Rocket Close revoluciona processamento de documentos hipotecários com Amazon Bedrock e Amazon Textract

Parceria estratégica entre Rocket Close e AWS acelera análise documental em hipotecas

A Rocket Close, empresa sediada em Detroit e integrante do grupo Rocket Companies, transformou o processamento de documentos hipotecários por meio de uma solução inteligente desenvolvida em parceria com o AWS Generative AI Innovation Center (GenAIIC). O desafio era enorme: processar diariamente cerca de 2.000 pacotes de documentos, cada um com aproximadamente 75 páginas, a um custo de tempo manual médio de 10 horas por pacote — um gargalo operacional que comprometia a escalabilidade e a eficiência.

Desafios do processamento manual em larga escala

Os pacotes de documentos, conhecidos como "abstract packages", reúnem uma variedade complexa de documentos legais relacionados à propriedade e transações imobiliárias. A diversidade de formatos, a presença de textos digitados, manuscritos, tabelas, formulários, assinaturas e até carimbos, além da variação na ordem e composição dos documentos, tornavam a automação um desafio técnico significativo.

Entre os principais tipos de documentos estão:

Documentos hipotecários: contratos, escrituras e instrumentos de garantia que definem os termos do empréstimo.
Documentos da cadeia de titularidade: escrituras diversas que comprovam a transferência legal de propriedade.
Documentos judiciais: julgamentos, notificações de ônus e outras ações legais que possam afetar o título.
Documentos fiscais: notificações de impostos federais e estaduais relacionados à propriedade.
Documentos legais adicionais: processos judiciais pendentes, reclamações e declarações diversas.

Arquitetura da solução baseada em IA generativa da AWS

A solução desenvolvida é estruturada em duas etapas principais:

Extração de texto com Amazon Textract: a ferramenta de OCR converte as imagens dos documentos em texto legível por máquina, preservando a hierarquia estrutural, incluindo tabelas, formulários e assinaturas. O conteúdo extraído é convertido em formato markdown e armazenado no Amazon S3 para processamento posterior.
Análise e extração inteligente com Amazon Bedrock: utilizando modelos foundation models (FMs), a solução classifica e segmenta os documentos, cria um índice de conteúdo e extrai os dados relevantes com prompts especializados que combinam conhecimento do domínio hipotecário. Os dados extraídos são padronizados em formato JSON para integração com sistemas internos.

Esta abordagem aproveita engenharia avançada de prompts, integração de glossários e dicionários específicos do setor hipotecário, além de um framework de avaliação que utiliza métricas adaptadas para diferentes tipos de dados, como correspondência de códigos estaduais, tipos de escrituras e referências documentais.

Resultados expressivos e impacto no mercado

Os testes de validação da solução apresentaram uma precisão superior a 90% na segmentação, classificação e extração dos campos essenciais dos documentos. A transformação operacional permitiu reduzir o tempo médio de processamento de 30 minutos para menos de 2 minutos por pacote — uma aceleração de 15 vezes.

Além de ganhos significativos em velocidade, a automação diminui custos operacionais e erros humanos, melhora a qualidade e a consistência dos dados extraídos, e garante escalabilidade para processar até 500.000 documentos por ano, com capacidade de ajuste automático para picos de demanda.

Próximos passos e expansão da automação

Com o sucesso da prova de conceito, a Rocket Close planeja avançar para a implementação em produção, adotando arquitetura containerizada para suportar o processamento em escala empresarial. A estratégia inclui ciclos de feedback contínuos para aprimorar a precisão da extração e a atualização periódica dos modelos de linguagem conforme novas versões do Amazon Bedrock forem disponibilizadas.

Além disso, a solução será expandida para outras áreas do negócio, como processamento de quitações de empréstimos, acordos de compra e documentação para liberação de títulos, ampliando o impacto da inteligência artificial generativa em múltiplos fluxos de trabalho.