Ânima reduz custo de vector store em 99% com Amazon S3 Vectors

Da fatura ao gargalo: por que o OpenSearch ficou caro

Em setembro de 2025 a Ânima Educação operava a IA.RA, assistente de estudos do ecossistema Ulife, com apenas 30 Unidades Curriculares (UCs) indexadas. O custo do vector store rodando em OpenSearch Serverless já estava em cerca de US$ 250/mês. O roadmap previa escalar para 821 UCs e mais de 100 GB de documentos.

Projetada para o cenário completo, a fatura do OpenSearch Serverless saltaria para aproximadamente US$ 30.000/mês. O motivo é arquitetural: o índice usa o algoritmo HNSW (Hierarchical Navigable Small World) para busca aproximada de vizinhos, e HNSW precisa do grafo inteiro em memória RAM para manter baixa latência. Quanto mais vetores entram, mais OCUs (OpenSearch Compute Units) o serviço provisiona, e cada vetor ainda é replicado em múltiplas estruturas internas (grafo, vector values e campo _source), com réplicas adicionais para alta disponibilidade.

Para quem administra S3 no dia a dia, o contraste chama atenção: num bucket comum, dobrar o volume de dados dobra o custo de armazenamento, de forma linear e previsível. Num índice HNSW em memória, dobrar o volume de vetores pode multiplicar o custo de compute, porque cada ponto adicional pressiona o grafo inteiro que já está carregado em RAM.

A arquitetura RAG por trás da assistente

A IA.RA segue o padrão RAG (Retrieval-Augmented Generation) sobre o Amazon Bedrock Knowledge Bases. O conteúdo das UCs vira embeddings armazenados no vector store; quando o aluno pergunta, o sistema recupera os trechos mais relevantes (retrieve) e um LLM sintetiza a resposta final a partir deles.

A qualidade do retrieve determina a fidelidade da resposta. Trocar o vector store sem perder qualidade era, portanto, a condição que tornava viável qualquer economia de custo.

O que o S3 Vectors muda para quem cuida de buckets

O Amazon S3 Vectors introduz um novo tipo de bucket dentro do S3: o vector bucket, pensado para guardar e consultar embeddings sem provisionar nenhuma infraestrutura dedicada de busca. Não há cluster para dimensionar, não há OCU para reservar, e não há índice para manter quente em memória: o vetor fica no S3 como objeto, e a consulta é feita sob demanda.

É a mesma lógica que já rege qualquer bucket S3: você paga pelo que guarda e pelo que consulta, não por capacidade reservada. Na AWS Pricing Calculator usada pela Ânima, a estimativa de referência mostrou US$ 10 a US$ 15/mês no S3 Vectors contra US$ 170 a US$ 260/mês no OpenSearch Serverless para o mesmo cenário de teste. Na fatura real de produção, o número final ficou em cerca de US$ 200/mês, ante US$ 30.000/mês projetados para o OpenSearch na escala completa, uma economia superior a 99%.

A troca não exigiu reescrever o pipeline. No Amazon Bedrock Knowledge Bases, basta atualizar a configuração do data source apontando para o vector bucket; o framework cuida da reindexação automaticamente. A arquitetura da IA.RA, mesmo pipeline RAG, mesmo modelo de embedding, mesma estratégia de chunking, permaneceu idêntica.

A POC: tráfego real, não benchmark sintético

Entre setembro e outubro de 2025, AWS e Ânima rodaram uma Proof of Concept (POC) formal para responder a uma pergunta objetiva: trocar o vector store degrada a experiência do aluno? O desenho isolou a variável: mesmo pipeline, mesmo embedding, mesmo chunking nos dois lados; só o vector store mudava, com OpenSearch como baseline contra S3 Vectors como candidato.

As perguntas não vieram de um dataset sintético. Foram 1.000 perguntas reais de tráfego de produção da IA.RA para o teste de latência, e um subconjunto de 500 para avaliação de qualidade. Cada resposta do S3 Vectors foi comparada à resposta do baseline e classificada como equivalente, parcialmente equivalente ou divergente, por avaliação assistida por LLM com revisão humana.

Qualidade equivalente, latência maior, custo irrelevante

Dos 500 pares avaliados, 47,8% foram equivalentes e 6,2% parcialmente equivalentes. Os 46% divergentes passaram por uma segunda rodada, julgando a qualidade da resposta final em vez de só comparar os trechos recuperados: 83,6% mantiveram a mesma qualidade final, 10,2% ficaram melhores com S3 Vectors e 6,2% melhores com OpenSearch.

Na latência do retrieve, medida sobre as 1.000 perguntas, o OpenSearch venceu: 677 ms de média contra 978 ms do S3 Vectors, e foi mais rápido em 80,6% dos casos. A diferença, porém, se dilui no fluxo completo do chat: a geração do LLM consome de 3 a 8 segundos, então os cerca de 300 ms extras no retrieve ficam imperceptíveis para quem está do outro lado da tela.

A redução de custo não foi uma otimização incremental: foi o que desbloqueou a escala do projeto. Sem isso, a IA.RA permaneceria restrita a um subconjunto de Unidades Curriculares.

Rodrigo Alves, Diretor de Design Curricular da Vice-Presidência Acadêmica, Ânima Educação

Com a validação em mãos, a Ânima decidiu adotar o S3 Vectors ainda em outubro de 2025, antes da disponibilidade geral (GA) do serviço. A migração correu em DEV, homologação e produção, sem interrupção para os alunos.

Quando o S3 Vectors não é a escolha certa

O caso da Ânima funciona porque o padrão de acesso da IA.RA é de leitura intensiva, com conteúdo que muda pouco e tolerância a centenas de milissegundos de latência. Esse é o ponto que quem decide entre vector stores deveria checar primeiro: não se trata do S3 Vectors substituir o OpenSearch em todo cenário, e sim de escolher pelo padrão de acesso.

As duas soluções também podem conviver: S3 Vectors como camada de baixo custo para o acervo completo de vetores, com o OpenSearch como camada de consulta para o tráfego sensível a latência ou que exija busca híbrida. Há integração nativa entre os dois serviços para esse tipo de arquitetura em camadas.

O que levar desse caso

Quem trabalha com S3 já sabe pensar em termos de classe de armazenamento, lifecycle e custo por GB-mês. O caso da Ânima mostra que essa mesma lógica de custo agora se estende à busca vetorial: antes de provisionar um cluster de busca dedicado, vale medir se o padrão de acesso do seu RAG tolera uma consulta mais lenta em troca de uma fatura cerca de 150 vezes menor.

A ressalva fica por conta da metodologia: os números de custo são estimativas da AWS Pricing Calculator combinadas com a fatura real da Ânima, podem variar por região e por contrato comercial, e a avaliação de qualidade (500 perguntas, classificadas por LLM com revisão humana) reflete o domínio específico de conteúdo acadêmico em português. Quem for replicar o teste deveria rodar sua própria POC com tráfego real antes de migrar em produção.

Para começar, a AWS mantém um tutorial de primeiros passos com Amazon S3 Vectors e um guia de integração com o Amazon Bedrock Knowledge Bases, além de workshops no AWS Workshop Studio para quem quer testar hands-on com a equipe.

Fonte: AWS Brasil — Blog