Você acaba de encontrar uma pasta chamada raw/.
Dentro dela estão documentos brutos de uma empresa fictícia: uma ata de reunião em PDF, uma folha de ata digitalizada e uma exportação de oportunidades do CRM.
Os três chegam de jeitos diferentes e exigem tratamentos diferentes. Um já nasce com texto dentro, outro é só imagem e precisa de OCR, e o terceiro não é texto corrido, é tabela. Parte do desafio é descobrir isso abrindo os arquivos.
Esses arquivos representam anos de conhecimento espalhado, sem padronização, sem busca eficiente e sem uma forma simples de encontrar decisões, responsáveis, datas, temas discutidos ou próximos passos definidos em reuniões anteriores.
Sua missão é propor, usando apenas serviços da AWS, como transformar esses dados brutos em uma Wiki Corporativa Inteligente, pesquisável e segura.
Você não precisa implementar a solução completa.
O objetivo deste laboratório é analisar os arquivos da pasta raw/ e preencher o arquivo resposta.md, descrevendo como você resolveria esse desafio passo a passo.
Durante anos, a empresa registrou decisões importantes em diferentes formatos de documentos. Com o tempo, esses arquivos foram se acumulando dentro da pasta raw/, sem organização e sem uma estrutura clara de consulta.
Agora, a liderança quer responder perguntas como:
- “Quais decisões foram tomadas sobre o projeto X?”
- “Quem ficou responsável pela ação Y?”
- “Em quais reuniões o tema segurança foi discutido?”
- “Quais foram os principais riscos apontados no último trimestre?”
- “Existe algum documento que fale sobre orçamento, contratação ou fornecedores?”
- “Quais próximos passos ficaram pendentes em reuniões anteriores?”
Para isso, a empresa deseja criar uma Wiki Inteligente, capaz de pesquisar, resumir e responder perguntas com base nos documentos originais.
.
├── README.md
├── resposta.md
└── raw/
├── ata_reuniao_vendas_sa.pdf # 5 paginas, camada de texto: sem OCR
├── ata_resultados_vendas_novos_dados.png # 1 pagina digitalizada, so pixels: exige OCR
└── vendas_sa_dados_ficticios_laboratorio.csv # 240 oportunidades do CRM, 19 colunasA pasta raw/ representa os dados brutos da empresa.
Importante: não existem subpastas dentro de
raw/. Todos os arquivos estarão misturados diretamente nessa pasta.
Parte do desafio é explicar como você organizaria, processaria e classificaria esses documentos usando serviços da AWS.
Criar uma proposta técnica explicando como transformar os arquivos da pasta raw/ em uma Wiki de Dados pesquisável usando somente serviços da AWS.
Sua resposta final deve ser escrita no arquivo:
resposta.mdAo final, uma pessoa deve conseguir entender:
- Como os documentos seriam armazenados;
- Como os arquivos escaneados seriam processados;
- Como o texto seria extraído e limpo;
- Como os metadados seriam organizados;
- Como os documentos seriam indexados;
- Como a busca semântica funcionaria;
- Como uma IA poderia responder perguntas com base nos documentos;
- Como garantir segurança, rastreabilidade e governança.
Antes de começar, respeite as regras do templo:
- Use apenas serviços da AWS.
- Não use ferramentas externas de OCR, banco vetorial ou IA fora da AWS.
- Não altere os arquivos da pasta
raw/. - Considere que todos os documentos estão diretamente dentro da pasta
raw/, sem subpastas. - Preencha sua solução no arquivo
resposta.md. - Descreva sua proposta de forma clara, organizada e objetiva.
- Justifique suas escolhas técnicas.
- Explique o fluxo de dados do início ao fim.
- Pense em segurança, rastreabilidade, custo e escalabilidade.
- Não basta listar serviços: explique como eles se conectam.
Antes de construir qualquer solução, você precisa entender o terreno.
Explore os arquivos da pasta raw/ e descreva quais tipos de documentos existem, quais informações eles podem conter e quais desafios eles apresentam.
- Identificar os formatos de arquivo presentes na pasta
raw/. - Diferenciar documentos digitais de documentos escaneados.
- Identificar possíveis desafios, como baixa qualidade de imagem, arquivos sem padrão, documentos longos, tabelas, anotações soltas ou textos incompletos.
- Descrever quais informações são importantes extrair das atas e documentos.
- Explicar como você classificaria os arquivos sem depender de subpastas.
Considere que os documentos podem conter:
- Datas de reuniões;
- Participantes;
- Temas discutidos;
- Decisões tomadas;
- Responsáveis por ações;
- Prazos;
- Riscos;
- Pendências;
- Projetos citados;
- Áreas ou departamentos envolvidos.
Agora que você conhece os documentos, explique como eles entrariam no ambiente da AWS e como seriam processados.
Sua missão é descrever o pipeline inicial: armazenamento, leitura dos arquivos, extração de texto e preparação dos dados.
- Amazon S3
- Amazon Textract
- AWS Lambda
- AWS Step Functions
- Amazon CloudWatch
- AWS IAM
- AWS KMS
- Explicar como os arquivos da pasta
raw/seriam enviados para o Amazon S3. - Definir como preservar os arquivos originais.
- Explicar como identificar quais documentos precisam de OCR.
- Descrever como o Amazon Textract seria usado para documentos escaneados.
- Explicar como o PDF com camada de texto seria tratado, sem passar por OCR.
- Explicar como o CSV do CRM entraria na solução, lembrando que ele é tabela e não texto corrido.
- Definir onde os textos extraídos seriam armazenados.
- Explicar como falhas de processamento seriam registradas.
Uma Wiki inteligente não depende apenas do texto dos documentos.
Ela também precisa de metadados para organizar, filtrar e contextualizar as informações.
Nesta quest, explique como você transformaria documentos bagunçados em registros organizados e úteis.
- Amazon Bedrock
- Amazon Bedrock Knowledge Bases
- AWS Lambda
- Amazon S3
- Amazon DynamoDB
- AWS Glue Data Catalog
- Definir um formato padronizado para os textos processados.
- Explicar como limpar ruídos, quebras de linha e conteúdos duplicados.
- Propor quais metadados seriam extraídos de cada documento.
- Explicar como a IA poderia ajudar a identificar temas, decisões, responsáveis e pendências.
- Descrever onde os metadados seriam armazenados.
- Explicar como conectar cada metadado ao documento original.
| Metadado | Exemplo |
|---|---|
| Nome do documento | ata_reuniao_vendas_sa.pdf |
| Tipo de documento | Ata de reunião |
| Data identificada | 15/03/2026 |
| Tema principal | Planejamento comercial |
| Participantes | Ana, Bruno, Camila |
| Decisões tomadas | Aprovar nova campanha |
| Responsáveis | Bruno |
| Próximos passos | Enviar proposta revisada |
| Nível de confidencialidade | Interno |
| Arquivo original | Caminho no Amazon S3 |
Com os documentos processados e enriquecidos, chegou a hora de propor como a Wiki Inteligente funcionaria.
Nesta quest, descreva como a empresa poderia pesquisar os documentos, fazer perguntas em linguagem natural e receber respostas com base nos arquivos originais.
- Amazon Bedrock
- Amazon Bedrock Knowledge Bases
- Amazon Bedrock Agents
- Amazon OpenSearch Serverless
- Amazon Aurora PostgreSQL com pgvector
- Amazon S3 Vectors
- Amazon Q Business
- Amazon API Gateway
- AWS Lambda
- Amazon Cognito
- Amazon CloudWatch
- AWS CloudTrail
- Explicar como os documentos seriam divididos em trechos menores.
- Descrever como embeddings seriam gerados.
- Definir onde a base vetorial seria armazenada.
- Explicar como a busca semântica encontraria informações relevantes.
- Descrever como o Amazon Bedrock responderia perguntas com base nos documentos.
- Explicar como as respostas citariam ou referenciariam os arquivos de origem.
- Propor uma interface de consulta para os usuários.
- Explicar como controlar acesso, segurança e auditoria.
- Descrever como monitorar uso, erros, custos e qualidade das respostas.
Um usuário poderia perguntar:
Quais foram as principais decisões tomadas sobre o projeto de expansão comercial?A Wiki Inteligente deveria retornar uma resposta baseada nos documentos processados, indicando:
- Resumo da resposta;
- Documentos usados como fonte;
- Datas relacionadas;
- Pessoas envolvidas;
- Decisões encontradas;
- Possíveis próximos passos.
Sua entrega será avaliada como uma jornada de exploração.
Você alcança este nível se:
- Explicar o problema com clareza;
- Listar os principais serviços AWS;
- Descrever um fluxo básico de processamento;
- Mostrar como os documentos poderiam se tornar pesquisáveis.
Você alcança este nível se:
- Separar bem armazenamento, extração, normalização, indexação e consulta;
- Explicar o papel de cada serviço;
- Incluir metadados;
- Pensar em segurança e monitoramento;
- Justificar suas escolhas.
Você alcança este nível se:
- Criar uma arquitetura completa e coerente;
- Explicar o fluxo de ponta a ponta;
- Usar busca semântica e RAG de forma bem descrita;
- Propor filtros, metadados e rastreabilidade;
- Pensar em custos, segurança, governança e evolução futura;
- Apresentar a solução como se fosse um projeto real para uma empresa.
Para concluir o laboratório:
- Faça um fork deste repositório.
- Leia os documentos disponíveis na pasta
raw/. - Abra o arquivo
resposta.md. - Preencha as quatro quests principais.
- Descreva sua arquitetura usando apenas serviços AWS.
- Faça o commit da sua resposta.
- Envie o link do seu repositório.
Você não está apenas organizando arquivos.
Você está reconstruindo a memória de uma empresa.
Cada ata, cada anotação e cada PDF pode esconder uma decisão importante, um risco esquecido ou uma oportunidade perdida.
Sua missão é transformar esse caos documental em uma Wiki Inteligente, pesquisável e segura, usando o poder da nuvem AWS.
Boa expedição, explorador(a).
A Wiki Perdida espera por você.