Pipeline de dois modelos no Amazon Bedrock reduz custo de digitalização de documentos em 66%

Digitalizar documentos escaneados em escala, como páginas de anuários escolares, exige extrair fotos, nomes e metadados, e depois associar cada nome ao rosto correto. Um pipeline de modelo único que tenta fazer tudo de uma vez pode ser caro e difícil de ajustar. A AWS mostrou que uma abordagem com dois modelos — Amazon Nova 2 Lite e Claude Sonnet 4.6 — reduz o custo por página em cerca de dois terços, mantendo alta precisão.

O que foi lançado

No AWS Machine Learning Blog, a equipe descreveu um pipeline de duas etapas executado no Amazon Bedrock:

• Etapa 1 (Amazon Nova 2 Lite): extração multimodal nativa em uma única chamada de API — detecta fotos com bounding boxes, extrai nomes visíveis com coordenadas e retorna metadados da página (título, categoria).
• Etapa 2 (Claude Sonnet 4.6): raciocínio espacial para associar nomes a rostos com base no layout da página.

O pipeline foi testado em 336 páginas de anuários digitalizados, gerando 3.122 associações nome-rosto, das quais 93,3% tiveram confiança igual ou superior a 0,95. Apenas 0,3% ficaram abaixo de 0,90.

O ganho principal é de custo e flexibilidade. Segundo a AWS, o pipeline de dois modelos custa cerca de US$ 0,033 por página, contra US$ 0,10 de um modelo único que tenta fazer OCR, detecção de fotos e matching em uma só chamada. Em 100 mil páginas, a economia chega a US$ 6.500.

Além disso, cada etapa pode ser ajustada ou substituída independentemente — por exemplo, trocar apenas o modelo de raciocínio espacial sem mexer na extração inicial.

Disponibilidade e preço

O Amazon Nova 2 Lite está disponível no Amazon Bedrock em diversas regiões da AWS. O modelo tem precificação fixa por imagem: cada página de documento é cobrada a uma taxa fixa, independentemente da resolução. Isso torna o custo previsível em escala.

Para o pipeline descrito, o custo estimado por página é:

• Nova 2 Lite: ~US$ 0,0027 (230 tokens de imagem fixos + ~500 tokens de prompt + ~1.000 tokens de saída)
• Claude Sonnet 4.6: ~US$ 0,030 (imagem + JSON do Nova + tokens de raciocínio adaptativo)
• Total: ~US$ 0,033

Os preços atuais podem ser consultados na página de preços do Amazon Bedrock.

Como acessar e usar

Para reproduzir o pipeline, você precisa:

1. Uma conta AWS com acesso ao Amazon Bedrock em uma região onde Amazon Nova 2 Lite e Claude Sonnet 4.6 estejam disponíveis.
2. Habilitar o acesso aos modelos us.amazon.nova-2-lite-v1:0 e us.anthropic.claude-sonnet-4-6 no console do Amazon Bedrock.
3. Uma política IAM que permita as ações bedrock:InvokeModel e bedrock:Converse para esses modelos.
4. Python 3.10+ com o SDK boto3 instalado.

O código-fonte completo, incluindo um Jupyter notebook e imagens de exemplo, está disponível no repositório AWS Samples no GitHub.

Detalhes técnicos da implementação

Etapa 1: extração com Amazon Nova 2 Lite

O Nova 2 Lite recebe a imagem escaneada e um prompt que solicita fotos (com bounding boxes e classificação) e nomes visíveis (com posições aproximadas). A resposta é um JSON estruturado:

{
  "page_title": "Junior Class Officers",
  "photos": [
    {
      "bbox": [245, 180, 410, 520],
      "type": "portrait",
      "category": "class_officers",
      "summary": "Individual portrait photo"
    }
  ],
  "names": [
    {"text": "Cecilia Phillips", "bbox": [260, 540, 395, 570]},
    {"text": "John Kolander", "bbox": [420, 540, 555, 570]}
  ]
}

O Nova usa coordenadas em escala 0–1000, que são passadas diretamente para o Claude sem conversão. O nível de raciocínio (reasoning_config) foi configurado como LOW, pois testes mostraram que níveis mais altos não melhoram a precisão para essa tarefa estruturada.

Etapa 2: matching espacial com Claude Sonnet 4.6

O Claude recebe a imagem original e o JSON do Nova, e usa adaptive thinking para decidir quanto raciocínio aplicar. Em páginas com layout simples, a resposta é direta; em páginas complexas, o modelo faz análise espacial passo a passo. O adaptive thinking é ativado no campo thinking da chamada Converse:

additionalModelRequestFields={
    'thinking': {'type': 'adaptive'}
}

A saída do Claude é uma lista de associações com nome, índice do rosto (face_idx), confiança e uma string de raciocínio:

{
  "associations": [
    {
      "name": "Cecilia Phillips",
      "face_idx": 0,
      "confidence": 0.95,
      "reasoning": "Row 0, position 1 of 3 - matches caption above photo"
    }
  ]
}

Resultados e validação

O pipeline processou 336 páginas e produziu 3.122 associações. A distribuição de confiança foi:

• ≥ 0,95: 2.912 associações (93,3%)
• 0,90 a 0,94: 202 associações (6,5%)
• < 0,90: 8 associações (0,3%)

Páginas de grade de retratos (282 das 336) tiveram média de 10,9 associações por página. Páginas apenas com texto foram corretamente ignoradas. Páginas mistas (retratos + fotos em grupo) produziram associações parciais, deixando fotos em grupo sem matching quando as legendas eram ambíguas.

O pipeline gera um JSON de resultados e uma imagem com linhas coloridas ligando cada nome ao rosto correspondente, facilitando a revisão manual.

Links úteis

• Repositório AWS Samples no GitHub (código completo, notebook e imagens)
• Documentação do Amazon Nova no Amazon Bedrock
• Adaptive thinking com Claude no Amazon Bedrock
• Preços do Amazon Bedrock