1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Agente de IA "Detecção de Anomalias em Relatórios de Crédito", uma solução projetada para analisar relatórios de crédito e identificar possíveis anomalias e inconsistências que possam indicar fraudes ou erros de pontuação. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é garantir que as pontuações de crédito sejam precisas e confiáveis, prevenindo fraudes e erros que possam impactar negativamente os clientes.
2. Contexto e Problema
Cenário Atual
No cenário atual, a análise de relatórios de crédito é um processo crítico para a prevenção de fraudes e para a garantia de precisão na pontuação dos clientes. No entanto, há diversos problemas específicos que precisam ser resolvidos para otimizar esse processo:
- Identificação de anomalias e inconsistências nos relatórios de crédito que podem indicar fraudes ou erros de pontuação.
- Necessidade de métodos eficazes para detectar e corrigir essas anomalias antes que causem impacto negativo nos clientes.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Aumentar a precisão das pontuações de crédito, garantindo que elas sejam confiáveis e isentas de erros.
- Reduzir a incidência de fraudes através da identificação precoce de anomalias e inconsistências.
- Melhorar a eficiência do processo de análise de crédito, automatizando a detecção de anomalias.
4. Visão Geral da Solução
O agente de IA para detecção de anomalias em relatórios de crédito processa dados estruturados de crédito para identificar padrões incomuns que possam indicar fraudes ou erros. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como uma ferramenta eficaz na identificação e correção de anomalias em relatórios de crédito.
A solução consiste em um fluxo de automação que analisa relatórios de crédito e gera alertas e propostas de correção para anomalias detectadas.
A execução do agente é linear, seguindo a sequência de análise e geração de relatórios conforme detalhado na tabela abaixo.
| Agente | Função Principal |
|---|---|
Agente de Detecção de Anomalias em Relatórios de Crédito (RF 1)
| Analisar relatórios de crédito para identificar anomalias e inconsistências. |
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 cliente receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Detecção de Anomalias em Relatórios de Crédito
1.1 Tarefa do Agente
Analisar relatórios de crédito estruturados para identificar anomalias e inconsistências que possam indicar fraude, erro de reporte ou cálculo incorreto de score, classificando severidade e propondo ações corretivas.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um relatório de crédito estruturado no formato JSON. Este relatório contém dados detalhados sobre o histórico de crédito de um consumidor.
# 2. Objetivo
Analisar o relatório para identificar anomalias e inconsistências que possam indicar fraude, erro de reporte ou cálculo incorreto de score.
# 3. Regras que você deve seguir para gerar sua resposta
- Implementar algoritmos de detecção de fraudes que possam identificar padrões incomuns nos dados de crédito.
- Criar alertas automáticos para informar analistas e clientes sobre possíveis anomalias nos relatórios.
- Propor soluções e correções para as anomalias detectadas, garantindo que as pontuações de crédito sejam precisas e confiáveis.
# 4. Exemplo de Output que você deve produzir
{
"anomalias_detectadas": true,
"anomalias": [
{
"codigo": "UTIL_ELEVADA",
"tipo": "inconsistencia_calculo",
"descricao": "Utilização elevada de crédito.",
"evidencias": ["tradeline:id=ABC saldo=5000 limite=5200"],
"severidade": "alta",
"impacto_score_estimado": {"direcao": "subestima", "amplitude_pontos": 30},
"acoes_recomendadas": ["contestar junto ao bureau"],
"pode_corrigir_automaticamente": false,
"correcao_sugerida": null
}
],
"metricas": {"qtd_anomalias": 1, "qtd_criticas": 0, "utilizacao_global": 0.96, "qtd_novas_contas_30d": 2, "qtd_consultas_30d": 3},
"alertas": [{"publico": "analista", "mensagem": "Anomalia detectada: Utilização elevada de crédito.", "prioridade": "alta"}],
"padronizacao_realizada": "sim"
} 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 relatório de crédito estruturado 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 relatório na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um arquivo JSON contendo o relatório de crédito do consumidor.
-
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 texto com até 100.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo JSON contendo as anomalias detectadas, métricas calculadas e alertas gerados.
-
Exemplo de Estrutura de Output:
{ "anomalias_detectadas": true, "anomalias": [ { "codigo": "UTIL_ELEVADA", "tipo": "inconsistencia_calculo", "descricao": "Utilização elevada de crédito.", "evidencias": ["tradeline:id=ABC saldo=5000 limite=5200"], "severidade": "alta", "impacto_score_estimado": {"direcao": "subestima", "amplitude_pontos": 30}, "acoes_recomendadas": ["contestar junto ao bureau"], "pode_corrigir_automaticamente": false, "correcao_sugerida": null } ], "metricas": {"qtd_anomalias": 1, "qtd_criticas": 0, "utilizacao_global": 0.96, "qtd_novas_contas_30d": 2, "qtd_consultas_30d": 3}, "alertas": [{"publico": "analista", "mensagem": "Anomalia detectada: Utilização elevada de crédito.", "prioridade": "alta"}], "padronizacao_realizada": "sim" } - Número de caracteres esperado: O JSON final deve ter um tamanho estimado em torno de 5.000 caracteres, variando conforme a quantidade de anomalias detectadas.
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 calcular métricas de crédito.
- 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, pois o objetivo é gerar relatórios de anomalias e alertas diretamente para os usuários finais.