1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória e demais requisitos funcionais para o Agente de IA "Análise de Dados de Matrículas em Disciplinas", uma solução de automação projetada para identificar padrões de demanda em matrículas e sugerir ajustes no número de turmas ou ofertas. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é transformar o input de dados históricos em insights acionáveis, que orientam a gestão acadêmica na otimização das ofertas de disciplinas, garantindo a eficiência no atendimento à demanda estudantil.
2. Contexto e Problema
Cenário Atual
As instituições de ensino enfrentam desafios significativos na gestão de matrículas em disciplinas, frequentemente lidando com uma oferta inadequada de turmas que não atende à demanda real dos alunos. Isso leva a problemas como:
- Turmas superlotadas ou subutilizadas.
- Insatisfação dos alunos devido à falta de vagas.
- Recursos acadêmicos mal aproveitados.
Atualmente, a análise de dados de matrículas é feita manualmente, demandando tempo e esforços consideráveis dos gestores, que poderiam ser alocados em atividades mais estratégicas.
Problemas Identificados
- Falta de previsibilidade: A dificuldade em prever a demanda real resulta em ofertas de turmas que não correspondem às necessidades dos alunos.
- Processo manual e demorado: A análise manual dos dados de matrículas é ineficiente e propensa a erros.
- Inflexibilidade na oferta de disciplinas: A falta de uma análise dinâmica e precisa impede ajustes rápidos e eficazes na oferta de turmas.
3. Impactos Esperados
A implementação deste agente de automação visa alcançar os seguintes resultados:
- Otimização da oferta de turmas com base na demanda real identificada.
- Redução do tempo e esforço necessários para análise de dados de matrículas.
- Aumento da satisfação dos alunos ao garantir a disponibilidade de vagas nas disciplinas desejadas.
- Aproveitamento eficiente dos recursos acadêmicos por meio de um planejamento mais preciso e informado.
4. Visão Geral da Solução
O agente de IA para análise de dados de matrículas processa datasets históricos para identificar padrões de demanda e sugerir ajustes precisos no número de turmas ou ofertas. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente útil e autônomo na gestão de matrículas de disciplinas.
A solução consiste em um fluxo de automação composto por um agente de IA. O processo inicia com o envio de um dataset histórico de matrículas e termina com a geração de recomendações sobre a oferta de turmas.
A execução do agente é linear, seguindo a ordem definida na tabela abaixo. O fluxo inclui etapas condicionais que são executadas apenas se critérios específicos forem atendidos, conforme detalhado após a tabela.
| Agentes | Função Principal |
|---|---|
Agente de Análise de Dados de Matrículas (RF 1)
| Analisar dados históricos de matrículas para identificar padrões de demanda e sugerir ajustes no número de turmas ou ofertas. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram tanto o fluxo de trabalho do agente quanto o resultado final que o gestor acadêmico receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Análise de Dados de Matrículas
1.1 Tarefa do Agente
Analisar dados históricos de matrículas em disciplinas para identificar padrões de demanda e sugerir ajustes no número de turmas ou ofertas.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset histórico de matrículas em disciplinas. Este dataset contém informações sobre matrículas passadas, permitindo a identificação de padrões e tendências.
# 2. Objetivo
Analisar os dados para identificar padrões de demanda e sugerir ajustes no número de turmas ou ofertas, garantindo que a demanda seja atendida de forma eficiente.
# 3. Regras que você deve seguir para gerar sua resposta
- Analise dados históricos de matrículas para identificar tendências e padrões de demanda.
- Sugira ajustes no número de turmas ou ofertas com base nos dados analisados.
- Garanta que as recomendações sejam precisas e baseadas em evidências objetivas.
- Utilize técnicas estatísticas avançadas para garantir a precisão das previsões.
# 4. Exemplo de Output que você deve produzir
{
"resumo_execucao": {
"periodos_avaliados": 6,
"janela_semestres_analise": 6,
"parametros_utilizados": {}
},
"indicadores_globais": {
"total_disciplinas": 50,
"total_periodos": 12,
"recomendacoes": {
"abrir": 10,
"fechar": 5,
"manter": 35
}
},
"resultados_por_disciplina": [
{
"disciplina": "Matemática",
"periodo_alvo": {
"ano": 2025,
"semestre": 1
},
"estatisticas": {
"matriculas_recentemente_observadas": [50, 55, 60],
"media_ponderada_recente": 55,
"mediana_recente": 55,
"variacao_percentual_ano_sobre_ano": 10,
"desvio_padrao": 5,
"sazonalidade_por_semestre": 1,
"ocupacao_media": 0.85
},
"previsao_demanda": {
"demanda_prevista_semestre": 65,
"intervalo_confianca_aproximado": {
"inferior": 60,
"superior": 70
},
"confianca_estimativa": "alto"
},
"capacidade_atual": {
"num_turmas_ofertadas": 3,
"capacidade_turma_assumida": 20,
"capacidade_total_atual": 60
},
"recomendacao": {
"acao": "abrir",
"numero_turmas_recomendado": 4,
"delta_turmas": 1,
"impacto_estimado_em_vagas": 20,
"restricoes_aplicadas": [],
"prioridade": "alta"
},
"justificativa_curta": "A demanda prevista excede a capacidade atual em 10%, justificando a abertura de nova turma.",
"observacoes": ""
}
]
} 1.3 Configurações do Agente
1.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente é o ponto de partida do fluxo e deve ser acionado pelo envio de um dataset histórico de matrículas via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do arquivo na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um dataset histórico de matrículas em formato CSV ou JSON.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv,.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 500.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado contendo as recomendações de ajustes no número de turmas ou ofertas, junto com as justificativas e estatísticas relevantes.
-
Exemplo de Estrutura de Output:
{ "resumo_execucao": { "periodos_avaliados": 6, "janela_semestres_analise": 6, "parametros_utilizados": {} }, "indicadores_globais": { "total_disciplinas": 50, "total_periodos": 12, "recomendacoes": { "abrir": 10, "fechar": 5, "manter": 35 } }, "resultados_por_disciplina": [ { "disciplina": "Matemática", "periodo_alvo": { "ano": 2025, "semestre": 1 }, "estatisticas": { "matriculas_recentemente_observadas": [50, 55, 60], "media_ponderada_recente": 55, "mediana_recente": 55, "variacao_percentual_ano_sobre_ano": 10, "desvio_padrao": 5, "sazonalidade_por_semestre": 1, "ocupacao_media": 0.85 }, "previsao_demanda": { "demanda_prevista_semestre": 65, "intervalo_confianca_aproximado": { "inferior": 60, "superior": 70 }, "confianca_estimativa": "alto" }, "capacidade_atual": { "num_turmas_ofertadas": 3, "capacidade_turma_assumida": 20, "capacidade_total_atual": 60 }, "recomendacao": { "acao": "abrir", "numero_turmas_recomendado": 4, "delta_turmas": 1, "impacto_estimado_em_vagas": 20, "restricoes_aplicadas": [], "prioridade": "alta" }, "justificativa_curta": "A demanda prevista excede a capacidade atual em 10%, justificando a abertura de nova turma.", "observacoes": "" } ] } - Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 10.000 caracteres, podendo variar conforme a complexidade dos dados analisados.
1.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
1.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Utiliza lógica interna para cálculos estatísticos e previsões.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
1.3.5 Memória
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta gerada por este agente é o entregável final e não é passada para outros agentes internos.
1.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo, gerando as recomendações de ajustes no número de turmas ou ofertas.