Como construir um fluxo de trabalho completo para questionários RFI com o Amazon Quick Automate

O problema: questionários RFI são trabalhosos e propensos a erros

Empresas de todos os tamanhos precisam responder a questionários de Solicitação de Informações (RFI — Request for Information) com frequência. Uma grande organização pode receber centenas desses documentos por ano, e cada um costuma chegar como uma planilha complexa com múltiplas abas, conjuntos hierárquicos de perguntas, metadados de categorias e diferentes tipos de resposta.

O processo manual de extrair, estruturar e responder essas perguntas é custoso: exige coordenação entre equipes, gera atrasos e introduz erros sempre que o formato do questionário muda. A AWS apresentou uma solução para esse desafio usando o Amazon Quick Automate, serviço que permite criar automações multi-agente para processos empresariais complexos.

O que é o Amazon Quick Automate

O Amazon Quick Automate é um serviço voltado para a automação de processos empresariais que podem envolver diferentes departamentos, sistemas, interações de interface e APIs, além de integrações com sistemas de terceiros. Ele utiliza um conjunto de agentes para simplificar o gerenciamento de processos e reduzir a sobrecarga de manutenção.

O diferencial está na forma de uso: em vez de escrever código, o usuário descreve em linguagem natural o que a automação deve fazer. O serviço interpreta essas instruções e gera um fluxo de trabalho executável cobrindo ingestão, transformação, validação e saída de dados. É possível refinar o fluxo por meio de conversas, executá-lo contra dados reais e promover versões validadas entre Regiões AWS.

Visão geral da solução

O tutorial publicado pela AWS demonstra como construir uma automação completa que:

Lê uma planilha RFI com múltiplas abas armazenada no Amazon Simple Storage Service (Amazon S3);
Extrai e estrutura os dados do questionário;
Grava um arquivo CSV (Comma-Separated Values — valores separados por vírgula) limpo de volta no Amazon S3.

O fluxo segue sete etapas principais: configurar o conector de ação S3, adicionar a integração a um grupo de automação, criar um projeto de automação, descrever a lógica de processamento em linguagem natural, refinar o fluxo por conversa, validar os resultados e promover a versão validada com o recurso de Importação/Exportação.

Vale verificar a página de Regiões AWS para confirmar a disponibilidade do serviço. Consulte também os detalhes de custo nas páginas de preços do Amazon Quick e preços do Amazon S3.

Pré-requisitos

Antes de começar, é necessário garantir que o ambiente atende aos seguintes requisitos:

Uma assinatura Amazon Quick Enterprise com acesso ao Amazon Quick Automate;
Um bucket do Amazon S3 na mesma Região AWS da aplicação Amazon Quick;
Familiaridade com funções e políticas do AWS Identity and Access Management (IAM);
Conhecimento básico de buckets, prefixos e objetos do Amazon S3.

Criando a função IAM necessária

É preciso criar uma função IAM (Identity and Access Management — Gerenciamento de Identidade e Acesso) que conceda ao Amazon Quick Automate permissão para acessar o bucket S3. Os passos são:

Abra o console do IAM e acesse Roles > Create role;
Em Trusted entity type, escolha Custom trust policy e cole a política de confiança abaixo;
Avance e anexe uma política de permissões que conceda s3:GetObject, s3:PutObject e s3:ListBucket no bucket de destino;
Nomeie a função (por exemplo, QuickAutomate-S3-Role) e finalize a criação;
Copie o ARN (Amazon Resource Name — Nome de Recurso Amazon) da função — ele será necessário na configuração do conector S3.

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Principal": {
        "Service": "quicksight.amazonaws.com"
      },
      "Action": "sts:AssumeRole"
    }
  ]
}

Configurando o conector S3

Com a função IAM criada, o próximo passo é configurar o conector S3 no console do Amazon Quick. O processo envolve acessar Manage Account > Permissions > AWS Actions, criar uma nova ação do tipo Amazon S3, informar um nome para o conector (por exemplo, ExampleBucket-S3-Connection), uma descrição e colar o ARN da função IAM criada anteriormente. O console valida automaticamente a política de confiança da função.

Após confirmar a conexão bem-sucedida, compartilhe o conector com os usuários e grupos que irão construir e executar os fluxos de trabalho.

Criando o grupo e o projeto de automação

O próximo passo é criar um grupo de automação — uma unidade organizacional que agrupa o conector S3 e os projetos relacionados. No console do Amazon Quick, acesse Automations > Create Group, nomeie o grupo (por exemplo, RFI-Processing-Group) e selecione o conector S3 criado anteriormente.

Com o grupo configurado, crie o projeto de automação. É nele que a lógica de processamento será descrita e onde o fluxo gerado ficará armazenado. Na aba Projects, escolha Create Project, informe um nome, selecione o grupo de automação e, opcionalmente, adicione uma descrição. A seção de business case é opcional e serve para rastrear o retorno sobre o investimento.

Descrevendo a lógica de processamento em linguagem natural

Esta é a etapa central da solução. No projeto de automação, o usuário descreve o que a automação deve fazer usando linguagem natural — pode digitar diretamente na área de prompt ou fazer upload de um arquivo com os requisitos. O assistente de inteligência artificial interpreta as instruções e gera os passos executáveis do fluxo.

Exemplo de prompt para leitura e extração

O tutorial apresenta o seguinte exemplo de prompt:

"Connect to my S3 bucket using the ExampleBucket-S3-Connection connector. Read the file SampleDepartment_Version2.xlsx from the sample-folder prefix. Open the Strategy sheet and extract all survey questions. Identify main questions and subquestions based on numbering and indentation. Structure the data with columns for Serial Number, Category, Question, and Response Type. Write the output as a CSV file to the output-folder prefix in the same bucket."

O que o assistente gera automaticamente

Após o envio do prompt, o assistente de IA gera um fluxo com múltiplos passos, cada um mapeando uma parte das instruções:

Leitura dos dados: conecta ao S3, baixa a planilha e lê a aba de destino com cabeçalhos;
Extração e transformação: identifica perguntas principais e subperguntas por numeração e indentação, e extrai metadados de categoria dos cabeçalhos de coluna;
Estruturação da saída: converte subperguntas em registros independentes, mesclando o contexto da pergunta pai, e define o esquema de saída;
Gravação dos resultados: salva a saída estruturada como arquivo CSV no local S3 especificado.

Como o assistente utiliza IA generativa, os passos exatos e a redação podem variar entre execuções, mas a lógica operacional permanece a mesma com base nas instruções fornecidas.

Executando e validando o fluxo

Após a geração, basta escolher Run para executar o fluxo contra a planilha real. A validação deve confirmar que todas as perguntas foram extraídas (principais e subperguntas), que o texto de categoria corresponde exatamente aos cabeçalhos da fonte, que as subperguntas incluem o contexto da pergunta pai e que os tipos de resposta foram preservados como estão na origem.

Refinando o fluxo por conversa

Quando a saída precisa de ajustes, a interface de conversa permite solicitar mudanças específicas referenciando o passo exato e descrevendo o comportamento esperado. O tutorial apresenta exemplos de prompts de refinamento:

“O passo que lê a aba Strategy também deve capturar os cabeçalhos de coluna como metadados.”
“O campo de categoria não corresponde aos cabeçalhos da fonte. Atualize a extração para usar o texto exato do cabeçalho.”
“No passo de transformação de subperguntas, mescle o contexto da pergunta pai no texto da pergunta.”

O ciclo recomendado é: identificar o problema, solicitar uma atualização específica, revisar o fluxo atualizado e re-executar para validar a correção. A AWS recomenda validar incrementalmente — rodando e verificando a saída após cada refinamento, em vez de acumular múltiplas mudanças — e tratar casos extremos explicitamente, descrevendo como o fluxo deve se comportar quando dados estiverem ausentes, duplicados ou com formatação inconsistente.

Promovendo a automação com Importação/Exportação

O recurso de Import/Export (Importação/Exportação) do Amazon Quick Automate permite a promoção controlada de versões do ambiente de pré-produção para produção e a reutilização consistente entre Regiões AWS.

Para exportar, acesse o projeto de automação, vá até a aba Versions e escolha Export version para a versão validada. Copie o link gerado com atenção — ele expira após um período determinado. Para importar, abra ou crie um projeto Amazon Quick Automate na conta ou Região de destino, escolha Import version, cole o link e conclua o processo. Após a importação, configure os conectores, credenciais e configurações de implantação no ambiente de destino.

Limpeza do ambiente

Após os testes, a AWS orienta excluir o projeto de automação e o grupo de automação, remover o conector S3 se nenhum outro fluxo o utilizar, e apagar as funções IAM de teste e os objetos S3 de teste quando não forem mais necessários. Mais detalhes de limpeza estão disponíveis na documentação do Amazon Quick Automate.

Possibilidades de extensão

A AWS destaca que a mesma abordagem pode ser adaptada para outros cenários de negócio:

Processamento Inteligente de Documentos (IDP — Intelligent Document Processing): extração de dados estruturados de faturas, contratos ou formulários;
Consolidação de relatórios: unificação de relatórios financeiros com múltiplas abas em um único conjunto de dados;
Automação de interface: automatização de tarefas repetitivas em navegadores que alimentam análises posteriores;
Agregação de dados de pesquisas: consolidação de respostas de múltiplas fontes em uma única saída.

Para saber mais sobre as capacidades de automação, conectores de ação e fluxos em linguagem natural, a AWS disponibiliza a documentação do Amazon Quick. Para começar a usar o serviço, acesse o guia de introdução ao Amazon Quick.

Fonte

Build an end-to-end RFI questionnaire workflow using Amazon Quick Automate (https://aws.amazon.com/blogs/machine-learning/build-an-end-to-end-rfi-questionnaire-workflow-using-amazon-quick-automate/)