Questão 12 — Simulado AWS Certified AI Practitioner (AIP-C01) – Questões Atualizadas

Explicação: A opção B oferece a menor sobrecarga operacional porque mantém a solução principalmente dentro dos recursos gerenciados do Amazon Bedrock, minimizando o código de orquestração personalizado e a infraestrutura para operação. Os principais requisitos são aterramento de domínio, diluição semântica reduzida para questões complexas e respostas consistentes de baixa latência em alto volume de solicitações. Uma base de conhecimento Bedrock é desenvolvida especificamente para Retrieval Augmented Generation, ingerindo documentos de domínio, fragmentando conteúdo, gerando embeddings e recuperando as passagens mais relevantes em tempo de execução. Isto aborda diretamente a necessidade de fazer referência à terminologia médica específica do domínio a partir de documentos oficiais para reduzir a ambiguidade e melhorar a precisão factual. Reduzir a diluição semântica normalmente requer melhorar a consulta de recuperação para que o recuperador se concentre nos conceitos mais relevantes, especialmente para perguntas longas ou com múltiplas intenções. A ativação da decomposição de consultas permite que o sistema divida uma consulta médica complexa em subconsultas menores e mais direcionadas. Isso aumenta a precisão e a recuperação da recuperação de cada subquestão, o que ajuda o modelo a gerar uma resposta sintetizada mais precisa, baseada no contexto médico recuperado. O Amazon Bedrock Flows fornece uma maneira gerenciada de orquestrar fluxos de trabalho generativos de IA em várias etapas, como pré-processar a entrada, executar a recuperação na base de conhecimento, invocar um modelo básico e formatar a resposta final. Como os fluxos são gerenciados, a empresa evita manter máquinas de estado personalizadas, múltiplas funções Lambda ou lógica de roteamento personalizada. Isso reduz a sobrecarga operacional e ainda oferece suporte à execução observável e repetível. Em comparação com as alternativas, a opção A apresenta um agente mais roteamento do API Gateway e diversas opções de modelo, aumentando a complexidade da configuração e do tempo de execução. A opção C requer hospedagem e dimensionamento de modelos personalizados no SageMaker AI, o que adiciona carga operacional significativa e risco de latência. A opção D depende de diversas funções do Lambda orquestradas por um agente, o que adiciona mais peças móveis e aumenta a inicialização a frio e a sobrecarga de integração. A opção B atende mais diretamente aos requisitos com o menor espaço operacional.