Para escolher um serviço de IA generativa na AWS, comece pelo trabalho a executar e pelo nível de controle realmente necessário. A AWS atualizou em 14 de novembro de 2026 seu guia de decisão e recomenda iniciar, para a maioria das cargas de inferência, pela opção mais gerenciada que atenda aos requisitos. Bedrock atende aplicações e acesso serverless a modelos; AgentCore opera agentes; SageMaker AI e HyperPod entram quando modelo, região, personalização, volume ou controle da infraestrutura exigem outra arquitetura. A decisão deve ser feita por carga de trabalho, não por preferência geral de plataforma.
Separe assistente, aplicação, agente e modelo
A primeira pergunta é o que a empresa quer entregar. Um assistente pronto para produtividade não exige a mesma arquitetura de uma aplicação própria. Uma chamada única para classificar, resumir ou gerar texto pode usar diretamente um modelo no Bedrock. Um fluxo que planeja etapas, consulta sistemas e mantém contexto é um agente e precisa de runtime, identidade, memória, ferramentas e observabilidade.
Quando o objetivo é treinar, hospedar ou otimizar um modelo específico, o centro da decisão deixa de ser a aplicação e passa a ser o ciclo de vida do modelo. Escrever esses quatro resultados antes de comparar preços evita contratar uma plataforma de agentes para uma tarefa simples ou assumir operação de infraestrutura sem necessidade.
Use Bedrock como ponto de partida para inferência
O Amazon Bedrock oferece modelos gerenciados por uma API comum, sem que a equipe opere servidores de inferência. Também reúne Knowledge Bases para recuperação de dados, Guardrails para salvaguardas, Flows, avaliação e formas de customização. Para demanda variável e uma equipe que quer reduzir trabalho operacional, esse ponto de partida costuma encurtar o piloto.
Confirme se o modelo e a versão necessários estão disponíveis na região exigida, se a capacidade atende à latência e ao volume e se o custo por unidade cabe no processo. A recomendação de começar gerenciado não elimina o teste de qualidade, residência, throughput e custo total.
- Modelo e versão exigidos pelo caso de uso
- Região de processamento e regras de residência
- Latência, volume médio e picos esperados
- Proteções, avaliação e recuperação de dados
- Custo por tarefa concluída, não apenas por token
Escolha AgentCore quando houver comportamento de agente
A AWS orienta novos projetos de agentes para o Amazon Bedrock AgentCore. O serviço fornece componentes modulares para runtime, memória, identidade, gateway de ferramentas, interpretação de código, navegador e observabilidade, com suporte a diferentes frameworks e modelos. Isso permite separar a lógica do agente da operação segura em produção.
Uma chamada de modelo não vira agente apenas porque usa uma ferramenta. Defina se existe planejamento em múltiplas etapas, estado entre interações, permissões por usuário e necessidade de retomar tarefas. Em fluxos com vários agentes, documente quem coordena, qual contexto pode ser compartilhado e como interromper uma sequência que ultrapassa tempo ou orçamento.
Migre para SageMaker quando um requisito justificar
SageMaker AI ou HyperPod fazem sentido quando o modelo não está no Bedrock, quando a empresa precisa controlar o mecanismo de inferência, aplicar quantização ou otimizações específicas, treinar modelos ou manter uma versão por longo prazo. Também podem ser competitivos em volume alto e previsível ou quando existem compromissos de capacidade já contratados.
Esse controle adiciona responsabilidade por implantação, atualização, capacidade, observabilidade e segurança. Calcule pessoas, plantões, ambientes de teste e tempo de recuperação junto com GPU ou acelerador. Um custo unitário menor pode desaparecer quando a operação exige uma equipe que o projeto não possui.
Trate região, capacidade e contrato como bloqueios
Residência de dados precisa ser verificada por fluxo. Se o modelo não existe na região exigida e a inferência entre regiões não atende à política, a alternativa pode ser hospedá-lo na própria região com SageMaker ou infraestrutura gerenciada pela empresa. Não aceite uma descrição comercial genérica como prova de conformidade.
Capacidade também pode alterar a escolha. Faça teste de carga no horário de pico, confirme limites, quotas e plano para indisponibilidade. Registre ainda a dependência de um modelo, API ou framework e o procedimento para trocar de fornecedor sem perder dados, prompts, avaliações e rastreabilidade.
Decida com uma matriz pequena e um piloto
Pontue cada opção em qualidade, latência, custo total, residência, segurança, integração e esforço operacional. Elimine primeiro as alternativas que falham em requisitos obrigatórios. Depois execute o mesmo conjunto de tarefas e dados permitidos nas opções restantes, com métricas definidas antes do teste.
O piloto deve incluir casos normais, entradas adversas, indisponibilidade de ferramenta, timeout, repetição e revisão humana. Meça qualidade aprovada, tempo, custo por tarefa, falhas e esforço de suporte. A arquitetura vencedora é a que entrega o resultado com riscos e operação sustentáveis, não a que concentra mais recursos.
Reconheça limites e mudanças de produto
O guia é uma referência de arquitetura da própria AWS e não substitui comparação independente de preço, desempenho e lock-in. Serviços, disponibilidade regional, quotas e nomes mudam. O Bedrock Agents passou a se chamar Bedrock Agents Classic e deixou de aceitar novos clientes em 30 de julho de 2026; novos agentes devem considerar AgentCore.
A empresa também pode combinar serviços: Bedrock para modelos de fronteira, SageMaker para modelos abertos e um gateway comum. Essa composição só é útil quando a economia ou o requisito compensam a complexidade. Revise a decisão quando volume, equipe, regulação ou modelo mudar.
Para levar daqui
Comece pela opção mais gerenciada que cumpra os requisitos e avance para mais controle apenas quando modelo, região, volume, personalização ou operação justificarem. A matriz deve ser refeita por carga de trabalho.
