só recebe uma resposta real depois de 25 a 35 minutos de coleta manual de contexto: qual conta, qual dashboard, qual runbook, e se esse runbook ainda está correto. Isso acontece antes do diagnóstico começar, não no lugar dele. Esta série constrói a solução: uma pequena plataforma de agentes de IA que faz essa primeira etapa automaticamente, lê tudo o que tem permissão para ler, não muda nada sem o aval de um humano, e para de ser útil no momento em que deixa de seguir essa disciplina.

Fazendo Log de Prompts Sem Fazer Log de PII

Wed, 27 May 2026 14:00:00 +0200

Você não consegue debugar uma aplicação de LLM sem fazer log dos prompts, e você não pode manter esses prompts se estiverem cheios de nomes, emails e números de conta. Usuários digitam informações pessoalmente identificáveis direto na caixa, então o log que te ajuda a entender uma resposta ruim também é um repositório crescente de dados regulados sentado no CloudWatch ou no S3 com a retenção errada e os controles de acesso errados. A solução não é parar de fazer log. É redigir antes do armazenamento e colocar uma política de retenção no que sobra, para que o valor de debugging sobreviva e a responsabilidade não.

Agora

Mon, 25 May 2026 10:00:00 +0200

(Ultima atualizacao: maio de 2026)

Escrita

Publicando notas de campo aqui sobre IA, LLMs e ML aplicado. Tambem mantenho o ercan.cloud para cloud e engenharia de plataforma, e noticias curtas de IA em news.ercan.ai. Construindo o awsmonthly.cloud, um digest mensal de noticias AWS (ainda nao lancado).

Consultoria

Atuando em um numero reduzido de consultorias em IA e ML aplicado. Arquitetura Bedrock, otimizacao de custos de LLM, design de pipelines agenticas, lideranca interina de plataforma de IA. Se o que voce esta desenvolvendo tem sobreposicao com o que escrevo, entre em contato pelo LinkedIn.

Consulting & Advisory

Sun, 24 May 2026 10:00:00 +0200

Eu assumo um numero pequeno de contratos de consultoria por ano. Gosto desse trabalho. Ele me mantem dentro das restricoes reais de producao, que e de onde vem os padroes uteis. Cada contrato alimenta os artigos deste site, e os artigos alimentam os contratos.

Servicos

Arquitetura de plataforma Bedrock e LLM. Fundacao com consciencia de custo para cargas de trabalho LLM em producao. Roteamento de modelos, perfilagem de inferencia, design de guardrails, failover multi-regiao. Voce entrega funcionalidades, nao infraestrutura.
Otimizacao de custos de LLM. A maioria das equipes paga 60-90% a mais no Bedrock Knowledge Base, OpenSearch Serverless e throughput provisionado porque o modelo de precificacao nao e obvio. Eu encontro o desperdicio, reestruturo a stack e entrego o painel de custos.
Design de pipelines agenticas. A transicao de chat para agentes. Arquitetura de tool-use, design de loop de agente, pontos de controle human-in-the-loop, tracing e observabilidade para fluxos nao deterministicos.
S3 Vectors e arquitetura RAG. Busca vetorial nativa do S3, estrategia de chunking, selecao de modelo de embedding, avaliacao de recuperacao. Pule o reflexo de “so adicionar um banco vetorial”.

Como eu trabalho

Baseado em projeto. Voce tem uma funcionalidade, pipeline ou migracao especifica. Eu construo junto com sua equipe e transfiro a propriedade com documentacao.

Sobre

Sat, 23 May 2026 10:00:00 +0200

Sou Ercan Ermis. Engenheiro senior de plataforma cloud baseado nos Paises Baixos. Escrevo aqui sobre IA, LLMs, agentes e o trabalho de engenharia necessario para coloca-los em producao.

Os posts neste site vem de sistemas de producao reais e projetos paralelos, nao de slides. Reduzir os custos do Bedrock Knowledge Base em 90 por cento migrando do OpenSearch Serverless. As primitivas agenticas anunciadas na re:Invent. O que o Kiro muda no ciclo de desenvolvimento. O padrao por tras do S3 Vectors. Cada post mostra como foi realmente fazer o trabalho, com os numeros e os modos de falha.

Quando o Haiku Vence o Opus: Right-Sizing de Modelos no Bedrock

Fri, 22 May 2026 11:00:00 +0200

A maior parte do tráfego de LLM em produção não é difícil. É classificação, extração, reescritas curtas e roteamento, o tipo de trabalho que um modelo pequeno e rápido faz corretamente e por barato. Ainda assim, o padrão comum é conectar toda chamada ao maior modelo disponível, porque "simplesmente funciona", e depois se perguntar por que a conta e a latência estão altas. No Amazon Bedrock, o Claude Haiku 4.5 e o Claude Opus 4.5 estão ambos disponíveis, e a vitória de engenharia não é escolher um, é rotear por classe de tarefa para que o modelo barato cuide da maioria e o caro seja um caminho de escalonamento, não um default.

RAG Agêntico É, Na Maior Parte, Latência Que Você Não Precisa

Mon, 18 May 2026 16:00:00 +0200

RAG agêntico substitui um retrieval único por um loop: o modelo busca, lê, decide que precisa de mais, busca de novo, e repete até se satisfazer. Cada salto é uma ida e volta completa ao modelo mais uma busca, e os saltos são sequenciais porque cada um depende do anterior. Para a maioria das perguntas, isso compra uma resposta marginalmente melhor a várias vezes a latência, quando uma query bem construída teria retornado o mesmo contexto em uma única passada. Retrieval multi-hop é uma ferramenta real para uma classe estreita de perguntas, e um padrão que silenciosamente triplica seu tempo de resposta em todo o resto.

Evals Antes de Agentes: Você Não Pode Lançar o Que Não Consegue Pontuar

Thu, 14 May 2026 13:00:00 +0200

Se você não consegue colocar um número em se uma mudança tornou seu agente melhor ou pior, você não está fazendo engenharia, está chutando com passos extras. A razão mais comum para projetos de agentes travarem não é um modelo fraco, é a ausência de um harness de eval. Sem um, toda mudança de prompt, mudança de ferramenta e troca de modelo é avaliada por alguém olhando um punhado de saídas e declarando que "parece melhor", que é como você lança uma regressão e descobre por um usuário. O placar precisa existir antes do agente, porque você não consegue melhorar o que não consegue pontuar.

Cache Semântico: Duas Perguntas Diferentes, Uma Resposta

Mon, 11 May 2026 09:00:00 +0200

Um cache semântico responde "como eu redefino minha senha" com a resposta que já gerou para "esqueci meu login", porque as duas significam a mesma coisa. Em vez de comparar a string exata de uma requisição, ele transforma a requisição em embedding e procura uma requisição salva cujo embedding esteja próximo o suficiente, e então retorna essa resposta em cache sem chamar o modelo. Quando funciona, você pula uma chamada de modelo inteira: sem tokens, sem latência, sem custo. Quando erra o julgamento de "próximo o suficiente", ele serve uma resposta confiante para uma pergunta que o usuário não fez.

Step Functions É o Orquestrador de Agentes Mais Subestimado

Thu, 07 May 2026 15:00:00 +0200

A maior parte do que as pessoas chamam de agente é uma sequência fixa de passos com uma ou duas chamadas de modelo no meio. O control flow é conhecido de antemão, mas os times o entregam ao modelo mesmo assim, e depois passam semanas fazendo um loop não determinístico se comportar. Quando a forma do trabalho é conhecida, o orquestrador deveria ser determinístico, e o AWS Step Functions se encaixa melhor nesse papel do que um loop de agente feito à mão. Ele já resolve retries, timeouts, tratamento de erros, paralelismo e aprovação humana, exatamente as coisas que um framework de agentes te pede para reimplementar.

LLM Gateways: Por Que Todo Time de Plataforma Acaba Construindo Um

Mon, 04 May 2026 10:00:00 +0200

A primeira feature de LLM sai como uma chamada direta de um serviço para o Bedrock. A décima sai do mesmo jeito, a partir de dez serviços, com dez conjuntos de credenciais, dez políticas de retry, e nenhum lugar único para ver quanto cada um está gastando. É nesse momento que um time de plataforma descobre que precisa de um LLM gateway, geralmente um trimestre depois de quando teria sido barato construir um. Um gateway é a porta de entrada compartilhada por onde toda chamada de modelo passa, e ele existe para ser dono das quatro coisas que times individuais insistem em reinventar mal: autenticação, quota, roteamento e auditoria.

AWS Mensal (Abr '26): OpenAI Chega ao Bedrock

Thu, 30 Apr 2026 18:00:00 +0200

Abril de 2026 foi o mês em que o cardápio de modelos no Amazon Bedrock mudou de forma. A manchete não foi um novo recurso da AWS, mas um novo inquilino: os modelos de fronteira da OpenAI, seu agente de código Codex, e Managed Agents movidos por OpenAI chegaram ao Bedrock em preview limitado. Junto disso, o AgentCore passou o mês reduzindo o esforço necessário para ir de uma ideia até um agente rodando. Lidas juntas, as duas histórias dizem a mesma coisa. O Bedrock está se posicionando como o lugar neutro onde empresas rodam qualquer modelo de fronteira que quiserem, e a AWS está correndo para tornar o fluxo de desenvolvimento ao redor rápido o suficiente para que a escolha do modelo seja a única decisão que resta.

Inferência Cross-Region: Resiliência Barata ou Armadilha de Residência?

Sun, 26 Apr 2026 13:00:00 +0200

A inferência cross-region do Amazon Bedrock dá a você maior vazão efetiva e menos erros de throttling regional sem sobretaxa de roteamento, o que é quase resiliência de graça. A armadilha é que um perfil de inferência global pode enviar seu prompt para qualquer região que tenha capacidade, e se esse prompt carrega dados regulados, "onde quer que haja capacidade" não é uma resposta que sua equipe de compliance vai aceitar. O recurso é genuinamente útil. Se é uma vitória ou uma violação depende inteiramente de qual tipo de perfil de inferência você escolhe, e essa escolha é fácil de fazer sem ler o que ela significa.

Sua Conta de LLM É um Problema de Observabilidade

Tue, 21 Apr 2026 15:00:00 +0200

Quando sua conta do Amazon Bedrock dispara e ninguém consegue dizer qual recurso causou isso, você não tem um problema de preço. Você tem um problema de observabilidade. A fatura diz que a conta gastou mais com tokens. Não diz qual agente, qual cliente, ou qual caminho de código foi o responsável pelo gasto, e sem essa atribuição toda conversa sobre custo vira um chute. Você não consegue otimizar o que não consegue medir, e a maioria dos times está medindo o total e nada abaixo dele.

Inferência em Lote no Bedrock: Metade do Preço Se Você Puder Esperar

Fri, 17 Apr 2026 11:00:00 +0200

O Amazon Bedrock roda inferência em lote a 50% do preço de token sob demanda, e a única coisa que você abre mão é a imediatidade. Você envia um arquivo de requisições, o job roda de forma assíncrona quando há capacidade, e você coleta os resultados depois. Para qualquer carga de trabalho onde nenhum humano está sentado esperando a resposta, pagar o preço cheio por inferência em tempo real é deixar metade do dinheiro na mesa por uma velocidade que ninguém precisava.

Apps LLM Multi-Tenant: Isolando Clientes em um Modelo Compartilhado

Mon, 13 Apr 2026 16:00:00 +0200

Quando muitos clientes compartilham um modelo do Bedrock, o modelo não oferece isolamento nenhum e nunca ofereceria. É uma função sem estado: mesma entrada, mesmo comportamento, nenhuma memória de quem chamou. Toda fronteira entre clientes tem que ser construída nas camadas ao redor do modelo, não esperada dele. Times entendem isso ao contrário, assumem que o serviço gerenciado cuida da separação, e lançam um app onde os dados, o custo e a carga de um cliente vazam para outro. O modelo compartilhado está bem. O tudo-mais compartilhado é o problema.

Memória de Agente É um Problema de Banco de Dados, Não de Prompt

Thu, 09 Apr 2026 09:00:00 +0200

Um agente que "lembra" colando todo o seu histórico no próximo prompt não tem memória. Tem uma conta crescente, um teto rígido de tokens, e uma curva de latência que piora a cada turno. Memória de verdade é uma decisão de armazenamento: o que você persiste, onde você coloca, e como você busca de volta apenas a fatia relevante no momento da inferência. Isso é um problema de banco de dados, e tratá-lo como um problema de prompt é como agentes que se saem bem em demo desmoronam na segunda semana.

Saída Estruturada Vence o Parsing Esperto

Mon, 06 Apr 2026 14:00:00 +0200

Se sua aplicação ainda extrai JSON da prosa do modelo com regex e um loop de retry, você está resolvendo um problema que o Amazon Bedrock agora resolve na camada de decodificação. As saídas estruturadas, disponíveis de forma geral no Bedrock desde fevereiro de 2026, restringem o modelo a um JSON Schema enquanto ele gera tokens, então a resposta segue seu formato por construção, não por esperança. O regex nunca foi a solução. Era o sintoma de pedir para um modelo "por favor retorne JSON" e depois limpar a bagunça quando ele não retornava.

Cache de Prompt no Bedrock: O Desconto de 90% Que a Maioria dos Times Ignora

Thu, 02 Apr 2026 10:00:00 +0200

O cache de prompt do Amazon Bedrock lê um prefixo em cache com aproximadamente 90% de desconto, mas escrever no cache custa mais que um token de entrada normal, então um cache que nunca recebe um hit deixa sua conta pior, não melhor. O recurso está disponível de forma geral desde abril de 2025, e a duração de cache de uma hora lançada em janeiro de 2026 o torna útil para sessões inteiras e jobs em lote. A maioria dos times ainda deixa isso desligado, ou liga no lugar errado e paga um prêmio sem perceber. O desconto é real. Se você o captura depende inteiramente de onde você coloca o breakpoint do cache.

AWS Mensal (Mar '26): A Governança Chega para os Agentes

Tue, 31 Mar 2026 20:00:00 +0200

Março de 2026 foi o mês em que a AWS parou de lançar capacidades de agente e começou a lançar controles de agente. Os lançamentos de destaque não foram modelos novos ou demos mais chamativas. Foram as peças chatas e estruturais que você precisa antes de um agente ter permissão para chegar perto de produção: uma camada de autorização, uma camada de avaliação de qualidade, e uma pilha de saúde que precisava ser governada para sequer existir. O padrão ao longo do mês é o mesmo que toda tecnologia atinge quando amadurece. O trabalho interessante se move de "consegue fazer a coisa" para "você consegue provar o que foi feito e impedir que faça a coisa errada".

Respostas em Streaming São uma Decisão de UX, Não de Performance

Tue, 24 Mar 2026 15:00:00 +0200

Streaming não torna seu modelo mais rápido. Ele faz a espera parecer mais curta. O tempo total para gerar uma resposta é praticamente idêntico, com ou sem streaming. O que o streaming muda é quando o usuário vê o primeiro token, e esse único número, time to first token, direciona toda a percepção de velocidade. Trate streaming como uma decisão de UX, porque é isso que é, e você tomará decisões melhores sobre quando usá-lo e quando ele realmente atrapalha.

Bedrock Agents vs Construir Seu Próprio Loop

Wed, 18 Mar 2026 10:00:00 +0200

Um framework de agente gerenciado troca controle por velocidade, e a troca vale a pena até o dia em que não vale mais. O Amazon Bedrock Agents roda o loop de raciocínio e ação por você: ele planeja, decide qual ferramenta chamar, invoca, alimenta o resultado de volta para o modelo, e repete até a tarefa estar concluída. Isso é trabalho real que você não precisa escrever. A questão não é se ele te poupa tempo. É se as partes que ele esconde são partes que você pode se dar ao luxo de deixar de enxergar.

IAM para Aplicações de LLM: Least Privilege Quando Quem Chama É um Modelo

Sat, 14 Mar 2026 17:00:00 +0200

Um agente é quem chama que você não consegue prever totalmente, e é exatamente esse tipo de chamador que deveria ter o menor privilégio. O instinto com um agente novo é dar a ele um papel amplo para que "simplesmente funcione" enquanto você itera. Esse instinto é como você acaba com um modelo de linguagem segurando credenciais que conseguem ler todo bucket e apagar toda tabela, guiado por texto que um atacante pode influenciar. Least privilege sempre foi a regra. Um chamador não determinístico torna isso inegociável.

Alguem Registrou antrophic.com e Redireciona Direto para OpenAI

Wed, 11 Mar 2026 12:34:48 +0300

Um dominio registrado com typo-squatting, um redirecionamento suspeito e coincidencias demais para serem apenas coincidencias.

Aqui esta o dominio real: anthropic.com. A empresa de seguranca de IA por tras do Claude, fundada por ex-pesquisadores da OpenAI, fazendo um trabalho genuinamente importante em tornar sistemas de IA seguros e interpretaveis.

Agora tente digitar errado. Tire o segundo "h". Voce chega em antrophic.com, um dominio que existe, esta registrado e, segundo varios relatos, redireciona diretamente para openai.com.

Pare de Fazer Fine-Tuning. Você Precisa de RAG, Cache e Prompts Melhores

Mon, 09 Mar 2026 11:00:00 +0200

Para a maioria dos times que recorrem ao fine-tuning no Amazon Bedrock, a resposta correta é retrieval, um prompt cache e prompts melhores, nessa ordem. Fine-tuning é a ferramenta que você considera depois que essas três se esgotaram, não antes. O motivo não é ideologia. É a conta. Um modelo customizado com fine-tuning no Bedrock precisa ser servido via Provisioned Throughput, e esse modelo de precificação muda a economia de toda a sua aplicação.

O Chunking da Knowledge Base É Onde a Qualidade do Seu RAG Morre

Thu, 05 Mar 2026 14:00:00 +0200

Quando um sistema de RAG dá uma resposta errada ou pela metade, o modelo geralmente não é o motivo. O chunking é. Se a passagem que contém a resposta nunca chega ao contexto recuperado, nenhum modelo consegue responder a partir dela, e nenhuma quantidade de ajuste de prompt muda isso. O chunking decide o que pode ser recuperado, o que o torna a primeira coisa a inspecionar e a última coisa que a maioria dos times observa.

Bedrock Guardrails Não Vai Te Salvar de Prompt Injection

Tue, 03 Mar 2026 09:00:00 +0200

Amazon Bedrock Guardrails é um filtro de conteúdo, não uma fronteira de segurança. Ele classifica texto contra políticas de tópico, toxicidade e PII e bloqueia o que cruza um limite. Isso é genuinamente útil para impedir que um bot de suporte fale sobre um concorrente ou vaze um número de telefone. Não é o que impede uma prompt injection de transformar seu agente em um confused deputy, porque prompt injection é um problema de autorização e Guardrails não autoriza nada.

Reduzindo Custos do Amazon Bedrock Knowledge Base em ~90%: Migrando de OpenSearch Serverless para Aurora Serverless v2 com pgvector

Sat, 21 Feb 2026 21:30:00 +0300

TL;DR

Se voce esta rodando um Amazon Bedrock Knowledge Base apoiado por OpenSearch Serverless (AOSS), voce esta pagando um piso de ~$700/mes antes de ingerir um unico documento. Para a maioria das cargas de trabalho RAG de pequeno e medio porte, trocar o AOSS pelo Aurora PostgreSQL Serverless v2 com a extensao pgvector reduz esse piso para menos de $50/mes, uma reducao de custo de ~90%; mantendo-se como uma loja vetorial de primeira classe e totalmente suportada para Bedrock Knowledge Bases.

AWS Monthly (Dez '25): A Era Kiro Comeca

Wed, 31 Dec 2025 20:23:45 +0300

Terminamos o ano com a disponibilidade geral do Kiro (Frontier Agents). O Kiro nao e apenas um chatbot, e uma Equipe Virtual de Desenvolvimento de Software.

Tecnicamente, o Kiro e um Agente de Codificacao Autonomo. Voce pode atribuir a ele um ticket do Jira, e ele ira:

Extrair contexto dos seus repositorios Git.
Elaborar a implementacao em um sandbox seguro.
Executar os testes unitarios e de integracao.
Submeter o Pull Request para sua revisao.

Ele entende o contexto de toda a sua base de codigo, nao apenas de um unico arquivo. Tambem vimos o lancamento dos Database Savings Plans, que finalmente agregam seus gastos com RDS, Aurora e DynamoDB em um unico compromisso flexivel.

AWS re:Invent 2025: A Era "Agentica"

Sun, 14 Dec 2025 20:25:19 +0300

Se 2024 foi sobre conversar com LLMs, o re:Invent 2025 foi sobre deixa-los realmente fazer o trabalho. Aqui esta o resumo completo dos anuncios mais significativos.

1. A Familia de Modelos Amazon Nova 2

A AWS nao apenas atualizou seus modelos; eles construiram uma frota especializada para diferentes papeis agenticos:

Nova 2 Lite: Otimizado para velocidade e custo. Igual ou melhor que o Gemini Flash 2.5 em 14/18 benchmarks.
Nova 2 Pro: O peso-pesado de "Raciocinio." Melhor para tarefas complexas de varias etapas e planejamento de longo prazo.
Nova 2 Sonic: Um modelo speech-to-speech para IA conversacional de baixa latencia.
Nova 2 Omni: O verdadeiro astro multimodal. Processa texto, imagens, video e fala simultaneamente com uma janela de contexto de 1M de tokens.
Nova Act: Disponivel de forma geral e criado especificamente para automacao de UI (tarefas baseadas em navegador) com confiabilidade >90%.

2. Silicon Personalizado: Graviton5 & Trainium3

A historia do hardware foi sobre desacoplar desempenho de custo:

AWS Monthly (Out '25): Industrializando o Treinamento de IA

Fri, 31 Oct 2025 20:18:03 +0300

Outubro foi a "calmaria antes da tempestade do re:Invent," mas trouxe a revelacao do Project Rainier.

O Project Rainier e um cluster massivo de computacao de IA com mais de 500.000 chips Trainium2. Tecnicamente, este e um dos maiores ambientes dedicados de treinamento de IA do planeta. Para nos, significa a "Industrializacao da IA." A relacao preco-desempenho do Trainium2 via Neuron SDK e agora significativamente melhor do que instancias GPU comparaveis para cargas de trabalho de transformers.

AWS Monthly (Jun '25): O S3 Se Torna Seu Vector Database

Mon, 30 Jun 2025 20:08:00 +0300

Junho trouxe uma mudanca tectonica no stack de dados de IA com a preview do Amazon S3 Vector Search.

Nos ultimos dois anos, nos disseram que precisavamos de um banco de dados vetorial especializado (Pinecone, Milvus, etc.) para Geracao Aumentada por Recuperacao (RAG). A AWS simplificou a equacao: "Apenas armazene seus vetores no S3." Tecnicamente, isso adiciona uma camada nativa de indexacao vetorial aos buckets S3. Voce pode armazenar embeddings como metadados em seus objetos e realizar buscas KNN (K-Nearest Neighbor) diretamente via API.

AWS Monthly (Fev '25): Evolucao Automatizada de Codigo

Fri, 28 Feb 2025 19:49:00 +0300

Fevereiro foi o mes em que o Amazon Q Developer deixou de ser um "ajudante" e passou a agir como um "engenheiro senior." O destaque foi o lancamento do Q-driven Refactoring.

Nao se trata apenas de completar codigo. Tecnicamente, o Q agora usa uma combinacao de IA Simbolica e LLMs para realizar mapeamento completo de dependencias do repositorio. Ele consegue lidar de forma autonoma com migracoes complexas, como refatorar um microservico legado em Java 8 para Java 21. Identifica bibliotecas depreciadas, sugere substituicoes modernas e reescreve codigo boilerplate para se alinhar com padroes modernos de design, como Arquitetura Hexagonal.