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 Transações Financeiras", uma solução projetada para monitorar transações financeiras em tempo real, identificando anomalias que possam indicar fraudes ou erros. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é utilizar algoritmos de análise de dados para identificar anomalias e implementar monitoramento em tempo real, sinalizando transações suspeitas para revisão manual.
2. Contexto e Problema
Cenário Atual
As instituições financeiras enfrentam desafios significativos na detecção de transações anômalas que possam indicar fraudes ou erros. A falta de capacidade para monitorar transações em tempo real é um problema crítico, pois permite que ações fraudulentas ocorram sem detecção imediata.
Problemas Identificados
- Dificuldade na detecção de fraudes: As fraudes financeiras estão se tornando cada vez mais sofisticadas, dificultando a detecção por métodos tradicionais.
- Monitoramento em tempo real: A incapacidade de acompanhar transações em tempo real pode resultar em atrasos na resposta a atividades suspeitas.
- Alta taxa de falsos positivos: Métodos de detecção sem precisão podem gerar muitos alertas falsos, sobrecarregando as equipes de revisão.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Aumentar a precisão na detecção de fraudes usando análise avançada de dados.
- Reduzir o tempo de resposta a transações suspeitas através de monitoramento em tempo real.
- Diminuir a carga de trabalho manual das equipes de revisão, minimizando falsos positivos.
4. Visão Geral da Solução
O agente de IA para detecção de anomalias em transações financeiras monitora transações em tempo real, aplicando algoritmos de análise de dados para identificar anomalias e sinalizar transações suspeitas para revisão manual. 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 identificação de fraudes e erros em transações financeiras.
A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a normalização e enriquecimento das transações e termina com a preparação de alertas para revisão humana.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Normalização e Enriquecimento de Transações (RF 1)
| Receber eventos de transações financeiras e produzir um registro padronizado e enriquecido. |
Agente de Detecção de Anomalias e Classificação de Risco (RF 2)
| Avaliar o registro normalizado para identificar anomalias e atribuir um score de risco. |
Agente de Preparação de Alerta para Revisão Humana (RF 3)
| Transformar a detecção de anomalias em um alerta estruturado e acionável para analistas. |
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 usuário receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Normalização e Enriquecimento de Transações
1.1 Tarefa do Agente
Receber eventos de transações financeiras e produzir um registro padronizado, validado e enriquecido com variáveis derivadas necessárias para avaliação de anomalias.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo eventos de transações financeiras. Esse agente deve processar e normalizar esses eventos, enriquecendo-os com variáveis derivadas para posterior avaliação.
# 2. Objetivo
Normalizar e enriquecer os eventos de transações financeiras com informações adicionais e variáveis derivadas necessárias para a detecção de anomalias.
# 3. Regras que você deve seguir para gerar sua resposta
- Validar todos os campos obrigatórios e preencher campos faltantes com valores padrão quando aplicável.
- Converter valores monetários para a moeda local usando taxas de câmbio fornecidas.
- Calcular variáveis derivadas como valor relativo ao limite de crédito, desvio em relação à mediana habitual, etc.
- Mascarar informações sensíveis como identificadores de cartão.
# 4. Exemplo de Output que você deve produzir
{
"transacao_normalizada": { ... },
"features_derivadas": { ... },
"validacoes": { ... }
} 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 de transações financeiras via API. Na fase de testes, os dados serão enviados diretamente por upload de um arquivo CSV na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um evento de transação financeira, que inclui informações detalhadas sobre a transação.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.json,.csv. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON contendo o registro normalizado da transação e as features derivadas.
-
Exemplo de Estrutura de Output:
{ "transacao_normalizada": { ... }, "features_derivadas": { ... }, "validacoes": { ... } } - Número de caracteres esperado: O JSON final deve ter um tamanho estimado em torno de 3.000 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 conversão de moeda e derivação de features.
- 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 Detecção de Anomalias e Classificação de Risco (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Detecção de Anomalias e Classificação de Risco (RF 2).
RF 2. Agente de Detecção de Anomalias e Classificação de Risco
2.1 Tarefa do Agente
Avaliar o registro normalizado e as features derivadas para identificar anomalias, atribuir um score de risco e definir prioridade e recomendação de ação.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um registro normalizado de transação financeira e suas features derivadas.
# 2. Objetivo
Identificar anomalias e atribuir um score de risco às transações financeiras, definindo ações recomendadas para cada caso.
# 3. Regras que você deve seguir para gerar sua resposta
- Analisar as features derivadas para identificar padrões anômalos.
- Atribuir um score de risco baseado na severidade das anomalias detectadas.
- Definir a prioridade de revisão e recomendar ações baseadas no score de risco.
# 4. Exemplo de Output que você deve produzir
{
"transacao_id": "string",
"anomalias": [ ... ],
"risk_score": 0-100,
"severidade": "baixa|media|alta|critica",
"necessita_revisao": true|false,
"prioridade_fila": "P3|P2|P1|P0",
"recomendacao_acao": "aprovar|negar|revisar_manual",
"explicabilidade": "string_curta_resumindo_os_principais_motivos"
} 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 como input um objeto JSON contendo o registro normalizado da transação e as features derivadas.
-
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 3.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON detalhando as anomalias detectadas, score de risco, severidade e ações recomendadas.
-
Exemplo de Estrutura de Output:
{ "transacao_id": "string", "anomalias": [ ... ], "risk_score": 0-100, "severidade": "baixa|media|alta|critica", "necessita_revisao": true|false, "prioridade_fila": "P3|P2|P1|P0", "recomendacao_acao": "aprovar|negar|revisar_manual", "explicabilidade": "string_curta_resumindo_os_principais_motivos" } - Número de caracteres esperado: O JSON final deve ter um tamanho estimado em torno de 2.000 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
2.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Utiliza lógica interna para avaliação de risco e determinação de score.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
2.3.5 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 Preparação de Alerta para Revisão Humana (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Preparação de Alerta para Revisão Humana (RF 3).
RF 3. Agente de Preparação de Alerta para Revisão Humana
3.1 Tarefa do Agente
Transformar a detecção de anomalias em um alerta estruturado e acionável para analistas, com dados minimamente necessários, evidências e SLA sugerido.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o resultado da detecção de anomalias, incluindo score de risco e recomendações de ação.
# 2. Objetivo
Criar um alerta estruturado e acionável para analistas, baseado nas anomalias detectadas e no score de risco.
# 3. Regras que você deve seguir para gerar sua resposta
- Estruturar o alerta com título, resumo, principais motivos, evidências chave e dados mínimos para contato.
- Assegurar que o alerta esteja alinhado com o score de risco e a severidade definida.
- Propor um SLA sugerido com base na prioridade de fila.
# 4. Exemplo de Output que você deve produzir
{
"alerta": {
"transacao_id": "string",
"titulo": "Possível fraude - severidade alta",
"resumo": "Em 2025-12-09T15:21Z, compra de R$950 com novo país e velocidade improvável.",
"principais_motivos": [ ... ],
"evidencias_chave": { ... },
"score": 78,
"severidade": "alta",
"prioridade_fila": "P1",
"recomendacao_acao": "revisar_manual",
"checklist_analista": [ ... ],
"dados_minimos_para_contato": { ... },
"sla_sugerido_minutos": 15
}
} 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 como input um objeto JSON contendo o resultado da detecção de anomalias e score de risco.
-
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 2.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON detalhando o alerta estruturado para revisão humana.
-
Exemplo de Estrutura de Output:
{ "alerta": { "transacao_id": "string", "titulo": "Possível fraude - severidade alta", "resumo": "Em 2025-12-09T15:21Z, compra de R$950 com novo país e velocidade improvável.", "principais_motivos": [ ... ], "evidencias_chave": { ... }, "score": 78, "severidade": "alta", "prioridade_fila": "P1", "recomendacao_acao": "revisar_manual", "checklist_analista": [ ... ], "dados_minimos_para_contato": { ... }, "sla_sugerido_minutos": 15 } } - Número de caracteres esperado: O JSON final deve ter um tamanho estimado em torno de 1.500 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 definição de SLAs e estruturação de alertas.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
3.3.5 Memória
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta (alerta estruturado) deve ser o entregável final e não é passada para outros agentes internos.
3.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O alerta gerado é o resultado que deve ser disponibilizado ao analista responsável.