AWS reinventa o OpenSearch Serverless para infraestrutura de agentes de IA

A separação de armazenamento e compute no OpenSearch Serverless não é só marketing: ela elimina o acoplamento que forçava clusters provisionados a manter instâncias ativas mesmo com tráfego zero. Agora, cada coleção opera como um serviço independente, o storage persiste em S3-like (com redundância cruzada de zonas), enquanto o compute é provisionado sob demanda em milissegundos, via um layer de execução leve baseado em Firecracker microVMs. Isso explica o restart em segundos e o autoscaling 20x mais rápido: não há warm-up de JVM ou reconfiguração de shards, só alocação de CPU/memória para o workload vetorial específico da requisição.

O ganho de 60% em custo vem da eliminação do overprovisioning crônico em cargas agênticas, onde 80% do tempo o agente está em idle ou fazendo chamadas leves ao LLM, mas o cluster mantinha capacidade total. Com a nova arquitetura, o compute desliga entre requisições, e o billing passa a ser por GB-hora de ingestão + milissegundos de busca vetorial, não por instância-hora. A integração com Vercel serve como trigger de deploy contínuo de coleções via GitOps, enquanto o AWS Kiro atua como orquestrador de pipelines RAG, validando embeddings em tempo real antes da indexação.

A versão de 30/05 já havia anunciado o autoscaling 20x mais rápido e o provisionamento em segundos, mas era uma melhoria incremental sobre a mesma arquitetura monolítica. A novidade de 05/06 é estrutural: a efetiva desconstrução do modelo 'cluster' em 'coleções isoladas', com storage compute separation real, algo que a Elastic ainda não oferece em sua oferta serverless (Elastic Cloud Serverless), que continua com scaling baseado em unidades de capacidade fixas (CU) e sem escala para zero nativo. O que era rumor em abril sobre 'vectors-as-a-service' virou produto com SLA de 99,9% para latência de busca abaixo de 150ms em p99.

Para equipes de DevOps e engenharia de plataformas, isso muda a forma como se dimensiona infraestrutura para agentes: não se provisiona mais 'capacidade máxima esperada', mas se define políticas de tolerância a latência e custo por requisição. A redução de 60% no custo não é teórica, é mensurável em dashboards do AWS Cost Explorer com o novo tag 'opensearch-serverless-collection', e impacta diretamente o TCO de stacks RAG que usam OpenSearch como vetor store. Além disso, a integração com Kiro permite automatizar testes de qualidade de embedding antes da indexação, evitando dados corrompidos em produção, um ponto crítico de confiabilidade que muitas equipes ainda resolvem manualmente.