A AWS reduziu a barreira de entrada para a personalização de IA através da automatização com aprendizagem por reforço.

A Amazon Web Services(AWS) lançou novas funcionalidades destinadas a melhorar a eficiência dos modelos de inteligência artificial(IA) e a reduzir os custos de aprendizagem. O destaque vai para a opção de ajuste fino baseada em aprendizagem por reforço, denominada “RFT”, e para a funcionalidade de personalização sem servidor. Estas funcionalidades visam permitir que os desenvolvedores efetuem melhorias personalizadas nos modelos de IA com um conhecimento mínimo de aprendizagem automática.

A AWS anunciou a implementação destas funcionalidades na sua conferência anual “AWS re:Invent 2025”, realizada em Las Vegas no dia 3(hora local). As funcionalidades serão aplicadas ao Amazon Bedrock e ao SageMaker AI. O Amazon Bedrock é uma plataforma que permite construir funcionalidades de IA generativa com base nos “modelos fundamentais” das principais empresas de IA. Esta atualização RFT abre caminho para que as empresas otimizem agentes de IA sem necessidade de infraestruturas de aprendizagem automática avançadas.

Normalmente, as empresas recorrem aos modelos de linguagem de grande dimensão(LLM) mais potentes para agentes de IA, o que implica elevadas necessidades de processamento para inferência. Mesmo em tarefas repetitivas, como confirmação de agendas ou pesquisa de documentos, há uma utilização excessiva de recursos e ineficiências. A AWS acredita que as novas funcionalidades de personalização baseadas em aprendizagem por reforço podem resolver estes problemas, oferecendo uma estrutura que garante eficiência suficiente com menos capacidade de computação.

Tradicionalmente, a introdução da aprendizagem por reforço implicava barreiras técnicas elevadas, incluindo a preparação de dados de treino, recolha de feedback e construção de infraestruturas computacionais de alto desempenho, sendo necessário um investimento de vários meses. Contudo, a funcionalidade RFT do Amazon Bedrock permite que os desenvolvedores escolham o modelo desejado, façam upload dos registos de interação de utilizadores ou dados de treino e definam a função de recompensa — após isso, o ajuste do modelo é realizado automaticamente. Segundo a AWS, o processo pode ser executado sem necessidade de especialistas em aprendizagem automática; basta ter uma ideia do que constitui um “bom resultado”.

Numa fase inicial, a funcionalidade suportará exclusivamente o modelo Nova 2 Lite da Amazon, mas há planos para expandir para dezenas de outros modelos no futuro. O Amazon SageMaker AI também irá adicionar funcionalidades semelhantes numa modalidade sem servidor. O SageMaker é a plataforma que permite às empresas desenhar e implementar os seus próprios modelos de IA, prevendo-se a disponibilização de um ambiente “agente” que facilite a integração de opções de aprendizagem por reforço.

Neste modo agente, o utilizador introduz os seus requisitos em linguagem natural e o agente de IA orienta todo o processo, desde a geração de dados até à avaliação do modelo. Simultaneamente, oferece aos programadores avançados um modo de auto-orientação, alargando o leque de opções disponíveis. A AWS esclarece que a funcionalidade permite aplicar simultaneamente várias técnicas de aprendizagem por reforço, como aprendizagem baseada em feedback, aprendizagem baseada em recompensas verificáveis e ajuste supervisionado. Estas funcionalidades são compatíveis não só com o Nova, mas também com modelos como o Llama, Qwen, DeepSeek, GPT-OSS, entre outros.

Paralelamente, a AWS anunciou a introdução da funcionalidade de “treino sem checkpoints” no SageMaker HyperPod. Antes, em caso de erro durante o treino, a recuperação podia demorar dezenas de minutos; agora, o estado pode ser restaurado em minutos sem intervenção do cliente, graças à gravação em tempo real do estado do modelo em todo o cluster.

Adicionalmente, a AWS portou o seu framework open-source para agentes de IA, “Strands Agents”, para a linguagem TypeScript. Esta linguagem oferece maior estabilidade e menor propensão a erros do que o JavaScript, prevendo-se um ambiente de desenvolvimento de agentes mais estável.

Este lançamento ocorre numa altura em que concorrentes do mercado de IA generativa intensificam a aposta em funcionalidades de personalização. A Google(GOOGL), a Microsoft(MSFT), entre outros, também aceleram o desenvolvimento de funcionalidades semelhantes, prevendo-se uma aceleração do ambiente que permite aos utilizadores construir facilmente os modelos de IA mais adequados. Esta evolução tecnológica deverá funcionar como catalisador para uma integração ainda mais profunda da IA nos ambientes empresariais reais.