O MLA-C01 pergunta "é mesmo preciso construir um modelo aqui?" com mais frequência do que parece. A tarefa 2.1 do guia do exame exige saber resolver problemas de negócio com serviços de IA como Amazon Translate, Amazon Transcribe, Amazon Rekognition e Amazon Bedrock, e no nosso banco de questões cerca de 14% das questões usam serviços de IA gerenciados como Comprehend, Transcribe, Polly, Textract, Rekognition e Personalize como resposta correta ou como distratores. Conhecer os nomes não basta, porque essas questões obrigam a escolher um recurso específico: "o nome da marca é pronunciado errado", "precisamos de uma cópia sem os dados pessoais".
Este artigo define os critérios para decidir se um serviço de IA gerenciado basta e depois cobre os recursos que decidem a resposta em cada tipo de dado, a revisão humana com o A2I e os serviços que encerraram o suporte ou não aceitam novos clientes. A escolha entre os algoritmos integrados do SageMaker e os serviços de IA foi tratada antes em Escolha da Abordagem de Modelagem.
---
Decida Primeiro: um Serviço de IA Gerenciado Basta?
Na cozinha, não é preciso preparar todos os molhos do zero. Alguns pratos ficam ótimos com um molho pronto, enquanto o prato principal de um restaurante merece o seu próprio. Com ML acontece o mesmo. Recursos de que todo mundo precisa, como tradução, reconhecimento de fala e extração de texto de documentos, se resolvem chamando por API um modelo que a AWS já treinou. As previsões que diferenciam a sua empresa são as que você mesmo treina no SageMaker AI.
| Pista na questão | Primeira opção a considerar | |------|------| | Não há especialistas em ML e é preciso lançar rápido | Serviço de IA gerenciado | | Uma capacidade padrão como tradução, reconhecimento de fala ou extração de texto | Serviço de IA gerenciado | | Reconhecer rótulos que só a sua empresa tem (defeitos de peças, tipos de contrato) | Recursos personalizados dos serviços de IA (Rekognition Custom Labels, classificação personalizada do Comprehend) | | É preciso controlar o algoritmo e o processo de treinamento | Algoritmos integrados do SageMaker AI ou um modelo próprio | | Tarefas generativas como redigir ou resumir | Amazon Bedrock |
Dica: Quando aparecem expressões como "minimizar o esforço operacional", "uma equipe sem experiência em ML" ou "o mais rápido possível", a resposta provavelmente é um serviço de IA gerenciado. Se a questão fala em "ajustar diretamente a arquitetura do modelo" ou em "código de treinamento próprio", incline-se para o SageMaker AI.
A figura abaixo é um mapa que parte do tipo de dado e chega ao serviço. O restante do artigo segue essa mesma ordem.
!Mapa de serviços de IA da AWS escolhidos pelo tipo de dado: texto, voz, tradução, documentos, imagens, recomendações e conversa
---
Entender Texto: Amazon Comprehend e Comprehend Medical
O Comprehend é um serviço de processamento de linguagem natural que lê um texto e diz do que ele trata, que sentimento transmite e quem ou o que aparece nele. Os recursos se dividem entre os que usam modelos já treinados e os recursos personalizados que você treina com seus próprios dados.
| Recurso | O que faz | Pista na questão | |------|------|------| | Análise de sentimento | Classifica o documento inteiro como positivo, negativo, neutro ou misto | "se as avaliações dos clientes são positivas" | | Sentimento direcionado | Sentimento em relação a entidades específicas do documento (como recursos de um produto) | "só as opiniões sobre a bateria" | | Entidades e frases-chave | Extrai nomes de pessoas, lugares, organizações e expressões-chave | "nomes de empresas citados nos documentos" | | Detecção e redação de PII | Localiza dados pessoais como endereços e números de conta e gera uma cópia com eles ocultos | "analisar depois de remover os dados pessoais" | | Classificação personalizada | Organiza documentos nas categorias próprias da empresa | "classificar contratos em tipos próprios da empresa" | | Reconhecimento de entidades personalizado | Extrai termos que só a sua empresa usa | "extrair números de peça internos" |
Há duas formas de processar o texto. Um único documento é analisado em tempo real, com resultado imediato, e grandes conjuntos de documentos são reunidos no S3 e processados com trabalhos em lote assíncronos. Aqui aparece uma armadilha comum no exame. Localizar a PII funciona em tempo real, mas obter uma cópia com a PII oculta (redigida) exige um trabalho em lote assíncrono. Além disso, a detecção de PII só aceita documentos em inglês e espanhol.
Comprehend Medical: Só para Texto Médico
Para texto clínico, como anotações médicas e resumos de alta, a resposta é o Comprehend Medical, e não o Comprehend comum. Ele encontra condições médicas, medicamentos e dosagens, resultados de exames e informações de saúde protegidas (PHI), e vincula o que encontra a códigos médicos padrão como RxNorm (medicamentos) e ICD-10-CM (diagnósticos). Só aceita inglês (EUA).
Dica: "Extrair nomes de medicamentos e dosagens de anotações médicas" é Comprehend Medical, "encaminhar automaticamente os e-mails de clientes para as oito categorias de departamentos da empresa" é a classificação personalizada do Comprehend, e "salvar no S3 uma cópia com os dados pessoais ocultos" é um trabalho assíncrono de redação de PII.
---
Voz: Transcribe e Polly
O Transcribe converte fala em texto (STT) e o Polly converte texto em fala (TTS). Nesses dois serviços, que trabalham em direções opostas, os recursos personalizados que aumentam a precisão são o centro das questões do exame.
Amazon Transcribe: de Fala para Texto
| Recurso | O que faz | Pista na questão | |------|------|------| | Vocabulário personalizado | Dá dicas para que palavras específicas (marcas, siglas) sejam reconhecidas | "o nome do produto continua sendo transcrito errado" | | Modelo de linguagem personalizado | É treinado com textos do domínio e aprende o contexto em que as palavras são usadas | "precisão em todo um campo especializado, como palestras de congressos" | | Diarização de locutores | Separa a transcrição por quem falou | "separar a fala do atendente e a do cliente" | | Identificação automática de idioma | Detecta automaticamente o idioma do áudio | "há gravações em vários idiomas misturadas" | | Redação de PII | Oculta os dados pessoais da transcrição | "os números de cartão não podem ficar na transcrição" | | Transcrição em streaming | Converte a fala ao vivo em texto na hora | "legendas ao vivo durante uma ligação" |
O vocabulário personalizado é uma dica para reconhecer palavras, e o modelo de linguagem personalizado aprende também o contexto em que elas são usadas. Com um modelo de linguagem personalizado você precisa informar o código do idioma, por isso ele não se combina com a identificação automática de idioma.
Amazon Polly: de Texto para Fala
O Polly tem quatro mecanismos de voz: generativo, formato longo, neural e padrão. Há duas maneiras de mudar a pronúncia e a forma de leitura, e por isso é fácil confundi-las.
| Método | O que faz | Quando usar | |------|------|------| | Tags SSML | Indicam pausas, ênfase, velocidade e forma de leitura dentro do texto | Pausar só nesta frase ou ler um número como data | | Léxico de pronúncia | Guarda pronúncias ou substituições por palavra e as aplica sempre | Ler sempre do mesmo jeito uma marca ou sigla | | Tarefa de síntese assíncrona | Sintetiza com StartSpeechSynthesisTask textos acima do limite em tempo real (3.000 caracteres) e salva no S3 | Roteiros longos, como audiolivros |
Dica: "Pronunciar corretamente o nome da empresa em todos os anúncios" é um léxico de pronúncia, "fazer uma pausa de dois segundos depois de uma frase específica" é SSML, e "transformar um roteiro de uma hora em um arquivo de áudio" é uma tarefa de síntese assíncrona.
---
Tradução: Amazon Translate
O Translate é um serviço de tradução automática neural. Textos curtos passam pela tradução em tempo real (TranslateText), e grandes conjuntos de documentos reunidos no S3 passam por trabalhos de tradução em lote. O que separa as respostas são as duas formas de adaptar as traduções à sua empresa.
| Aspecto | Terminologia personalizada | Dados paralelos (Active Custom Translation) | |------|------|------| | O que faz | Fixa palavras específicas na tradução que você definiu | Mostra exemplos de texto de origem e da tradução desejada para ajustar estilo, tom e escolha de palavras | | Onde se aplica | Tradução em tempo real e em lote | Trabalhos de tradução em lote | | Exemplo | Deixar sem tradução o nome do produto "Amazon Photos" | Documentos jurídicos no estilo da sua equipe jurídica | | Custo | Sem cobrança adicional | Tarifa mais alta que a dos trabalhos comuns |
Dica: "Nomes de marcas e produtos não devem ser traduzidos" é terminologia personalizada. "As traduções devem se parecer com o estilo das traduções que a empresa já tem" são dados paralelos.
---
Documentos e Imagens: Textract e Rekognition
Amazon Textract: Tirar o Texto e a Estrutura dos Documentos
O Textract vai além do simples reconhecimento de caracteres (OCR) e também extrai os pares "campo: valor" dos formulários e a estrutura das tabelas.
| API ou recurso | O que faz | |------|------| | DetectDocumentText | Extrai texto impresso e manuscrito | | AnalyzeDocument | Formulários (chave-valor), tabelas, consultas (encontrar um valor perguntando, por exemplo "Qual é a data de início do contrato?"), assinaturas | | AnalyzeExpense | Campos como valores e fornecedores em notas fiscais e recibos | | AnalyzeID | Documentos de identidade emitidos pelo governo dos EUA (carteiras de motorista, passaportes) |
Imagens de uma página passam pela API síncrona, e PDFs de várias páginas por trabalhos assíncronos que avisam pelo SNS. O Textract para na extração do texto; para analisar o significado (sentimento, entidades), passe o resultado ao Comprehend.
Amazon Rekognition: Enxergar Imagens e Vídeo
| Recurso | O que faz | Pista na q