Em 2 de outubro de 2026, a AWS publicou um artigo técnico apresentando o Adjudicated Query, um padrão de arquitetura que combina o agente de chat do Amazon Quick a um servidor MCP delimitado, apoiado em um motor de regras determinístico, para responder a perguntas de conformidade de forma comprovadamente completa. O exemplo usado para demonstrar o padrão é a varredura de milhares de contratos de locação contra leis de inquilinato, mas a empresa afirma que ele serve a outros domínios de alto risco, como triagem de sanções, adjudicação de sinistros de seguro e controle de exportação.
O que o modelo faz (e o que não faz)
Segundo a publicação, a camada conversacional é limitada por projeto. O modelo realiza apenas duas tarefas: traduzir uma pergunta em linguagem natural em uma chamada sobre um conjunto fixo de operações tipadas, e narrar o resultado devolvido pelo motor.
Não escreve consultas, não define a população analisada e não emite determinações — as decisões de aprovação ou reprovação ficam a cargo do motor de regras determinístico, que não usa IA. As regras são dados versionados, não código.
O motor conhece operadores genéricos de comparação (gte, lte, equals e exists) e não contém nenhum trecho que cite uma jurisdição ou um tópico específico. Assim, uma mudança na lei vira edição de uma linha do livro de regras, sem implantação de código.
Completude comprovável e defensabilidade
O problema descrito parte de uma escala concreta: um operador de portfólio com 50 mil contratos de locação em vários estados, cada um com estatutos próprios de limites de multa, prazos de notificação e teto de depósito de segurança, alterados no ritmo dos legislativos. Em volumes pequenos, um paralegal lê os contratos e a resposta é confiável, porque há uma pessoa por trás dela.
Passado certo limite, o trabalho migra para software e surge uma nova questão: o número exibido na tela já não pode ser verificado de forma independente.
Daí decorrem duas propriedades. A primeira é a completude comprovável: uma afirmação como "verificamos os 22.910 contratos do Texas" precisa ser verdadeira e demonstrável, e um registro nunca avaliado deve aparecer como não avaliado em vez de ser omitido em silêncio.
A segunda é a defensabilidade: um achado pode ser contestado meses depois em litígio, auditoria ou exame regulatório, e defendê-lo exige saber qual versão de qual regra foi aplicada, a qual trecho contratual, por qual método, em que data e por quem.
Para sustentar isso, cada varredura gera um recibo de completude, uma invariante que exige que a soma de conformes, em violação, ambíguos e ilegíveis seja igual ao total escaneado. O cálculo vem de contagens e é verificado antes de qualquer persistência.
Uma execução que não consegue responder por sua população não termina, ou seja, não existe caminho pelo qual um registro seja silenciosamente ignorado.
Por que rag e text-to-sql não resolvem
O artigo compara o padrão a abordagens mais comuns. A recuperação semântica (RAG) entrega uma amostra ranqueada e, estruturalmente, não consegue garantir completude: a busca por similaridade não tem um limiar que signifique "todos".
Um recorte ordenado por relevância nunca sabe o que deixou de fora. Já o text-to-SQL chega mais perto, mas carrega um risco de categoria: um predicado alucinado pode reduzir a população sem que ninguém perceba, e o número resultante parece exato mesmo com escopo errado.
A tabela apresentada no material organiza a diferença. A abordagem de motor de regras somado a ferramentas de business intelligence (BI), sem chat, é exata e comprovada, mas não oferece acesso em linguagem natural.
O Adjudicated Query acrescenta essa camada conversacional sem sacrificar a garantia, o que o torna adequado quando usuários responsáveis precisam perguntar em linguagem natural e um registro esquecido é um passivo, não um pequeno incômodo.
Arquitetura de referência
Na arquitetura descrita, o profissional de compliance interage com duas superfícies no Amazon Quick: um agente de chat para fazer perguntas e um painel do Amazon Quick Sight para navegar pelo conjunto completo de resultados. O agente de chat primeiro obtém um token OAuth no Amazon Cognito e então envia requisições do Model Context Protocol (MCP) por uma API HTTP do Amazon API Gateway.
Os resultados completos, que podem somar dezenas de milhares de linhas, ficam no painel, ligado ao mesmo armazenamento de dados e detalhável registro a registro, separação que impede o modelo de "resumir" a garantia. O artigo acompanha um exemplo implantável em AWS CDK para rodar o fluxo de ponta a ponta.
