Unifique dados estruturados e não estruturados com o Amazon Quick

O problema clássico: dados em lugares diferentes

Toda organização acumula dados em formatos distintos. De um lado, há os dados estruturados — aqueles que vivem em bancos de dados, planilhas e arquivos CSV, com colunas bem definidas e valores numéricos. Do outro, estão os dados não estruturados — documentos, relatórios, memorandos e PDFs espalhados por sistemas de arquivos e buckets de armazenamento.

Analisar esses dois mundos juntos costuma exigir alternância entre ferramentas diferentes, execução de consultas separadas e correlação manual dos resultados. É um processo lento e propenso a erros.

O Amazon Quick endereça exatamente esse problema com uma experiência unificada. A plataforma permite conectar dados estruturados por meio de datasets enriquecidos e dados não estruturados por meio de knowledge bases (bases de conhecimento) apoiadas pelo S3. A partir daí, um único agente conversacional de Inteligência Artificial (IA) consegue consultar ambas as fontes ao mesmo tempo.

Arquitetura da solução em três camadas

A solução proposta pela AWS se organiza em três camadas bem definidas:

• Camada de dados: Os dados não estruturados (documentos, PDFs, relatórios) ficam armazenados no Amazon Simple Storage Service (Amazon S3) e são indexados em uma knowledge base. Os dados estruturados (métricas, vendas, Indicadores-Chave de Desempenho — KPIs operacionais) são carregados como datasets enriquecidos com descrições semânticas que o agente usa para traduzir perguntas em consultas SQL.
• Camada de workspace: Um Space (espaço de trabalho) reúne os dois tipos de dados em um único ambiente. Ele referencia a knowledge base para consultas não estruturadas e os datasets para consultas estruturadas. Também pode incluir dashboards, uploads de arquivos e conectores de ação.
• Camada do agente: O agente de chat personalizado se conecta ao Space e o usa como fonte de conhecimento. Quando o usuário faz uma pergunta, o agente decide se deve consultar a knowledge base, o dataset ou ambos, e retorna uma resposta combinada com citações das fontes. O Amazon Quick também aplica guardrails (proteções) de IA integrados, como triagem de segurança de conteúdo, às interações de chat.

Essa abordagem em camadas permite expandir a solução ao longo do tempo. Ao adicionar uma nova fonte de dados ao Space, o agente vinculado a ele passa a utilizá-la automaticamente, e as respostas respeitam as permissões do usuário que fez a pergunta.

Pré-requisitos

Para seguir o passo a passo completo, são necessários:

• Uma conta no Amazon Quick com assinatura Enterprise (a criação de datasets exige esse plano). Consulte a página de preços do Amazon Quick para mais detalhes.
• Um bucket no Amazon S3 para armazenar os documentos de negócio. Veja como criar um no Guia do Usuário do Amazon S3.
• Acesso do Amazon Quick ao bucket S3, concedido por um administrador do Amazon Quick. No console de administração, o administrador acessa Permissões, depois Recursos AWS, seleciona Amazon S3 e escolhe os buckets. Os buckets selecionados têm permissões somente leitura por padrão.
• Permissões para criar integrações, knowledge bases, datasets, spaces e agentes de chat no Amazon Quick.

Preparando os dados de exemplo

O walkthrough utiliza dois tipos de dados. Para a knowledge base (dados não estruturados), é necessário fazer upload de três arquivos PDF para o bucket S3:

• AnyCompany_Business_Review.pdf
• AnyCompany_Market_Analysis_Report.pdf
• AnyCompany_Product_Strategy_Memo.pdf

Para o dataset estruturado, é necessário baixar o arquivo Product_Sales.csv para o computador. Esse arquivo será carregado diretamente no Amazon Quick.

Passo a passo: construindo a solução

Passo 1 — Criar a integração com o Amazon S3

O primeiro passo é conectar o Amazon Quick ao bucket S3. No console do Amazon Quick, acesse a seção Knowledge no painel de navegação esquerdo. A página exibe os tipos de conectores disponíveis, incluindo Amazon Q Business, Web Crawler, Amazon S3 e opções de terceiros como Google Drive, OneDrive e Microsoft SharePoint. Em Amazon S3, escolha Add.

No diálogo de criação, informe um nome descritivo para a integração, o local do bucket S3 (na mesma conta da instância do Amazon Quick ou em outra conta AWS) e a URL do bucket em formato URI. O bucket deve estar na mesma região do Amazon Quick.

Passo 2 — Criar a knowledge base

Após criar a integração S3, o Amazon Quick solicita a criação de uma knowledge base. Essa base indexa o conteúdo do S3 para buscas com IA. Configure com o nome Business Knowledge Base e defina se o conteúdo indexado será todo o bucket ou apenas prefixos específicos (os filtros de prefixo diferenciam maiúsculas de minúsculas).

Uma decisão importante nessa etapa é sobre o uso de Listas de Controle de Acesso (ACLs) no nível de documento — essa escolha não pode ser alterada depois que a knowledge base for criada. Para detalhes, consulte a documentação sobre configuração e gerenciamento da integração com o Amazon S3.

Passo 3 — Criar e enriquecer o dataset

Um dataset é um arquivo de dados estruturados carregado no Amazon Quick. O enriquecimento com descrições semânticas, instruções personalizadas e tipos de dados corretos permite que o agente de IA interprete os dados com maior precisão e traduza perguntas em linguagem natural para consultas SQL.

Para criar o dataset, acesse Data no menu lateral, escolha Create dataset e selecione Upload file. Carregue o arquivo Product_Sales.csv. O Amazon Quick ingere o arquivo no SPICE (mecanismo de cálculo em memória) e o dataset aparece na lista com o nome do arquivo.

Para enriquecer o dataset, acesse Edit dataset e realize os seguintes ajustes:

• Tipos de dados (aba Transform): Corrija os tipos detectados automaticamente. Por exemplo: altere Order Date e Date Key de String para Date; Customer ID de String para Integer; Sales, Discount e Profit de String para Decimal; Quantity e Unit Price de String para Integer.
• Contexto semântico (aba Output): Adicione uma descrição do dataset explicando o que os dados representam, instruções de uso para o agente (como agrupar por região, qual campo usar para análise temporal, como calcular vendas) e descrições individuais para cada coluna.

Após salvar e publicar, o dataset enriquecido fornece a camada de dados estruturados da solução. Quando o agente recebe uma pergunta sobre dados de vendas, ele usa essas descrições e instruções para gerar consultas SQL mais precisas.

Passo 4 — Criar um Space

Spaces no Amazon Quick funcionam como workspaces unificados de dados. Um Space pode conter uploads de arquivos, dashboards, knowledge bases, ações e datasets, oferecendo ao agente de chat um único local para consultar diferentes tipos de dados.

Crie um novo Space com o nome Business Intelligence Hub. Em seguida, adicione a knowledge base e o dataset ao Space usando a opção Add knowledge. O Space passa a exibir as duas fontes de dados vinculadas e prontas para uso pelo agente.

Passo 5 — Criar o agente de chat personalizado

Acesse Chat agents no menu lateral e escolha Create chat agent. O Amazon Quick apresenta um construtor de prompts onde é possível descrever o agente em linguagem natural ou escolher entre templates como Training Guide, Project Coordinator e Onboarding Helper. Para configuração manual, escolha Skip.

Configure o agente com as seguintes informações:

• Identidade do agente: “Business Intelligence Assistant”
• Instruções de persona: Defina as funções do agente — analisar dados de negócio armazenados no S3, recuperar descobertas relevantes dos relatórios na knowledge base, fornecer insights que conectem dados internos com tendências externas e gerar recomendações acionáveis baseadas em análise de dados. Instrua o agente a sempre citar as fontes e explicar como chegou às conclusões.
• Estilo de comunicação: Selecione o preset Executive para um caso de uso de business intelligence.
• Fontes de conhecimento: Vincule o Space Business Intelligence Hub criado anteriormente. Quando um Space é vinculado, o agente responde com base no conhecimento do modelo de linguagem grande (LLM) e nos recursos vinculados. Também é possível anexar documentos de referência diretamente ao agente.
• Personalização: Configure uma mensagem de boas-vindas e sugestões de prompts para orientar os usuários sobre o que o agente pode fazer.

Ao finalizar, clique em Launch chat agent. O painel direito exibe uma prévia ao vivo do agente com a mensagem de boas-vindas e os prompts sugeridos.

Passo 6 — Consultando dados estruturados e não estruturados

Com o agente em execução, é possível fazer perguntas que combinam os dois tipos de dados em uma única conversa. Por exemplo:

• “Como as vendas mudaram por região em 2025?” — O agente combina resultados do dataset Product_Sales.csv com os documentos na knowledge base do S3, retornando análises regionais com citações de cada fonte. Para perguntas sobre dados estruturados, o agente usa text-to-SQL para traduzir a pergunta em linguagem natural para uma consulta SQL, sem que o usuário precise escrever nenhuma linha de código.
• “Quais são as prioridades estratégicas descritas no memorando de estratégia de produto?” — O agente resume os pilares estratégicos e o roadmap do documento não estruturado.
• “Como nossos resultados de vendas de 2025 se alinham com as tendências de mercado identificadas no relatório de análise?” — O agente compara as tendências do relatório com os dados de vendas e cita cada fonte separadamente.

Passo 7 — Gerar artefatos e relatórios em linguagem natural

O agente também consegue gerar documentos formatados, incluindo apresentações Microsoft PowerPoint, planilhas Microsoft Excel e documentos Microsoft Word. Exemplos de prompts que podem ser utilizados:

• “Crie uma apresentação PowerPoint resumindo o desempenho de vendas do Q4 2025 por região, incluindo tendências e recomendações.”
• “Gere uma planilha Excel mostrando os 10 maiores pedidos por receita com as colunas Order ID, Region, Product e Revenue.”
• “Crie um documento Word com um resumo de revisão trimestral de negócios baseado nos dados de revisão anual.”

Passo 8 — Compartilhar o agente

Ao ser criado, o agente permanece privado até ser compartilhado. Para compartilhá-lo com a equipe, acesse Chat agents, clique no menu de ações do agente e escolha Share. Informe os usuários ou grupos, atribua permissões de Owner (proprietário) ou Viewer (visualizador) e confirme.

O agente retorna respostas respeitando as permissões de cada usuário. É importante garantir que as pessoas com quem o agente foi compartilhado também tenham acesso ao Space, à knowledge base e ao dataset. Para mais detalhes, consulte a documentação sobre agentes de chat personalizados.

Boas práticas

• Organize os dados no S3: Use estruturas de pastas e convenções de nomenclatura claras. Uma estrutura organizada facilita o escopo da knowledge base para prefixos S3 específicos.
• Escreva instruções de persona específicas: Quanto mais específicas as instruções, mais consistentes serão as respostas do agente. Inclua orientações sobre como citar fontes e lidar com consultas ambíguas.
• Use Spaces para controlar o escopo: Em vez de dar ao agente acesso a tudo, crie Spaces focados com apenas as fontes de dados relevantes para o propósito daquele agente.
• Comece com prompts sugeridos: Prompts sugeridos ajudam os usuários a entender o que o agente pode fazer. Escolha prompts que demonstrem o alcance do agente nos dois tipos de dados.
• Teste antes de compartilhar: Use o painel de prévia para testar o agente com perguntas representativas antes de compartilhá-lo com a equipe.

Considerações de segurança

Sob o modelo de responsabilidade compartilhada da AWS, a organização é responsável por configurar o acesso aos dados, knowledge bases e agentes. Alguns pontos importantes:

• Privilégio mínimo no S3: Conceda ao Amazon Quick acesso apenas aos buckets que as knowledge bases precisam. Os buckets selecionados têm permissões somente leitura por padrão. Se as knowledge bases forem criadas via API, é possível fornecer uma função do Gerenciamento de Identidade e Acesso (IAM) personalizada para uma fonte de dados S3 individual.
• Controle de acesso a documentos: Se os documentos exigem acesso por usuário ou grupo, habilite as ACLs no nível de documento ao criar a knowledge base. Essa configuração não pode ser alterada depois.
• Buckets criptografados: Se o bucket usa chaves do Serviço de Gerenciamento de Chaves (AWS KMS), siga os passos de configuração descritos no guia de configuração do administrador.
• Adicione apenas conteúdo confiável: O agente usa os documentos da knowledge base para formular respostas, por isso inclua apenas conteúdo de fontes confiáveis.
• Compartilhe seletivamente: Agentes de chat e knowledge bases são privados por padrão. Compartilhe apenas com os usuários e grupos que precisam de acesso.
• Use guardrails como uma camada: O Amazon Quick inclui triagem de segurança de conteúdo integrada, e administradores podem adicionar até 50 palavras ou frases bloqueadas. Esses controles ajudam a reduzir riscos, mas não substituem a responsabilidade de configurar acessos e permissões adequadamente. Para detalhes, consulte a documentação sobre guardrails de IA no Amazon Quick.

Limpeza dos recursos

Para evitar cobranças contínuas, remova os recursos criados: exclua o agente de chat, o Space, o dataset Product_Sales.csv e a knowledge base com a integração S3. Se um bucket S3 foi criado especificamente para este walkthrough, esvazie-o e exclua-o. A exclusão de um bucket e seus objetos é permanente, então faça backup de qualquer dado que queira manter.

As assinaturas de usuário e as taxas de conta do Amazon Quick são cobradas separadamente desses recursos. Consulte a página de preços do Amazon Quick para mais informações.

Conclusão

O Amazon Quick oferece uma abordagem prática para unificar dados estruturados e não estruturados em uma única interface conversacional. A combinação de S3 como fonte para knowledge bases, datasets enriquecidos com contexto semântico, Spaces como hubs de dados e agentes de chat personalizados permite que equipes de negócio façam perguntas complexas sem precisar saber onde os dados estão armazenados ou como escrever consultas SQL. A arquitetura em camadas também facilita a expansão da solução conforme novas fontes de dados são adicionadas ao ambiente.

Fonte

Bring structured and unstructured data together with Amazon Quick (https://aws.amazon.com/blogs/machine-learning/bring-structured-and-unstructured-data-together-with-amazon-quick/)