A AWS trouxe ao centro da conversa a Inteligência Artificial corporativa. Durante o re:Invent 2025, a empresa apresentou novidades para o Amazon Bedrock AgentCore. A plataforma foi criada para que empresas construam, implantem e gerenciem agentes de IA em produção. E o recado foi: os agentes estão ficando mais potentes, mas também mais controláveis.
O pacote de atualizações inclui Policy, AgentCore Evaluations e AgentCore Memory. As três funcionalidades abordam pontos críticos de adoção empresarial: limites de atuação, qualidade e confiabilidade ao longo do tempo.
1. Policy: limites claros em linguagem natural
Um dos anúncios mais importantes é o Policy, sistema que permite definir regras de atuação de agentes usando frases comuns, sem precisar escrever código.
Na prática a empresa pode criar políticas como “O agente só pode emitir reembolsos até 100 dólares” ou “Permitir uso da ferramenta Y apenas durante o horário comercial”.
O AgentCore Gateway verifica cada ação executada pelo agente em segundos e bloqueia automaticamente tudo que estiver fora das regras. Para empresas que lidam com dados sensíveis, esse é o tipo de controle que define se a IA passa do laboratório para a operação de verdade.
2. AgentCore Evaluations: Avaliação de agentes
Outra dor mapeada por pela empresa foi a incerteza da funcionalidade do agente.
A AWS introduziu o AgentCore Evaluations, um conjunto de 13 avaliadores pré-construídos que monitoram:
- Correção;
- Segurança;
- Precisão no uso de ferramentas;
- Relevância do contexto;
- Sucesso na tarefa;
- E qualidade da decisão.
A solução pode ser aplicada tanto em testes quanto em produção, gerando alertas em tempo real. Além disso, os desenvolvedores têm a flexibilidade de criar seus próprios avaliadores personalizados usando LLMs e prompts de sua preferência. Segundo a AWS, essa ferramenta é essencial quando um agente está atendendo clientes, fazendo recomendações financeiras ou guiando processos internos.
3. AgentCore Memory: Aprendizado dos agentes
A atualização mais ambiciosa é o AgentCore Memory. Diferente do “contexto” temporário que modelos costumam usar, este recurso cria uma memória estrutural e persistente das interações.
Exemplos:
- Se o usuário costuma viajar com crianças, o agente adapta automaticamente horários de transporte.
- Se um cliente prefere hotéis próximos ao aeroporto, isso passa a influenciar recomendações futuras.
- Em aplicações corporativas, o agente aprende padrões de uso, preferências e fluxos.
Ou seja: os agentes deixam passam a operar como sistemas que acumulam conhecimento ao longo do tempo.
Uma virada para o ambiente corporativo
O mercado está investindo em agentes, mas ainda com certa insegurança. Eles são poderosos, mas podem cometer erros graves se não forem observados, avaliados e limitados. A AWS sabe disso e está competindo pela narrativa da IA confiável e governável. Com as três atualizações, a empresa tenta entregar a camada que faltava para adoção corporativa em larga escala.
