Agente de IA para Análise de Dados de Previdência

11 de December de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que analisa dados de previdência para detectar inconsistências e sugerir melhorias nos planos oferecidos.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, busca online, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Análise de Dados de Previdência". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é criar um agente de IA que analisa dados de previdência para detectar inconsistências e sugerir melhorias nos planos oferecidos, assegurando a precisão e a eficácia na gestão dos dados de previdência.

2. Contexto e Problema

Cenário Atual

Atualmente, a análise de dados de previdência é um processo manual e suscetível a erros, o que pode levar a inconsistências nos planos oferecidos. A falta de insights sobre melhorias nos planos de previdência é uma preocupação constante para as empresas do setor.

  • Inconsistências nos dados de previdência que podem afetar a análise de planos.
  • Falta de insights sobre melhorias nos planos de previdência.

Problemas Identificados

  • Inconsistências nos Dados: A presença de dados inconsistentes pode comprometer a análise e a eficácia dos planos de previdência.
  • Falta de Insights: Sem uma análise detalhada, as empresas perdem oportunidades de melhorar seus planos de previdência.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

  • Melhorar a precisão dos dados de previdência analisados.
  • Fornecer insights acionáveis para melhorias de planos de previdência.
  • Aumentar a eficiência na gestão dos dados de previdência.

4. Visão Geral da Solução

O agente de IA para análise de dados de previdência processa datasets de previdência, detecta inconsistências, compara com benchmarks do setor e sugere melhorias nos planos oferecidos. 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 análise de dados de previdência.

A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a validação dos dados e termina com a geração de sugestões de melhorias para os planos de previdência.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.

Agentes Função Principal
Agente de Validação e Padronização de Dados de Previdência (RF 1) Validar, higienizar e padronizar o dataset de previdência para análises posteriores.
Agente de Busca Online de Benchmarks do Setor (RF 2) Executar busca online para coletar benchmarks atuais de previdência complementar.
Agente de Normalização de Benchmarks (RF 3) Padronizar e consolidar os benchmarks coletados em um dicionário único de referência.
Agente de Detecção de Inconsistências e Anomalias em Previdência (RF 4) Identificar inconsistências de negócio e anomalias estatísticas no dataset padronizado.
Agente de Sugestões de Melhoria de Planos de Previdência (RF 5) Gerar sugestões objetivas e quantificáveis para melhoria de planos com base nas inconsistências detectadas.

5. Protótipos

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram tanto o fluxo de trabalho dos agentes quanto o resultado final que o cliente receberá. Explore os links abaixo para entender melhor a solução em ação.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Validação e Padronização de Dados de Previdência

1.1 Tarefa do Agente

Validar, higienizar e padronizar o dataset de previdência, produzindo um conjunto único e consistente para análises posteriores.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset de previdência em formatos CSV/JSON/Parquet. Este dataset contém informações detalhadas sobre os planos de previdência.
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 arquivo de dados de previdência 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 arquivo de dados de previdência.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv, .json, .parquet.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de dados com até 500.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o dataset padronizado e um relatório de qualidade.
  • Exemplo de Estrutura de Output: 
     { "dataset_padronizado": [ { "plano": "string", "id_participante": "string" } ], "relatorio_qualidade": { "linhas_processadas": "int", "linhas_descartadas": "int" } }
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 20.000 caracteres.

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 de padronização.
  • 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 deve ser visível para o Agente de Busca Online de Benchmarks do Setor (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Busca Online de Benchmarks do Setor (RF 2).

RF 2. Agente de Busca Online de Benchmarks do Setor

2.1 Tarefa do Agente

Executar busca online para coletar benchmarks atuais de previdência complementar.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros de busca para coletar benchmarks do setor de previdência.
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 1).
  • Tipo do input: Este agente deve ser apto a receber parâmetros de busca em formato JSON.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 5.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo os benchmarks coletados e suas fontes.
  • Exemplo de Estrutura de Output: 
     { "benchmark_records": [ { "metric": "taxa_adm_anual_pct", "valor": 1.20 } ] }
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 10.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Executa busca online para coleta de benchmarks.
  • Sistemas Externos: Não utiliza.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Normalização de Benchmarks (RF 3).

RF 3. Agente de Normalização de Benchmarks

3.1 Tarefa do Agente

Padronizar e consolidar os benchmarks coletados em um dicionário único de referência para uso analítico.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo benchmarks coletados pelo agente anterior para padronização e consolidação.
3.3 Configurações do Agente

3.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 2).
  • Tipo do input: Este agente deve ser apto a receber benchmarks em formato JSON.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo os benchmarks normalizados.
  • Exemplo de Estrutura de Output: 
     { "benchmarks_normalizados": { "taxa_adm_anual_pct_por_categoria": {"PGBL": 1.2} } }
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para padronização.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Detecção de Inconsistências e Anomalias em Previdência (RF 4).

RF 4. Agente de Detecção de Inconsistências e Anomalias em Previdência

4.1 Tarefa do Agente

Identificar inconsistências de negócio e anomalias estatísticas no dataset padronizado, com base em regras determinísticas e comparação com benchmarks normalizados.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o dataset padronizado e os benchmarks normalizados para detecção de inconsistências e anomalias.
4.3 Configurações do Agente

4.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 3).
  • Tipo do input: Este agente deve ser apto a receber o dataset padronizado e benchmarks em formato JSON.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 20.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo as inconsistências detectadas e um sumário.
  • Exemplo de Estrutura de Output: 
     { "inconsistencias": [ { "id": "INC-001", "descricao": "string" } ], "sumario": { "total_registros": "int" } }
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 15.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para detecção de anomalias.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sugestões de Melhoria de Planos de Previdência (RF 5).

RF 5. Agente de Sugestões de Melhoria de Planos de Previdência

5.1 Tarefa do Agente

Gerar sugestões objetivas e quantificáveis para melhoria de planos com base nas inconsistências detectadas e nos benchmarks normalizados.

5.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo as inconsistências detectadas e benchmarks normalizados para gerar sugestões de melhoria.
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 4).
  • Tipo do input: Este agente deve ser apto a receber inconsistências e benchmarks em formato JSON.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 15.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo sugestões de melhoria e um sumário.
  • Exemplo de Estrutura de Output: 
     { "sugestoes_melhorias": [ { "id": "SUG-001", "acao_proposta": "string" } ], "sumario": { "total_sugestoes": "int" } }
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 10.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para gerar sugestões.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

5.3.5 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.

5.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. As sugestões geradas são o resultado que deve ser disponibilizado ao usuário.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.