AI-translated from English; not yet reviewed by a fluent editor. # Como o exemplo de revisão de contratos de arrendamento da AWS separa as decisões sobre IA das decisões de conformidade > O exemplo da AWS encaminha questões sobre contratos de arrendamento para o Amazon Quick, que recorre a ferramentas fixas e a um motor de regras. Este guia explica o comprovativo, o rasto de evidências, os limites da configuração e o que os utilizadores terão de validar. By BIG CHANGE Editorial Published: 2026-10-03T08:22:25.737Z Updated: 2026-10-03T08:22:25.737Z Canonical: https://bigchange.ai/blog/aws-lease-compliance-adjudicated-query-guide ![Conceptual charcoal illustration of an open archive drawer filled with lease folders, one orange divider and a blank slip clipped to the drawer front.](https://bigchange.ai/api/media/file/aws-lease-review-archive-hero-v1.png) AI-generated conceptual editorial illustration by BIG CHANGE. A AWS publicou um projeto de referência do Amazon Quick para responder a questões de conformidade sobre um grande conjunto de contratos de arrendamento. A ideia útil é uma transferência de responsabilidade bem delimitada: o modelo de chat seleciona uma ferramenta fixa e explica a resposta; um motor de regras independente define a população e determina cada resultado. O [publicação de 2 de outubro](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/) e o [repositório de exemplo](https://github.com/aws-samples/sample-quick-adjudicated-query) descrevem uma prova de conceito para fins educativos, não um serviço de conformidade jurídica validado. Para um engenheiro ou responsável pela conformidade, a questão é saber se esta separação é adequada à decisão em análise. O exemplo utiliza contratos sintéticos, regras inventadas e citações fictícias. As contagens ilustram o formato de saída pretendido; nada revelam sobre a precisão em contratos ou legislação reais. ## A grande mudança - **O que mudou:** O exemplo da AWS transforma a IA numa interface controlada para ferramentas de revisão fixas. Um motor de regras determina os resultados para uma população de contratos de arrendamento enumerada. - **Por que isso importa:** As regras versionadas e um comprovativo das evidências permitem aos revisores inspecionar, fora do chat, a forma como os registos selecionados foram avaliados. - **O que observar:** O comprovativo não valida o inventário, a extração nem as regras jurídicas. Quem adotar a solução terá de verificar esses elementos, a atribuição dos pedidos aos utilizadores e o desempenho com dados próprios. ## A população tem de ser definida antes do prompt Um utilizador pode perguntar ao Quick quais os contratos de arrendamento no Texas que violam uma regra relativa a penalizações por atraso numa data específica. O Quick encaminha o pedido para `sweep_compliance`, uma das seis operações MCP identificadas. A operação utiliza a jurisdição e a data indicadas para selecionar a população e as versões aplicáveis das regras. O modelo não escreve o SQL nem determina se uma cláusula cumpre a regra. O motor de regras aplica operadores de comparação fixos, recebendo os valores das regras como parâmetros. Segundo a AWS, a verificação oficial não consulta nenhum modelo. [A AWS explica aqui o contrato da operação](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/); o [repositório descreve a implementação](https://github.com/aws-samples/sample-quick-adjudicated-query). As outras ferramentas têm âmbitos mais restritos. `simulate_rule_change` fornece contagens exploratórias para um valor proposto, sem registar ocorrências. `explore_clauses` ordena por semelhança semântica uma amostra filtrada e não consegue responder a «quantos?». `get_finding` recupera uma cadeia de evidências; `list_rules` mostra quais as regras em vigor numa determinada data; `check_connection` verifica a ligação ao serviço. A distinção é importante porque uma amostra de cláusulas relevantes não equivale a um levantamento exaustivo. O varrimento gera um comprovativo que contabiliza todos os registos analisados em quatro categorias: em conformidade, em violação, ambíguos ou ilegíveis. Antes de gravar os resultados, o motor verifica se a soma das contagens corresponde ao total analisado. O Quick pode apresentar as contagens e uma pequena amostra, enquanto um painel do Quick Sight consulta os resultados completos no mesmo repositório de dados Aurora. Cada ocorrência inclui o texto da cláusula, os valores extraídos e esperados, a versão da regra e a citação. Estas são características do projeto de exemplo da AWS; não significam que a BIG CHANGE tenha executado ou verificado os resultados de forma independente. O comprovativo contabiliza a população selecionada. Não demonstra que o inventário de origem inclua todos os contratos, que a extração tenha captado corretamente todas as cláusulas relevantes nem que uma regra reflita a legislação em vigor. Para validar esses pontos são necessários processos separados de conciliação, revisão da extração e aprovação jurídica. Se não for claro o que se entende por «todos os contratos de arrendamento no Texas», uma contagem exata pode ainda assim descrever o conjunto errado. ## O que teria de construir A [arquitetura de exemplo](https://github.com/aws-samples/sample-quick-adjudicated-query) coloca um agente de chat do Quick à frente de um servidor MCP executado no AWS Lambda. O Amazon Cognito emite um token de serviço, que o API Gateway valida. O Lambda lê e grava dados no Aurora Serverless v2 através da RDS Data API. O Quick Sight acede à mesma base de dados através de uma ligação VPC. A AWS reserva os embeddings do Bedrock e um modelo de linguagem para a ferramenta exploratória de pesquisa de cláusulas; o varrimento oficial continua a ser determinístico. O exemplo publicado inclui um corpus sintético de 50.000 contratos, um conjunto de regras versionado e um script de aceitação que, segundo a AWS, executa 28 verificações num ambiente implementado. O repositório alerta expressamente que o código não está pronto para produção, que o conteúdo jurídico é inventado e que os dados reais dos arrendatários exigem testes de segurança adicionais e validação jurídica independente. Analisámos a documentação e a descrição do repositório; não implementámos o ambiente, executámos essas verificações nem testámos o encaminhamento de ferramentas do agente de chat. Para adaptar o exemplo, comece por estabelecer o inventário oficial dos registos e um critério de inclusão preciso. Depois, decida que campos podem ser extraídos de forma fiável, que comparações entre regras são realmente mecânicas e quem aprova cada versão das regras. Registe o texto de origem, o estado da extração, a versão da regra, o operador, os valores comparados, a data e o ID da ocorrência, para que um revisor possa reconstituir o resultado. Reconcilie o comprovativo com o inventário fora da resposta do chat. Estas são verificações de conceção baseadas nas garantias e nos limites declarados pelo exemplo; não são etapas que tenhamos testado. Segundo a AWS, o token de credenciais de cliente do Cognito identifica a aplicação Quick, não a pessoa que coloca a pergunta no chat. O exemplo depende da correlação entre o ID e a hora do varrimento e a camada de auditoria do Quick para identificar o utilizador; a AWS sugere transmitir e armazenar o ID do utilizador final se o próprio repositório de conformidade tiver de registar essa identidade. Uma equipa que precise de tratar cada ocorrência como um registo de auditoria autónomo deve definir essa arquitetura antes da implementação. ## Acesso, limites e custos O guia da AWS pressupõe a existência de uma conta AWS, credenciais configuradas para a AWS CLI v2, Python e Node 24 para o CDK, acesso aos modelos no `us-east-1`, bem como um ambiente Amazon Quick com um conector MCP e o Quick Sight. A publicação indica Python 3.12; o README associado exige Python 3.9 ou posterior. Consulte os requisitos atuais do repositório ao escolher um ambiente local. As instruções do exemplo fixam a versão 2.261.0 da CLI do CDK, mas trata-se de uma dependência do exemplo, não de um requisito geral da AWS. O atual [guia de MCP do Quick](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html) define um tempo limite fixo de 60 segundos para cada operação, permite no máximo 100 ferramentas por ligação ao servidor e não transmite cabeçalhos HTTP personalizados. Esse limite de tempo deve ser testado para um varrimento de grande dimensão: mesmo uma tarefa de base de dados correta e demorada não pode ser concluída como operação síncrona do Quick se ultrapassar o limite do conector. O guia indica que a lista de ferramentas de um conector personalizado pode ser atualizada com **Sync**. O blogue da AWS e o README do exemplo, por outro lado, instruem os utilizadores a eliminar e recriar a integração depois de alterações às ferramentas. Siga a documentação atual do Quick para o conector em uso e verifique a lista de ferramentas registadas e o respetivo encaminhamento no seu próprio ambiente. Como esta solução recorre a vários serviços, a informação publicada não permite calcular um «preço por varrimento» único e defensável. A [página de preços do Quick](https://aws.amazon.com/quick/pricing/pricing/) distingue os custos de subscrição dos custos por hora de agente e indica encargos adicionais do Quick Sight para algumas funcionalidades. A [página de preços do Aurora](https://aws.amazon.com/rds/aurora/pricing/) depende da configuração de capacidade, armazenamento e E/S; o exemplo mantém ativo um mínimo de 0,5 ACU, em vez de suspender a base de dados quando o consumo chega a zero. Também é necessário estimar a carga de trabalho do API Gateway, do Lambda e de eventuais chamadas exploratórias ao Bedrock. O repositório recomenda destruir o ambiente após a avaliação para evitar custos contínuos. Não foram criados recursos AWS para este artigo. ## Lista de verificação para apoiar a decisão Utilize esta abordagem apenas depois de a equipa conseguir responder às seguintes perguntas com os seus próprios dados e controlos: - Consegue enumerar a população completa com um critério de seleção estável e revisto, e conciliá-la com um inventário oficial? - As regras consistem em comparações mecânicas, com versões aprovadas, datas de entrada em vigor e citações? Que casos devem permanecer ambíguos e ser encaminhados para revisão humana? - Consegue contabilizar as falhas de extração e os documentos ilegíveis, em vez de os excluir silenciosamente? - Cada ocorrência conserva a cláusula de origem, os valores comparados e a versão da regra? É possível recuperar o conjunto completo de evidências fora do chat? - O varrimento consegue terminar dentro do tempo limite das operações do Quick? Como irá associar um resultado à pessoa que o solicitou? - A equipa estimou os custos de subscrição, da base de dados e dos serviços para o volume previsto e testou o desempenho e a qualidade dos resultados com dados cuja utilização é permitida? Se a tarefa exigir interpretação jurídica ou juízo sobre uma norma aberta, um rótulo determinístico de aprovado/reprovado pode ocultar precisamente a decisão que requer avaliação humana. Se a equipa pretender exemplos representativos, a recuperação semântica é mais simples. Se um motor de regras revisto e um painel já servirem os utilizadores responsáveis pelas decisões, a camada conversacional é opcional. Estas alternativas decorrem da própria discussão da AWS sobre a «escolha errada» e dos limites do seu exemplo sintético. ## Fontes e leituras complementares - [Blogue AWS Machine Learning, «Analisar milhares de contratos de arrendamento para verificar a conformidade usando o Amazon Quick e o padrão Adjudicated Query»](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/) (2 de outubro de 2026). Arquitetura do fornecedor, semântica das operações, explicação do exemplo e limites de falha declarados. As contagens e o comportamento do exemplo são descrições da AWS, não medições independentes. - [Repositório de exemplo da AWS](https://github.com/aws-samples/sample-quick-adjudicated-query). README, mapa de ficheiros, pressupostos de configuração e avisos explícitos sobre dados sintéticos, legislação inventada e falta de prontidão para produção. A BIG CHANGE não implementou nem testou o código para este artigo. - [Guia de integração MCP do Amazon Quick](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html). Documentação atual do conector: limite de 60 segundos por operação, máximo de 100 ferramentas, ausência de cabeçalhos personalizados e utilização de Sync para atualizar ferramentas de conectores personalizados. A instrução sobre Sync difere das indicações do exemplo e do README para eliminar e recriar a integração. - [Preços do Amazon Quick](https://aws.amazon.com/quick/pricing/pricing/) e [preços do Amazon Aurora](https://aws.amazon.com/rds/aurora/pricing/). Estruturas de preços e variáveis atuais para estimar uma carga de trabalho real; nenhuma das fontes fornece o custo completo deste exemplo. ## Sources - [Examinar milhares de contratos de arrendamento para verificar conformidade usando o Amazon Quick e o padrão Adjudicated Query](https://aws.amazon.com/blogs/machine-learning/sweep-thousands-of-leases-for-compliance-using-amazon-quick-and-the-adjudicated-query-pattern/) — . Publicação oficial do fornecedor que descreve a arquitetura, as seis ferramentas MCP, os resultados do exemplo, a configuração e os limites. O exemplo utiliza dados sintéticos; não foi testado pela BIG CHANGE nem validado de forma independente. - [aws-samples/sample-quick-adjudicated-query](https://github.com/aws-samples/sample-quick-adjudicated-query) — . README oficial do exemplo, mapa de ficheiros e pré-requisitos. Alerta explicitamente que os dados e as regras jurídicas são sintéticos ou inventados, que o código não está pronto para produção e que são necessárias validações jurídicas e de segurança. A BIG CHANGE não implementou nem testou o exemplo. - [Integração do Model Context Protocol (MCP) — Amazon Quick](https://docs.aws.amazon.com/quick/latest/userguide/mcp-integration.html) — . Documentação atual do conector: limite de 60 segundos por operação, máximo de 100 ferramentas, ausência de cabeçalhos personalizados e utilização de Sync para atualizar ferramentas de conectores personalizados. A instrução sobre Sync difere da indicação do exemplo para eliminar e recriar a integração. - [Preços do Amazon Quick](https://aws.amazon.com/quick/pricing/pricing/) — . Estrutura oficial de preços dos planos, das horas de agente e do Quick Sight; não inclui o preço de toda a arquitetura de referência nem de um varrimento. - [Preços do Amazon Aurora](https://aws.amazon.com/rds/aurora/pricing/) — . Estrutura oficial de custos variáveis do Aurora em função da capacidade, do armazenamento e da E/S. O README do exemplo especifica um mínimo ativo de 0,5 ACU. Não foi calculado o custo total de uma carga de trabalho.