Agente de IA para Análise de Indicadores de Risco em Bureaus de Crédito

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

Como criar um agente de IA que monitora e analisa indicadores de risco financeiro, fornecendo alertas e recomendações para ajustes em estratégias de crédito.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos e demais requisitos funcionais para o Agente de IA para Análise de Indicadores de Risco em Bureaus de Crédito. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é monitorar e analisar indicadores de risco financeiro, fornecendo alertas e recomendações para ajustes em estratégias de crédito.

2. Contexto e Problema

Cenário Atual

As instituições financeiras enfrentam desafios significativos devido à identificação tardia de riscos financeiros que afetam sua saúde financeira. Além disso, há uma falta de recomendações baseadas em dados para ajustes em estratégias de crédito.


Problemas Identificados

  • Identificação tardia de riscos: Atrasos na detecção de riscos financeiros podem levar a perdas significativas.
  • Falta de recomendações: A ausência de dados concretos para ajustar estratégias de crédito compromete a eficácia das políticas financeiras.

3. Impactos Esperados

A implementação deste agente de IA visa alcançar os seguintes resultados:

  • Redução do tempo de resposta na identificação de riscos financeiros.
  • Aumento da precisão nas recomendações para ajustes de estratégias de crédito.
  • Melhoria na saúde financeira das instituições por meio de decisões mais informadas.

4. Visão Geral da Solução

O agente de IA para análise de indicadores de risco monitora continuamente indicadores financeiros, fornecendo alertas em tempo real sobre riscos emergentes e gerando recomendações baseadas em dados para ajustes em estratégias de crédito. 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 riscos financeiros em bureaus de crédito.

A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a definição de parâmetros de monitoramento e termina com a geração de recomendações para ajustes em estratégias de crédito.

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

Agentes Função Principal
Agente de Orquestração e Parametrização de Monitoramento (RF 1) Definir parâmetros de monitoramento de risco, janelas temporais, indicadores-alvo e critérios de alerta.
Agente de Execução de Consultas em Banco de Dados (RF 2) Realizar conexão com o data source do bureau de crédito para obter séries históricas dos indicadores definidos.
Agente de Normalização e Enriquecimento de Indicadores (RF 3) Limpar, padronizar e enriquecer os indicadores com métricas derivadas para análise de risco.
Agente de Detecção de Riscos e Geração de Alertas (RF 4) Identificar riscos emergentes e emitir alertas com severidade e evidências.
Agente de Recomendações de Ajustes de Estratégia de Crédito (RF 5) Gerar recomendações baseadas em dados para ajuste de políticas e estratégias de crédito a partir dos alertas.

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 Orquestração e Parametrização de Monitoramento

1.1 Tarefa do Agente

Definir parâmetros de monitoramento de risco, janelas temporais, indicadores-alvo e critérios de alerta para bureaus de crédito.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo informações sobre o portfólio de crédito, incluindo segmentos, produtos, políticas vigentes e indicadores disponíveis no bureau de crédito.

# 2. Objetivo
Definir parâmetros de monitoramento de risco, janelas temporais, indicadores-alvo e critérios de alerta para bureaus de crédito.

# 3. Regras que você deve seguir para gerar sua resposta
- Defina indicadores mínimos por categoria: comportamento (score, prob. inadimplência), performance (taxa de atraso 30/60/90, roll rate), originação (taxa aprovação, cut-off), exposição (utilização limite, alavancagem), macrocrédito (média bureau por região/setor se disponível).
- Padronize janelas: curta=7/diário ou última leitura semanal; média=30 dias; longa=90 dias (ajuste period. conforme disponibilidade).
- Para thresholds, se inexistentes, derive: warning=zscore>=1.5 ou delta>=15% vs média 90d; critical=zscore>=2.5 ou delta>=30%.
- Defina histerese: exigir retorno abaixo de 80% do limiar para encerrar alerta.
- Aplique amostra mínima por segmento: N>=200 clientes ou >=5% do portfólio do segmento (o que for maior).
- Estabeleça chaves de segmentação padrão: produto, canal, região, faixa_score, faixa_renda.
- Configure periodicidade de execução conforme periodicidade do dado; se dado for mensal, alinhe coleta ao D+2 do fechamento.
- Gere parametros_query completos e consistentes com granularidade declarada.
- Se algum indicador crítico estiver indisponível, inclua substituto e registre regra_substituicao.
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 dados do portfólio de crédito via API. Na fase de testes, os dados serão enviados pelo agente diretamente por upload de um csv na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um conjunto de dados estruturados do portfólio de crédito.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de dados com até 100.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo os parâmetros de monitoramento definidos, incluindo indicadores selecionados, janelas temporais e critérios de alerta.
  • Exemplo de Estrutura de Output: 
     {
  "monitoring_params": {
    "indicadores_selecionados": ["score", "taxa_atraso_30"],
    "janelas": {"curta": "7 dias", "media": "30 dias", "longa": "90 dias"},
    "thresholds_por_indicador": {"score": {"warning": 1.5, "critical": 2.5}},
    "criterios_alerta": {"qtd_pontos_consecutivos": 3, "histerese": 80}
  }
}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 2.000 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: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Consultas em Banco de Dados (RF 2).

RF 2. Agente de Execução de Consultas em Banco de Dados

2.1 Tarefa do Agente

Realizar conexão com o data source do bureau de crédito para obter séries históricas dos indicadores definidos.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo os parâmetros de consulta para acessar o data source do bureau de crédito e obter séries históricas dos indicadores definidos.

# 2. Objetivo
Realizar conexão com o data source do bureau de crédito para obter séries históricas dos indicadores definidos.

# 3. Regras que você deve seguir para gerar sua resposta
- Execute apenas as queries parametrizadas recebidas.
- Retorne exatamente os campos solicitados preservando tipos.
- Se alguma consulta falhar, retorne erro estruturado por indicador e continue as demais.
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
  • Tipo do input: Este agente deve ser apto a receber como input um conjunto de parâmetros de consulta para acessar o data source.
  • 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 dados com até 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de datasets brutos contendo tabelas por indicador, com colunas especificadas.
  • Exemplo de Estrutura de Output: 
     {
  "datasets_brutos": {
    "score": [{"data_ref": "2025-12-01", "valor": 720, "segmento": "A"}],
    "taxa_atraso_30": [{"data_ref": "2025-12-01", "valor": 0.05, "segmento": "A"}]
  }
}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 5.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

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

RF 3. Agente de Normalização e Enriquecimento de Indicadores

3.1 Tarefa do Agente

Limpar, padronizar e enriquecer os indicadores com métricas derivadas para análise de risco.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo datasets brutos dos indicadores e parâmetros de monitoramento para normalizar e enriquecer os dados.

# 2. Objetivo
Limpar, padronizar e enriquecer os indicadores com métricas derivadas para análise de risco.

# 3. Regras que você deve seguir para gerar sua resposta
- Tratamento de faltantes: se faltantes<=5% em janela longa, imputar por forward-fill; entre 5% e 20%, usar média móvel da janela superior; >20% marcar qualidade_dado_score baixo e não computar zscore.
- Outliers: winsorizar no p1/p99 por indicador-segmento; registrar contagem.
- Padronização de unidade conforme dicionario_indicadores.
- Cálculos: zscore=(valor - média_90d)/desvio_90d (se desvioprazo_tolerado, 5 pontos se outliers>2%.
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 datasets brutos dos indicadores e parâmetros de monitoramento.
  • 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 dados com até 15.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de indicadores enriquecidos com métricas derivadas para análise de risco.
  • Exemplo de Estrutura de Output: 
     {
  "indicadores_enriquecidos": {
    "score": [{"data_ref": "2025-12-01", "zscore": 1.2, "tendencia": "estável"}],
    "taxa_atraso_30": [{"data_ref": "2025-12-01", "delta_%": -0.02, "qualidade_dado_score": 95}]
  }
}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 7.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Detecção de Riscos e Geração de Alertas (RF 4).

RF 4. Agente de Detecção de Riscos e Geração de Alertas

4.1 Tarefa do Agente

Identificar riscos emergentes e emitir alertas com severidade e evidências.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo indicadores enriquecidos e parâmetros de monitoramento para identificar riscos emergentes e emitir alertas.

# 2. Objetivo
Identificar riscos emergentes e emitir alertas com severidade e evidências.

# 3. Regras que você deve seguir para gerar sua resposta
- Dispare alerta quando qualquer critério ultrapassar seu threshold respeitando qtd_pontos_consecutivos e amostra_minima.
- Severidade: critical se limiar critical atingido ou se dois critérios warning simultâneos (ex.: zscore>=1.5 e delta>=15%); warning caso contrário.
- Aplique histerese: não encerrar alerta até que indicador fique 20% abaixo do limiar por ao menos 2 leituras.
- Deduplicação: um alerta ativo por indicador-segmento; se novo evento elevar severidade, faça upgrade e atualize evidências.
- Confianca_alerta: base 0.8, multiplique por (qualidade_dado_score/100); reduza 0.1 se tendência for instável (mudança de sinal em <=3 leituras).
- Não gerar alerta se N deterioracao_score_portfolio).
- Defina janela_validade proporcional à periodicidade do dado (diário: 48h; semanal: 2 semanas; mensal: 2 meses).
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 indicadores enriquecidos e parâmetros de monitoramento.
  • 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 dados com até 10.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de alertas gerados, detalhando severidade e evidências.
  • Exemplo de Estrutura de Output: 
     {
  "alertas": [{"id_alerta": "1", "indicador": "score", "severidade": "critical", "evidencias": {"zscore": 2.6}}]
}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendações de Ajustes de Estratégia de Crédito (RF 5).

RF 5. Agente de Recomendações de Ajustes de Estratégia de Crédito

5.1 Tarefa do Agente

Gerar recomendações baseadas em dados para ajuste de políticas e estratégias de crédito a partir dos alertas.

5.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo alertas gerados e contexto de políticas atuais para gerar recomendações de ajustes de estratégias de crédito.

# 2. Objetivo
Gerar recomendações baseadas em dados para ajuste de políticas e estratégias de crédito a partir dos alertas.

# 3. Regras que você deve seguir para gerar sua resposta
- Mapeie categoria_risco -> alavancas: deterioracao_score -> elevar cut-off/ajustar preço; aumento_inadimplencia_90 -> apertar política de regravação/coleção; aumento_utilizacao_limite -> revisar limites e reprecificar; piora_aprovacao_sem_justificativa -> revisar regras antifraude/atributos de decisão.
- Propostas devem ser proporcionais à severidade: critical sugere ajustes maiores (ex.: +30-50 pontos no cut-off), warning sugere pilotos ou ajustes graduais.
- Inclua alternativas não disruptivas (pilotos A/B).
- Respeite restrições: não reduzir aprovação abaixo de meta mínima informada, não violar políticas regulatórias setadas no input.
- Calibre impacto_esperado qualitativamente e indique KPIs mensuráveis com baseline da janela longa.
- Cada recomendação deve ter prioridade calculada por (impacto_esperado alto, confianca_alerta, abrangencia do segmento).
- Incluir plano de acompanhamento com data de revisão e critério de sucesso/falha.
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 alertas gerados e contexto de políticas atuais.
  • 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 dados com até 12.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de recomendações para ajustes de estratégias de crédito, detalhando alavanca política e impacto esperado.
  • Exemplo de Estrutura de Output: 
     {
  "recomendacoes": [{"id_alerta_referente": "1", "alavanca_politica": "cut-off score", "mudanca_proposta": {"de": 650, "para": 680}}]
}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 4.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

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 recomendações geradas são o resultado que deve ser disponibilizado ao usuário.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.