Resposta do Laboratório: A Wiki Perdida dos Arquivos Corporativos

🎮 Contexto da Missão

Você acaba de encontrar uma pasta chamada raw/.

Dentro dela estão documentos brutos de uma empresa fictícia: uma ata de reunião em PDF, uma folha de ata digitalizada e uma exportação de oportunidades do CRM.

Os três chegam de jeitos diferentes e exigem tratamentos diferentes. Um já nasce com texto dentro, outro é só imagem e precisa de OCR, e o terceiro não é texto corrido, é tabela. Parte do desafio é descobrir isso abrindo os arquivos.

Esses arquivos representam anos de conhecimento espalhado, sem padronização, sem busca eficiente e sem uma forma simples de encontrar decisões, responsáveis, datas, temas discutidos ou próximos passos definidos em reuniões anteriores.

Sua missão é propor, usando apenas serviços da AWS, como transformar esses dados brutos em uma Wiki Corporativa Inteligente, pesquisável e segura.

Você não precisa implementar a solução completa.

O objetivo deste laboratório é analisar os arquivos da pasta raw/ e preencher o arquivo resposta.md, descrevendo como você resolveria esse desafio passo a passo.

🏛️ A Lenda dos Arquivos Perdidos

Durante anos, a empresa registrou decisões importantes em diferentes formatos de documentos. Com o tempo, esses arquivos foram se acumulando dentro da pasta raw/, sem organização e sem uma estrutura clara de consulta.

Agora, a liderança quer responder perguntas como:

“Quais decisões foram tomadas sobre o projeto X?”
“Quem ficou responsável pela ação Y?”
“Em quais reuniões o tema segurança foi discutido?”
“Quais foram os principais riscos apontados no último trimestre?”
“Existe algum documento que fale sobre orçamento, contratação ou fornecedores?”
“Quais próximos passos ficaram pendentes em reuniões anteriores?”

Para isso, a empresa deseja criar uma Wiki Inteligente, capaz de pesquisar, resumir e responder perguntas com base nos documentos originais.

📁 Estrutura Inicial do Repositório

.
├── README.md
├── resposta.md
└── raw/
  ├── ata_reuniao_vendas_sa.pdf                    # 5 paginas, camada de texto: sem OCR
  ├── ata_resultados_vendas_novos_dados.png        # 1 pagina digitalizada, so pixels: exige OCR
  └── vendas_sa_dados_ficticios_laboratorio.csv    # 240 oportunidades do CRM, 19 colunas

A pasta raw/ representa os dados brutos da empresa.

Importante: não existem subpastas dentro de raw/. Todos os arquivos estarão misturados diretamente nessa pasta.

Parte do desafio é explicar como você organizaria, processaria e classificaria esses documentos usando serviços da AWS.

🎯 Objetivo do Desafio

Criar uma proposta técnica explicando como transformar os arquivos da pasta raw/ em uma Wiki de Dados pesquisável usando somente serviços da AWS.

Sua resposta final deve ser escrita no arquivo:

resposta.md

Ao final, uma pessoa deve conseguir entender:

Como os documentos seriam armazenados;
Como os arquivos escaneados seriam processados;
Como o texto seria extraído e limpo;
Como os metadados seriam organizados;
Como os documentos seriam indexados;
Como a busca semântica funcionaria;
Como uma IA poderia responder perguntas com base nos documentos;
Como garantir segurança, rastreabilidade e governança.

⚔️ Regras da Expedição

Antes de começar, respeite as regras do templo:

Use apenas serviços da AWS.
Não use ferramentas externas de OCR, banco vetorial ou IA fora da AWS.
Não altere os arquivos da pasta raw/.
Considere que todos os documentos estão diretamente dentro da pasta raw/, sem subpastas.
Preencha sua solução no arquivo resposta.md.
Descreva sua proposta de forma clara, organizada e objetiva.
Justifique suas escolhas técnicas.
Explique o fluxo de dados do início ao fim.
Pense em segurança, rastreabilidade, custo e escalabilidade.
Não basta listar serviços: explique como eles se conectam.

🗺️ Quests Principais

✅ Quest 1: O Mapa dos Arquivos Perdidos

Antes de construir qualquer solução, você precisa entender o terreno.

Explore os arquivos da pasta raw/ e descreva quais tipos de documentos existem, quais informações eles podem conter e quais desafios eles apresentam.

Sua missão

Identificar os formatos de arquivo presentes na pasta raw/.
Diferenciar documentos digitais de documentos escaneados.
Identificar possíveis desafios, como baixa qualidade de imagem, arquivos sem padrão, documentos longos, tabelas, anotações soltas ou textos incompletos.
Descrever quais informações são importantes extrair das atas e documentos.
Explicar como você classificaria os arquivos sem depender de subpastas.

Pontos de atenção

Considere que os documentos podem conter:

Datas de reuniões;
Participantes;
Temas discutidos;
Decisões tomadas;
Responsáveis por ações;
Prazos;
Riscos;
Pendências;
Projetos citados;
Áreas ou departamentos envolvidos.

✅ Quest 2: O Portal de Entrada na AWS

Agora que você conhece os documentos, explique como eles entrariam no ambiente da AWS e como seriam processados.

Sua missão é descrever o pipeline inicial: armazenamento, leitura dos arquivos, extração de texto e preparação dos dados.

Serviços AWS que você pode considerar

Amazon S3
Amazon Textract
AWS Lambda
AWS Step Functions
Amazon CloudWatch
AWS IAM
AWS KMS

Sua missão

Explicar como os arquivos da pasta raw/ seriam enviados para o Amazon S3.
Definir como preservar os arquivos originais.
Explicar como identificar quais documentos precisam de OCR.
Descrever como o Amazon Textract seria usado para documentos escaneados.
Explicar como o PDF com camada de texto seria tratado, sem passar por OCR.
Explicar como o CSV do CRM entraria na solução, lembrando que ele é tabela e não texto corrido.
Definir onde os textos extraídos seriam armazenados.
Explicar como falhas de processamento seriam registradas.

✅ Quest 3: A Relíquia dos Metadados

Uma Wiki inteligente não depende apenas do texto dos documentos.

Ela também precisa de metadados para organizar, filtrar e contextualizar as informações.

Nesta quest, explique como você transformaria documentos bagunçados em registros organizados e úteis.

Serviços AWS que você pode considerar

Amazon Bedrock
Amazon Bedrock Knowledge Bases
AWS Lambda
Amazon S3
Amazon DynamoDB
AWS Glue Data Catalog

Sua missão

Definir um formato padronizado para os textos processados.
Explicar como limpar ruídos, quebras de linha e conteúdos duplicados.
Propor quais metadados seriam extraídos de cada documento.
Explicar como a IA poderia ajudar a identificar temas, decisões, responsáveis e pendências.
Descrever onde os metadados seriam armazenados.
Explicar como conectar cada metadado ao documento original.

Exemplos de metadados úteis

MetadadoExemploNome do documentoata_reuniao_vendas_sa.pdfTipo de documentoAta de reuniãoData identificada15/03/2026Tema principalPlanejamento comercialParticipantesAna, Bruno, CamilaDecisões tomadasAprovar nova campanhaResponsáveisBrunoPróximos passosEnviar proposta revisadaNível de confidencialidadeInternoArquivo originalCaminho no Amazon S3

✅ Quest 4: O Oráculo da Wiki Inteligente

Com os documentos processados e enriquecidos, chegou a hora de propor como a Wiki Inteligente funcionaria.

Nesta quest, descreva como a empresa poderia pesquisar os documentos, fazer perguntas em linguagem natural e receber respostas com base nos arquivos originais.

Serviços AWS que você pode considerar

Amazon Bedrock
Amazon Bedrock Knowledge Bases
Amazon Bedrock Agents
Amazon OpenSearch Serverless
Amazon Aurora PostgreSQL com pgvector
Amazon S3 Vectors
Amazon Q Business
Amazon API Gateway
AWS Lambda
Amazon Cognito
Amazon CloudWatch
AWS CloudTrail

Sua missão

Explicar como os documentos seriam divididos em trechos menores.
Descrever como embeddings seriam gerados.
Definir onde a base vetorial seria armazenada.
Explicar como a busca semântica encontraria informações relevantes.
Descrever como o Amazon Bedrock responderia perguntas com base nos documentos.
Explicar como as respostas citariam ou referenciariam os arquivos de origem.
Propor uma interface de consulta para os usuários.
Explicar como controlar acesso, segurança e auditoria.
Descrever como monitorar uso, erros, custos e qualidade das respostas.

Exemplo de experiência esperada

Um usuário poderia perguntar:

Quais foram as principais decisões tomadas sobre o projeto de expansão comercial?

A Wiki Inteligente deveria retornar uma resposta baseada nos documentos processados, indicando:

Resumo da resposta;
Documentos usados como fonte;
Datas relacionadas;
Pessoas envolvidas;
Decisões encontradas;
Possíveis próximos passos.

🏆 Sistema de Pontuação

Sua entrega será avaliada como uma jornada de exploração.

🥉 Nível Explorador

Você alcança este nível se:

Explicar o problema com clareza;
Listar os principais serviços AWS;
Descrever um fluxo básico de processamento;
Mostrar como os documentos poderiam se tornar pesquisáveis.

🥈 Nível Aventureiro

Você alcança este nível se:

Separar bem armazenamento, extração, normalização, indexação e consulta;
Explicar o papel de cada serviço;
Incluir metadados;
Pensar em segurança e monitoramento;
Justificar suas escolhas.

🥇 Nível Guardião da Wiki Perdida

Você alcança este nível se:

Criar uma arquitetura completa e coerente;
Explicar o fluxo de ponta a ponta;
Usar busca semântica e RAG de forma bem descrita;
Propor filtros, metadados e rastreabilidade;
Pensar em custos, segurança, governança e evolução futura;
Apresentar a solução como se fosse um projeto real para uma empresa.

🚀 Entrega Final

Para concluir o laboratório:

Faça um fork deste repositório.
Leia os documentos disponíveis na pasta raw/.
Abra o arquivo resposta.md.
Preencha as quatro quests principais.
Descreva sua arquitetura usando apenas serviços AWS.
Faça o commit da sua resposta.
Envie o link do seu repositório.

🏁 Mensagem Final da Missão

Você não está apenas organizando arquivos.

Você está reconstruindo a memória de uma empresa.

Cada ata, cada anotação e cada PDF pode esconder uma decisão importante, um risco esquecido ou uma oportunidade perdida.

Sua missão é transformar esse caos documental em uma Wiki Inteligente, pesquisável e segura, usando o poder da nuvem AWS.

Boa expedição, explorador(a).

A Wiki Perdida espera por você.

https://github.com/elias-santos87/laboratorio-wiki-aws