Built Technologies cria uma solução de inteligência de documentos baseada em IA na AWS para capacitar agentes em finanças imobiliárias

O processamento de documentos no setor imobiliário é complexo e altamente manual, impactando decisões comerciais críticas em grande escala, tornando-o pronto para automação. A Built Technologies, fornecedora de software de financiamento imobiliário, processa mais de US$ 500 bilhões em projetos imobiliários. A empresa implantou um mecanismo de processamento de documentos baseado em IA no Amazon Bedrock e no AWS Intelligent Document Processing (IDP) Accelerator.

Esse mecanismo agora serve como base para produtos de agência em todo o ciclo de vida imobiliário. Nesta postagem, compartilhamos a necessidade de inteligência documental baseada em IA no setor imobiliário e um mergulho arquitetônico profundo para construí-la. O financiamento imobiliário funciona com base em documentos: pacotes de saques, contratos de empréstimo, faturas, certificados de seguros, relatórios de inspeção e dezenas de outros.

Cada um contém informações que os credores e as partes interessadas precisam revisar, validar e agir. Esses documentos costumam ser longos, inconsistentes, específicos do domínio e difíceis de processar com a automação tradicional. Para o Built, a inteligência documental não é um utilitário de back-office.

É uma capacidade horizontal de IA que está na base de uma nova geração de produtos de agência lançados em todo o ciclo de vida do financiamento imobiliário. Quer um agente esteja a rever um projecto de construção, a analisar um contrato de empréstimo, a validar uma cobertura de seguro, a resumir um memorando de oferta ou a identificar excepções numa carteira, necessita da mesma capacidade central: a capacidade de compreender documentos com contexto, precisão e rastreabilidade. Para construir essa base, a Built fez parceria com o AWS Generative AI Innovation Center (GenAIIC), o AWS Partner AND Digital e as equipes de conta da AWS para criar um mecanismo de processamento de documentos escalonável e baseado em IA.

O resultado é uma solução de inteligência documental reutilizável que pode classificar, dividir, extrair, avaliar e raciocinar sobre documentos financeiros imobiliários complexos. Ele reduz fluxos de trabalho que antes levavam dias para minutos, oferece suporte a centenas de tipos de documentos e oferece às equipes técnicas e especialistas do setor um ambiente compartilhado para criar e melhorar processadores de documentos. O financiamento imobiliário é repleto de documentos, fragmentado e altamente contextual.

Uma única transação ou ativo pode envolver centenas ou milhares de páginas de documentação produzida por diferentes partes, em diferentes formatos, em diferentes fases do ciclo de vida do ativo. Alguns documentos são padronizados, como certificados ACORD 25 ou formulários governamentais. Outros são altamente variáveis, como memorandos de oferta, contratos de empréstimo, avaliações, modelos financeiros baseados em Excel e planos e especificações.

Muitos contêm tabelas aninhadas, páginas digitalizadas, imagens incorporadas, rótulos inconsistentes, linguagem jurídica, anotações manuscritas e terminologia específica do mutuário ou credor. Os recursos existentes de processamento de documentos do Built ajudaram a empresa a passar do trabalho manual para a extração automatizada em muitos tipos de documentos. A equipe estabeleceu 26 processadores para extração, divisão e classificação usando reconhecimento óptico de caracteres (OCR) e aprendizado de máquina tradicional (ML).

Essa abordagem funcionou para casos de uso mais restritos, onde os campos eram explícitos e os layouts eram previsíveis. Mas à medida que a Built Technologies expandia seu roteiro de IA em todo o ciclo de vida imobiliário, a equipe precisava de algo mais flexível e inteligente. Eles precisavam de uma solução que pudesse dar suporte a mais de 250 tipos de documentos, lidar com milhões de documentos e capacitar agentes que pudessem raciocinar sobre os documentos em vez de simplesmente extrair texto deles.

O objetivo era tornar a compreensão de documentos um recurso de IA reutilizável em todo o ecossistema de produtos da Built. A extração tradicional de documentos baseada em OCR e aprendizado de máquina geralmente funciona identificando texto e combinando-o com campos, rótulos, layouts ou modelos anteriores esperados. Isso pode ser eficaz para documentos estruturados, mas é limitado quando a tarefa exige julgamento, contexto ou raciocínio de domínio.

Por exemplo, encontrar o valor do empréstimo, o número da fatura ou a data de vencimento da apólice pode ser uma tarefa de extração relativamente direta. O campo geralmente é explícito, rotulado e localizado próximo a um texto previsível. No entanto, encontrar cláusulas restritivas em um contrato de empréstimo é diferente.

Os convênios muitas vezes não são apresentados em uma tabela simples chamada “Convênios”. Eles podem aparecer em diversas seções de um contrato longo. Podem estar incorporados em linguagem jurídica, definidos através de referências a outras secções, ou expressos como obrigações, restrições, requisitos de reporte, limiares financeiros, desencadeadores de incumprimento ou soluções do mutuário.

Uma pesquisa por palavra-chave “aliança” pode perder o conteúdo. Um modelo de extração tradicional pode encontrar a palavra, mas não compreender a obrigação. Um fluxo de trabalho de documentos agente pode abordar o problema de maneira diferente.

Em vez de apenas extrair campos do texto, o sistema pode interpretar o documento no contexto. Ele pode identificar seções relevantes, raciocinar sobre definições e obrigações, distinguir entre requisitos e exceções, extrair resultados estruturados e fornecer evidências de apoio para revisão. Para um contrato de empréstimo, um fluxo de trabalho de agente poderia: Esta é a mudança necessária: da extração de documentos à compreensão de documentos.

Esse mesmo padrão se aplica ao financiamento imobiliário. Os agentes precisam compreender se a cobertura de seguro satisfaz os requisitos, se um pacote de saque contém a documentação necessária, se uma avaliação suporta suposições de subscrição, se um memorando de oferta contém indicadores-chave de risco ou se um documento de carteira inclui exceções que requerem atenção. Em cada caso, o documento não é apenas uma fonte de texto.

É uma fonte de contexto de negócios. A Built projetou a nova solução de inteligência de documentos como um recurso horizontal, em vez de uma solução de propósito único. O primeiro caso de uso de produção focou em pacotes de saque de empréstimos para construção comercial, onde os mutuários enviam coleções de documentos para solicitar desembolsos de fundos durante projetos de construção.

Os pacotes Draw são um forte campo de provas porque são grandes, variáveis, sensíveis ao tempo e operacionalmente importantes. No entanto, a solução foi intencionalmente concebida para apoiar o financiamento imobiliário em geral. Os mesmos recursos de classificação, divisão, extração, avaliação e revisão humana podem ser reutilizados em vários agentes e fluxos de trabalho, incluindo: Cada um desses agentes depende da mesma capacidade fundamental: transformar documentos não estruturados, inconsistentes e de alto volume em inteligência estruturada, validada e explicável.

Ao tornar o processamento de documentos um recurso de solução compartilhada, a Built pode acelerar seu roteiro de IA sem reconstruir pipelines de extração para cada produto. Novos agentes podem reutilizar a mesma infraestrutura para ingestão, classificação, gerenciamento de esquemas, extração, avaliação e revisão. Construído em parceria com AWS GenAIIC e AND Digital para construir a solução usando o AWS Intelligent Document Processing (IDP) Accelerator como base.

A solução usa o Amazon Bedrock para classificação, divisão, geração de esquema, extração, avaliação e raciocínio de documentos com tecnologia de IA generativa. A solução usa um pipeline de vários estágios orquestrado pelo AWS Step Functions. Cada documento passa por uma sequência definida de etapas: OCR, classificação e divisão, extração, avaliação e validação de regras opcionais.

Cada estágio é alimentado por uma função AWS Lambda discreta. Esta seção percorre esse pipeline usando um exemplo representativo: um pacote de desenho de construção comercial de 150 páginas que chega como um único PDF contendo faturas, isenções de garantia, certificados de seguro e uma carta de apresentação sem ordem específica. Em alto nível, o pipeline funciona da seguinte maneira.

Um documento carregado em um bucket de entrada do Amazon Simple Storage Service (Amazon S3) emite um evento Amazon EventBridge. Uma função Queue Sender Lambda registra o evento em uma tabela de rastreamento do Amazon DynamoDB e coloca uma mensagem em uma fila do Amazon Simple Queue Service (Amazon SQS). Uma função Lambda do Queue Processor gerencia a simultaneidade por meio de um cou atômico do DynamoDB