Como o Projeto Katachi usa inteligência artificial para reduzir de horas para minutos a criação de peças na manufatura

Por Rodrigo Peres, Antonio Maia e Gerson Itiro Hidaka.

Imagine que você quer gravar uma caricatura personalizada em madeira para dar de presente. A ideia é clara na sua cabeça — mas transformá-la em um arquivo que uma máquina CNC entenda exige dominar ferramentas de Computer-Aided Design (CAD) e Computer-Aided Manufacturing (CAM) que levam anos para aprender e custam milhares de dólares por ano. Para a maioria das pessoas e das pequenas empresas, essa barreira torna a manufatura digital inacessível na prática.

Observando essa barreira nasceu o Projeto Katachi — do japonês 形, “forma”. Desenvolvido por arquitetos de soluções da AWS na América Latina, o projeto Katachi é uma solução que permite a qualquer pessoa transformar uma ideia em uma peça pronta para fabricação, sem experiência prévia em CAD/CAM. Na prática, funciona assim: a partir de uma foto do usuário, a solução gera uma caricatura personalizada e a converte, em segundos, em G-code — as instruções que controlam máquinas CNC. Para fins demonstrativos, usaremos uma CNC operando como pen plotter, que desenha a caricatura fisicamente com uma caneta, ilustrando o fluxo completo da ideia ao objeto fabricado sem que o usuário precise abrir um software de CAD.

Por trás dessa experiência, o Katachi usa serviços AWS de Inteligência Artificial Generativa e Agêntica, como o Amazon Bedrock e o Amazon Bedrock AgentCore: agentes de IA interpretam a entrada do usuário, geram o modelo digital da peça e o convertem nos formatos aceitos pelas máquinas. A mesma abordagem se estende a outros formatos de fabricação, como STL para impressão 3D. Isso elimina as complexidades técnicas e os altos custos de aquisição e licenciamento de software especializado, democratizando o acesso à manufatura digital e abrindo caminho para um mercado combinado de CNC e impressão 3D que ultrapassa os US$ 120 bilhões (Fortune Business Insights).

Neste post, explicamos a arquitetura do Katachi e como as tecnologias AWS são usadas nesse contexto para que clientes na América Latina possam acelerar significativamente o tempo de produção de peças manufaturadas.

O desafio: a barreira de entrada do CAD/CAM

Para um programador CAM experiente, definir a estratégia de usinagem de uma nova peça — incluindo a seleção de ferramentas, os percursos de corte e as técnicas de acabamento — pode levar de uma hora a vários dias, dependendo da complexidade, segundo a The Manufacturer.

Atingir esse alto nível de proficiência é ainda mais desafiador: a formação de um programador CNC (Computer Numerical Control) — profissional responsável por programar máquinas de fabricação controladas por computador — leva anos, seja em cursos especializados de 3 a 4 anos ou em programas acelerados de cerca de 4.000 horas. Para profissionais autônomos ou até mesmo pequenos e médios empreendedores, esse investimento de tempo torna o acesso proibitivo na prática. Os altos custos agravam o problema: licenças de softwares profissionais de CAD/CAM variam de centenas a milhares de dólares por ano. Esse cenário se reflete na indústria que, ao mesmo tempo em que precisa da digitalização da manufatura para acelerar o time-to-market e responder à demanda crescente do consumidor final, enfrenta uma crise de habilidades, particularmente na escassez de especialistas em CAD/CAM. Um estudo da Deloitte, por exemplo, mostra que 89% dos executivos concordam que há escassez de talento no setor industrial, com projeção de 2,1 milhões de vagas não preenchidas até 2030. É essa lacuna que o uso de IA generativa pode preencher.

A solução: IA generativa como intermediário entre intenção e máquina

O Projeto Katachi responde aos desafios postos — alto tempo de programação, custo proibitivo de licenciamento e escassez de especialistas — com uma plataforma que usa IA generativa para criar e preparar peças para fabricação digital, tanto em gravação CNC quanto em impressão 3D. Ao invés de replicar toda a amplitude de um software CAD completo, focamos em funções específicas e de alto valor que simplificam o processo de design, reduzindo as interações do usuário a poucas escolhas intuitivas. Especificamente, exemplificamos o processo de forma lúdica com a geração de caricaturas a partir de fotos dos usuários e a gravação personalizada de seus nomes. No fluxo de caricatura, por exemplo, o usuário envia uma foto, define apenas o estilo e a intensidade do traço e, minutos depois, recebe em um arquivo G-code o conjunto de instruções que a máquina CNC interpreta para executar os movimentos de corte e gravação. O arquivo está pronto para ser usado na fabricação, sem que o usuário necessite de um software CAD ou que tenha experiência prévia.

Por trás dessa simplicidade há um pipeline assíncrono orquestrado pelo AWS Step Functions. Depois que o usuário envia uma foto, uma API valida e armazena a imagem, registra o trabalho no Amazon DynamoDB e inicia a máquina de estados. O usuário, por sua vez, recebe uma resposta imediata e pode acompanhar, em tempo real, a execução do pipeline composto por quatro estágios: validação de rosto na foto, geração da caricatura, vetorização do traço e geração do arquivo G-code. Cada estágio possui timeout e retry com backoff exponencial; falhas são registradas com escrita condicional no DynamoDB e enviadas a uma fila de mensagens não processadas no Amazon SQS para inspeção e reprocessamento.

Essa arquitetura orientada a eventos isola falhas por estágio e permite escalar cada etapa de forma independente. A geração da caricatura combina IA generativa com pós-processamento determinístico. Primeiramente, um modelo image-to-image é invocado através do Amazon Bedrock. Nesse estágio, o modelo é instruído a usar a foto original como guia da geometria do resultado final, enquanto a intensidade escolhida pelo usuário é mapeada para o parâmetro de fidelidade estrutural do modelo — traço mais leve preserva a semelhança; traço mais forte permite ao modelo exagerar as feições. A arte gerada é então convertida em vetores por um algoritmo clássico de tracing (Polygon Trace) e, por fim, traduzida em percursos de usinagem G-code, que são validados contra os limites físicos da máquina, garantindo um resultado criativo na aparência e sempre fabricável.

Arquitetura serverless escalável na AWS

A equipe projetou o projeto Katachi inteiramente com serviços serverless. Essa escolha atende a uma característica central do caso de uso: a demanda é imprevisível e chega em picos, como durante eventos e demonstrações, seguidos de longos períodos de ociosidade. Com uma arquitetura serverless, a plataforma escala automaticamente durante os picos e não gera custo de computação quando não há jobs em processamento.

O diagrama a seguir mostra a arquitetura de ponta a ponta, do envio da foto até a gravação da peça na máquina CNC.

A jornada começa no front-end, uma aplicação estática hospedada no Amazon S3 e distribuída globalmente pelo Amazon CloudFront. A autenticação dos usuários é feita pelo Amazon Cognito, e todas as chamadas de API passam pelo Amazon API Gateway que valida os tokens antes de invocar o back-end.

Quando o usuário envia uma foto, uma função AWS Lambda de submissão valida o arquivo, armazena a imagem no Amazon S3, registra o job no Amazon DynamoDB e inicia a execução da máquina de estados no AWS Step Functions. A API responde imediatamente com o identificador do job, e o front-end acompanha o progresso por polling. Esse desacoplamento mantém a experiência responsiva mesmo quando a geração leva alguns minutos.

O Step Functions orquestra os quatro estágios do pipeline, cada um implementado como uma função AWS Lambda independente: validação do rosto na foto, geração da caricatura com o Amazon Bedrock, vetorização do traço em SVG e conversão final em G-code. Cada estágio tem seu próprio timeout e política de retry com backoff exponencial, dimensionados conforme o comportamento de cada etapa. A cada transição, o estado do job é atualizado no Amazon DynamoDB, o que permite ao usuário ver em qual etapa seu pedido está.

O tratamento de falhas foi desenhado para ser explícito e auditável. Qualquer erro não recuperado pelos retries desvia a execução para um caminho de falha que marca o job como falho no Amazon DynamoDB usando escrita condicional — garantindo que um job já concluído nunca regrida de estado —, e envia o contexto completo da execução para uma dead-letter queue no Amazon SQS. Com isso, nenhuma falha se perde silenciosamente e a equipe consegue investigar cada caso a partir da mensagem preservada na fila.

O ciclo de vida dos dados reforça a privacidade por padrão. As fotos enviadas pelos usuários expiram do Amazon S3 em 24 horas por política de ciclo de vida, e os registros de job no Amazon DynamoDB são removidos automaticamente por TTL após 7 dias. A plataforma retém apenas o necessário para o usuário baixar seus arquivos, sem acumular dados pessoais.

A entrega à máquina fecha o fluxo físico. Quando o usuário aciona o envio, uma função AWS Lambda publica o aviso em um tópico do AWS IoT Core, que notifica o Raspberry Pi e faz o download do arquivo G-Code. O Raspberry Pi encaminha os comandos a um Arduino com CNC Shield, que controla os motores dos eixos X, Y e Z. O arquivo que nasceu de uma foto termina como movimento físico da ferramenta, sem intervenção manual entre as etapas.

Resultados de agilidade e democratização

A jornada do projeto Katachi com a AWS demonstra que a modernização da manufatura digital vai além da automação de máquinas, trata-se de eficiência operacional e empoderamento das pessoas. Ao remover a necessidade de conhecimento em CAD/CAM, a plataforma expande o mercado endereçável para além dos especialistas técnicos.

Principais benefícios:

• Redução do tempo de produção: O que levava horas de trabalho especializado agora é feito em minutos através de IA generativa.
• Eliminação de barreiras técnicas: A curva de aprendizado íngreme do CAD/CAM foi substituída por uma interface de linguagem natural.
• Custo otimizado: A arquitetura serverless na AWS permite escalar sem custos de infraestrutura ociosa.

Desde makers e hobbistas até pequenas empresas de personalização, o projeto Katachi democratiza o acesso à manufatura digital, abrindo espaço para a tendência crescente de personalização em massa.
Para explorar as tecnologias usadas neste projeto, consulte a documentação do Amazon Bedrock e do Amazon Bedrock AgentCore.

Autores

	Rodrigo Peres é Arquiteto de Soluções na AWS, com mais de 20 anos de experiência trabalhando com arquitetura de soluções, desenvolvimento de sistemas e modernização de sistemas legados.
	Dr. Antonio Maia é Arquiteto de Soluções na AWS com mais de 15 anos de experiência em TI. Tem contribuições de pesquisa e desenvolvimento nas áreas de Segurança e Internet das Coisas, envolvendo principalmente protocolos criptográficos para autenticação e autorização de dispositivos em IoT. Hoje, atua com as indústrias Automotiva e de Manufatura em suas jornadas de transformação e inovação através da nuvem AWS.
	Gerson Itiro Hidaka atualmente trabalha como Enterprise Solution Architect na AWS e atua no atendimento a clientes da área Financeira no Brasil. Entusiasta de tecnologias como Internet das Coisas (IoT), Drones, Devops e especialista em tecnologias como virtualização, serverless, container e Kubernetes. Trabalha com soluções de TI há mais de 27 anos, tendo experiência em inúmeros projetos de otimização de infraestrutura, redes, migração, disaster recovery e DevOps em seu portfólio.