Agente de IA para Detecção de Talentos Especiais

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

Como criar um agente de IA que identifica alunos com talentos especiais em áreas específicas.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Fluxo de Agentes "Detecção de Talentos Especiais", uma solução de automação projetada para identificar alunos com talentos especiais em áreas específicas através da análise de dados de desempenho e atividades extracurriculares. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é integrar a análise dos dados de desempenho acadêmico e atividades extracurriculares para identificar padrões que indiquem talentos especiais entre os alunos, permitindo uma abordagem mais sistemática e eficaz na identificação de talentos.

2. Contexto e Problema

Cenário Atual

As instituições educacionais enfrentam desafios significativos na identificação de talentos especiais entre os alunos, devido à falta de uma análise integrada e sistemática dos dados de desempenho acadêmico e atividades extracurriculares.

  • Dificuldade em identificar talentos especiais em alunos de forma sistemática.
  • Falta de análise integrada de desempenho acadêmico e atividades extracurriculares.

Atualmente, a identificação de talentos é realizada de forma manual e muitas vezes subjetiva, dependendo do julgamento individual dos educadores, o que pode levar a inconsistências e talentos não identificados.

3. Impactos Esperados

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

  • Aumentar a precisão na identificação de talentos especiais entre os alunos.
  • Fornecer uma análise integrada dos dados acadêmicos e extracurriculares.
  • Reduzir a subjetividade na identificação de talentos, proporcionando uma abordagem mais objetiva e baseada em dados.
  • Apoiar a personalização do ensino, adaptando programas educacionais às necessidades e talentos individuais dos alunos.

4. Visão Geral da Solução

O agente de IA para detecção de talentos especiais analisa dados de desempenho acadêmico e atividades extracurriculares para identificar padrões de talentos em alunos. 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 talentos especiais em áreas específicas.

A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a validação e padronização dos dados de desempenho e termina com a consolidação dos talentos identificados em um formato padronizado.

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 (RF 1) Validar e padronizar dados de desempenho acadêmico e atividades extracurriculares.
Agente de Identificação de Talentos Especiais (RF 2) Identificar talentos especiais com base em padrões de desempenho acadêmico e reforços extracurriculares.
Agente de Preparação de Saída Padronizada (RF 3) Consolidar a lista final de talentos identificados e formatar a resposta em JSON padronizado.

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.

6. Requisitos Funcionais

RF 1. Agente de Validação e Padronização de Dados

1.1 Tarefa do Agente

Validar integridade e padronizar dados de desempenho acadêmico e atividades extracurriculares, gerando atributos comparáveis por aluno e por área.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com registros por aluno contendo: aluno_id, historico_academico (disciplinas, notas por período, média da turma e desvio-padrão quando disponíveis), participacoes_extracurriculares (competições, clubes, projetos, carga horária, papéis), e metadados (escala de notas por período/disciplina).

# 2. Objetivo
Validar e padronizar esses dados para permitir a identificação de talentos especiais.

# 3. Regras que você deve seguir para gerar sua resposta
- Regras de integridade: marque dados_validos=false se: (a) aluno_id ausente; (b) 2 ou mais períodos consecutivos sem notas em todas as disciplinas; (c) escala de notas desconhecida e sem possibilidade de normalização por metadados. Registre motivos_inconsistencia.
- Padronização de escalas: converta todas as notas para escala 0–10. Se metadados indicarem 0–100, divida por 10. Se conceito (A–E), mapeie A=10, B=8, C=6, D=4, E=2. Se faltarem metadados para uma disciplina, mantenha nota como null e z_score/percentil como null.
- Cálculo de z-score: quando média e desvio da turma existirem e desvio>0, z=(nota_normalizada−media)/desvio. Limite z em [-3,3]. Se média ou desvio ausentes, z_score=null.
- Percentil aproximado: quando houver z_score, mapeie z→percentil via aproximação: z=0→50, 1→84, 1.5→93, 2→97.5, 3→99.9, −1→16, −2→2.5. Interpole linearmente entre pontos; limite em [0,100].
- Agregação por área: mapeie disciplinas para áreas: Matemática (Matemática, Estatística), Linguagens (Língua Portuguesa, Literatura, Inglês), Ciências (Física, Química, Biologia), Humanas (História, Geografia, Sociologia, Filosofia). Para cada área, calcule z_score_area como mediana dos z válidos nos últimos 4 períodos; percentil_area como mediana dos percentis válidos nos últimos 4 períodos.
- Consistência e tendência (últimos 4 períodos): consistencia_4p é contagem de períodos (0–4) com z>=1.0 na área. tendencia_4p: 1 se mediana(z últimos 2 períodos) − mediana(z primeiros 2) >= 0.3; −1 se <= −0.3; caso contrário 0. Se faltarem períodos suficientes (<2 com z válido), defina consistencia_4p=0 e tendencia_4p=0.
- Extracurricular: some horas por área a partir das atividades declaradas; defina lideranca_area=true se houver registro de capitão, líder, monitor, coordenador ou prêmio individual na área. Registre competições com área, nível e colocação. Se a atividade não mapear claramente para área, ignore-a na agregação por área.
- Qualidade mínima: se o aluno tiver menos de 2 disciplinas com z válido em uma área nos últimos 4 períodos, marque z_score_area e percentil_area como null.
- Saída deve manter tipos estritos (números em número, booleanos em booleano, null explícito). 
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 desempenho acadêmico e atividades extracurriculares via API. Na fase de testes, os dados serão enviados pelo agente diretamente por upload de um arquivo JSON 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 registros por aluno.
  • 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 JSON contendo os dados validados e padronizados, incluindo z-scores e percentis calculados.
  • Exemplo de Estrutura de Output:
     {
      "aluno_id": "string",
      "dados_validos": true,
      "academico": { "disciplinas": [{"nome": "string", "periodo": "AAAA-Sn", "nota_normalizada": number, "media_turma": number, "desvio_turma": number, "z_score": number, "percentil_aprox": number }], "z_score_area": {"Matemática": number, "Linguagens": number, "Ciências": number, "Humanas": number}, "percentil_area": {"Matemática": number, "Linguagens": number, "Ciências": number, "Humanas": number} },
      "extracurricular": { "horas_area": {"Matemática": number, ...}, "lideranca_area": {"Matemática": true, ...}, "competicoes": [{"area": "string", "nivel": "municipal", "colocacao": "ouro"}] }
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho estimado de 5.000 caracteres por aluno.

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.
  • 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 Identificação de Talentos Especiais (RF 2).

RF 2. Agente de Identificação de Talentos Especiais

2.1 Tarefa do Agente

Determinar, por área, se o aluno apresenta talento especial com base em padrões objetivos de desempenho acadêmico e reforços extracurriculares.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o output padronizado do Agente de Validação e Padronização de Dados para um ou mais alunos.

# 2. Objetivo
Identificar talentos especiais com base em padrões de desempenho acadêmico e reforços extracurriculares.

# 3. Regras que você deve seguir para gerar sua resposta
- Elegibilidade por área: se z_score_area e percentil_area forem null na área, considere dados insuficientes para essa área.
- Critérios base (acadêmicos) por área:
  • Talento emergente: z_score_area >= 1.0 E percentil_area >= 80 E consistencia_4p >= 2.
  • Talento avançado: z_score_area >= 1.5 E percentil_area >= 90 E consistencia_4p >= 3.
  • Talento excepcional: z_score_area >= 2.0 E percentil_area >= 97 E consistencia_4p = 4.
- Tendência: se tendencia_4p=-1, rebaixe um nível (ex.: de avançado para emergente). Se tendencia_4p=1 e houver pelo menos um critério superado em 20% (ex.: z>=1.8 para emergente), promova um nível, limitado a excepcional apenas se demais critérios mínimos do nível final forem atendidos.
- Reforços extracurriculares (não obrigatórios, mas somam ao score_total):
  • Competições: internacional (ouro/prata/bronze/finalista) define no mínimo "avancado"; nacional com medalha define no mínimo "emergente"; estadual com medalha adiciona +0.2 no score_total.
  • Liderança na área adiciona +0.1 no score_total; >=50 horas/ano na área adiciona +0.1; ambos juntos máximo +0.2.
  • Ausência de extracurricular não rebaixa nível se critérios acadêmicos forem atendidos.
- Cálculo de score_total (0–1.5): score_total = 0.6*z_norm + 0.3*perc_norm + extras, onde z_norm = min(max((z_score_area)/3,0),1), perc_norm = percentil_area/100, extras em [0,0.2] conforme regras acima. Limite score_total em [0,1.5].
- Resolução de conflitos: se base acadêmica indicar nível e competição internacional indicar nível superior, adote o mais alto; se tendência for −1, aplique rebaixamento após considerar competições.
- Status geral: "dados_insuficientes" se nenhuma área elegível; "identificado" se ao menos uma área com nível emergente ou superior; caso contrário "nao_identificado".
- Evidências e justificativa: inclua frases objetivas citando z_score_area, percentil_area, consistencia_4p, tendencia_4p e competições/horas/liderança relevantes (com nível e colocação quando houver).
- Lacunas de dados: liste áreas com z/percentil nulos, ou ausência de últimos 4 períodos.
- Saída deve ser determinística e seguir o schema informado. 
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 o output padronizado do Agente de Validação e Padronização de Dados.
  • 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 10.000 caracteres por aluno.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON detalhando as identificações de talentos por área, incluindo critérios atingidos e evidências.
  • Exemplo de Estrutura de Output:
     {
      "aluno_id": "string",
      "identificacoes": [{ "area": "Matemática", "nivel_talento": "avancado", "score_total": 1.2, "criterios_atingidos": ["z_area>=1.5", "percentil_area>=90", "consistencia>=3"], "evidencias": ["Medalha de ouro em competição nacional"] }],
      "status_identificacao": "identificado",
      "lacunas_de_dados": [],
      "justificativa_texto": "O aluno apresentou desempenho excepcional em Matemática com z_score de 1.7 e medalha de ouro em competição nacional." 
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho estimado de 3.000 caracteres por aluno.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos de score e avaliação de critérios.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

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 Saída Padronizada (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Preparação de Saída Padronizada (RF 3).

RF 3. Agente de Preparação de Saída Padronizada

3.1 Tarefa do Agente

Consolidar por aluno a lista final de talentos identificados e formatar a resposta em JSON padronizado por registro.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de objetos de identificação gerados pelo Agente de Identificação de Talentos.

# 2. Objetivo
Consolidar as identificações em um formato padronizado e preparar a saída final.

# 3. Regras que você deve seguir para gerar sua resposta
- Para cada aluno, agregue as identificações por área em "talentos" preservando nível mais alto por área e suas evidências.
- Construa "resumo" com até 300 caracteres, citando as 1–2 áreas com maior score e a principal evidência (ex.: medalha nacional, z e percentil).
- Normalize chaves e tipos conforme o schema; arredonde score em duas casas decimais; ordene talentos por score desc.
- Copie "status" a partir do status_identificacao; mova "criterios_atingidos" para auditoria. Inclua todas as lacunas reportadas.
- Não criar novos campos além dos definidos; garantir JSON válido por aluno. 
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 a lista de identificações geradas pelo Agente de Identificação de Talentos.
  • 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 15.000 caracteres por aluno.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON padronizado por registro de aluno, consolidando as identificações de talentos.
  • Exemplo de Estrutura de Output:
     {
      "aluno_id": "string",
      "talentos": [{"area": "Matemática", "nivel": "excepcional", "score": 1.45, "evidencias": ["Medalha de ouro em competição internacional"]}],
      "status": "identificado",
      "resumo": "O aluno destacou-se em Matemática com medalha de ouro e z_score de 2.0.",
      "auditoria": {"criterios": ["z_area>=2.0", "percentil_area>=97"], "lacunas": []}
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho estimado de 2.000 caracteres por aluno.

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

  • 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 precisa ser passada para outros agentes internos.

3.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo, e o JSON padronizado gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.