Amazon Bedrock: defesa inteligente contra mensagens e insights para negócios com IA generativa

Amazon Bedrock e Amazon Nova: inovação em defesa e análise de mensagens

A Amazon Web Services (AWS) lançou uma solução inovadora para proteger negócios que dependem de sistemas de mensagens, utilizando inteligência artificial generativa. Por meio do Amazon Bedrock e dos Foundation Models Amazon Nova, empresas podem detectar tentativas explícitas ou disfarçadas de contato direto entre compradores e vendedores, uma prática que pode causar perdas significativas de receita e prejudicar a reputação da marca.

O desafio das comunicações fora dos canais oficiais

Em mercados de corretagem, a comunicação direta entre as partes sem passar pelos canais autorizados pode levar à perda de comissões e enfraquecimento da posição competitiva da plataforma. Embora as mensagens dentro das aplicações sejam essenciais para detalhes operacionais — como instruções de entrega —, o compartilhamento de informações de contato (telefone, e-mail, endereço físico) deve ser evitado para manter a confiança e o valor do serviço.

Limitações de métodos tradicionais e o papel da IA generativa

Métodos convencionais, como expressões regulares (regex), são eficazes para identificar padrões óbvios, como números de telefone e e-mails, mas falham diante de tentativas sofisticadas de camuflagem, incluindo o uso de emojis, leetspeak, unidades de medida falsas ou substituição de caracteres. Essas técnicas evoluem rapidamente, tornando difícil a manutenção e atualização constante das regras.

Amazon Bedrock oferece uma alternativa robusta, com modelos de linguagem avançados que compreendem contexto, analisam estruturas complexas e se adaptam a padrões novos sem a necessidade de atualizações manuais constantes.

Como funciona a solução na prática

Utilizando o Amazon Nova 2 Lite, é possível criar prompts específicos para detectar informações de contato mesmo quando estão mascaradas por emojis ou formatos não convencionais. Por exemplo, uma sequência de emojis pode representar um número de telefone, ou o uso de palavras como "inches" pode ocultar dígitos numéricos.

O modelo pode identificar múltiplas categorias de dados proibidos, como números de telefone, nomes de empresas, e-mails, endereços físicos e informações pessoais (nome, características físicas), classificando cada item com um nível de confiança e explicando detalhadamente o raciocínio por trás da detecção.

Exemplo de identificação de informações disfarçadas

{
  "findings": {
    "phone_number": [
      {
        "value": "321 555 0177",
        "confidence": 5,
        "reasoning": "Uso de 'inches' para separar o número, indicando tentativa clara de disfarce"
      },
      {
        "value": "123 555 0123",
        "confidence": 5,
        "reasoning": "Formato explícito, mesmo com pontuação incomum"
      }
    ],
    "email": [
      {
        "value": "tylerh@anycompany.com",
        "confidence": 5,
        "reasoning": "Endereço de e-mail claro e formatado corretamente"
      },
      {
        "value": "jesseatanycompany.com",
        "confidence": 4,
        "reasoning": "Tentativa de disfarçar e-mail sem '@', mas padrão reconhecível"
      }
    ]
  }
}

Disponibilidade, acesso e requisitos para uso

O Amazon Bedrock é um serviço totalmente gerenciado e serverless disponível no console AWS. Para utilizar os modelos Amazon Nova, é necessário:

Conta ativa na AWS
Permissões IAM adequadas para acesso ao serviço
Familiaridade básica com o Console de Gerenciamento da AWS
Conhecimento inicial em engenharia de prompts para melhores resultados

Além disso, o console oferece um playground para testar e ajustar prompts, facilitando a experimentação com diferentes modelos e parâmetros de inferência, como ajuste de temperatura e limite de tokens.

Impacto prático para negócios e próximos passos

Detectar violações de políticas de comunicação ajuda a proteger receitas e a manter a integridade do marketplace. Após a identificação dessas violações, a solução permite extrair dados de sentimento dos clientes para melhorar o suporte e monitorar métricas de fidelidade.

O uso de prompts otimizados, aliados a ferramentas como o prompt optimizer do Amazon Bedrock, garante respostas consistentes e estruturadas, facilitando a integração com sistemas de monitoramento e compliance.