Agente de IA para Educação Contínua em Prevenção de Infecções

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

Como criar um agente de IA que desenvolve e distribui materiais educativos personalizados para a equipe hospitalar.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Educação Contínua em Prevenção de Infecções", uma solução de automação projetada para desenvolver e distribuir materiais educativos personalizados sobre prevenção de infecções para a equipe hospitalar. 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 e fornecer materiais educativos personalizados para diferentes funções e necessidades da equipe hospitalar, garantindo atualização contínua com base em novas diretrizes e evidências científicas.

2. Contexto e Problema

Cenário Atual

A equipe hospitalar enfrenta desafios significativos no que diz respeito à educação contínua sobre prevenção de infecções. As dificuldades incluem:

  • Necessidade de educação contínua e atualizada sobre prevenção de infecções.
  • Personalização dos materiais educativos para atender às diferentes funções e necessidades da equipe.

Atualmente, a atualização e distribuição de materiais educativos é um processo manual e demorado, que não consegue acompanhar a velocidade das mudanças nas diretrizes científicas.


Problemas Identificados

  • Atualização Ineficiente: A atualização dos materiais educativos não é feita de forma oportuna, resultando em informações desatualizadas.
  • Falta de Personalização: Os materiais não são adaptados para as diferentes funções e níveis de conhecimento da equipe hospitalar.
  • Distribuição Inadequada: A distribuição dos materiais não é contínua nem acessível a toda a equipe.
  • Dependência de Processos Manuais: A criação e distribuição dos materiais dependem de processos manuais, que são lentos e sujeitos a erros.

3. Impactos Esperados

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

  • Aprimorar a atualização dos materiais educativos com base em novas diretrizes e evidências científicas.
  • Personalizar os materiais educativos para atender às diferentes necessidades e funções dentro da equipe hospitalar.
  • Distribuir os materiais de forma contínua e acessível a toda a equipe hospitalar.
  • Reduzir a dependência de processos manuais, automatizando a criação e distribuição de materiais educativos.

4. Visão Geral da Solução

O agente de IA para educação contínua em prevenção de infecções desenvolve e distribui materiais educativos personalizados para a equipe hospitalar, garantindo atualização contínua com base em novas diretrizes e evidências científicas. 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 educação contínua da equipe hospitalar.

A solução consiste em um fluxo de automação composto por 10 agentes de IA. O processo inicia com a definição de perfis e objetivos de aprendizagem e termina com a distribuição contínua de materiais educativos atualizados.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo. O fluxo inclui etapas condicionais que são executadas apenas se critérios específicos forem atendidos, conforme detalhado após a tabela.

Agentes Função Principal
Agente de Definição de Perfis e Objetivos de Aprendizagem (RF 1) Estruturar perfis e transformar em objetivos de aprendizagem mensuráveis.
Agente de Execução de Consulta a Documento (RF 2) Realizar consulta ao documento de diretrizes para obter evidências e recomendações.
Agente de Síntese de Evidências e Mapeamento de Atualizações (RF 3) Consolidar as evidências e mapear impactos no conteúdo educativo.
Agente de Redação de Materiais Personalizados (RF 4) Produzir materiais educativos em Markdown, adaptados por perfil e objetivos.
Agente de QA Clínica e Conformidade (RF 5) Revisar os materiais redigidos quanto à aderência às evidências e consistência.
Agente de Preparação de Distribuição e Metadados (RF 6) Empacotar materiais aprovados com metadados e cronograma para distribuição.
Agente de Distribuição de Materiais Educativos (RF 7) Gerar notificações e mensagens de distribuição para os canais definidos.
Agente de Monitoramento de Engajamento e Lembretes (RF 8) Analisar logs de acesso para definir lembretes e gerar indicadores de engajamento.
Agente de Detecção de Atualizações de Diretrizes (RF 9) Identificar se novas versões de diretrizes impactam conteúdos já publicados.
Agente de Replanejamento de Conteúdo a partir de Atualizações (RF 10) Gerar um plano de revisão dos materiais afetados por novas diretrizes.


Regras de Execução Condicional ou Edges

  • Ativação do Agente de Execução de Consulta a Documento (RF 2): Este agente só será executado se a propriedade "necessidade_de_evidencias" do objeto JSON gerado pelo Agente de Definição de Perfis e Objetivos de Aprendizagem (RF 1) for "true". Caso contrário, o fluxo pulará esta etapa e prosseguirá diretamente para o Agente de Redação de Materiais Personalizados (RF 4).

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 Definição de Perfis e Objetivos de Aprendizagem

1.1 Tarefa do Agente

Estruturar perfis (função, senioridade e necessidades) e transformar em objetivos de aprendizagem mensuráveis para prevenção de infecções.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de identificação e contexto do público, incluindo função, unidade/setor, senioridade e necessidades específicas.

# 2. Objetivo
Estruturar perfis e transformar em objetivos de aprendizagem mensuráveis para prevenção de infecções.

# 3. Regras que você deve seguir para gerar sua resposta
- Normalizar função para taxonomia: {medico, enfermeiro, tecnico_enfermagem, fisioterapeuta, farmacêutico, higienização, outros}.
- Se a função não mapear, classificar como 'outros' e solicitar esclarecimento no próximo passo do fluxo.
- Definir no mínimo 3 e no máximo 5 objetivos SMART (comportamento observável + critério + prazo).
- Priorizar temas base: higiene das mãos, precauções padrão e por via de transmissão, uso correto de EPI, bundles (CVC, CVD, VM), limpeza e desinfecção de superfícies.
- Ajustar a profundidade pelo nível estimado: iniciantes recebem definições e passos práticos; intermediários recebem justificativas e indicadores; avançados recebem nuances e exceções.
- Respeitar restrições de tempo: se turno noturno ou alta rotatividade, metas de microlearning (<=7 minutos por módulo).
- Saída deve ser JSON válido no formato especificado em expected_output.
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 identificação e contexto do público via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o 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 em formato CSV ou JSON, que inclui informações como função, unidade/setor, senioridade e necessidades específicas.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .csv, .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo o perfil normalizado e objetivos de aprendizagem mensuráveis. A estrutura deve incluir categorias como função, senioridade, turno, restrições de tempo, nível de conhecimento estimado e objetivos SMART.
  • Exemplo de Estrutura de Output:
     {
      "perfil_normalizado": {
        "role_category": "enfermeiro",
        "seniority": "intermediário",
        "turno": "diurno",
        "restricoes_de_tempo": "nenhuma"
      },
      "nivel_conhecimento_est": "médio",
      "objetivos_smart": [
        "Melhorar a adesão às precauções padrão em 20% até o final do trimestre",
        "Reduzir infecções associadas a CVC em 15% até o próximo semestre",
        "Aumentar o uso correto de EPI em 25% até o final do ano"
      ],
      "temas_prioritarios": ["higiene das mãos", "precauções padrão", "uso de EPI"]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.500 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 Consulta a Documento (RF 2).

RF 2. Agente de Execução de Consulta a Documento

2.1 Tarefa do Agente

Realizar consulta ao documento 'diretrizes_prevencao_infeccoes' para obter evidências, recomendações e versões vigentes a serem utilizadas nos materiais.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros prontos de consulta para o documento 'diretrizes_prevencao_infeccoes'.

# 2. Objetivo
Executar a consulta ao documento com os parâmetros que já recebe prontos para obter evidências, recomendações e versões vigentes.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente não precisa de instruções para chamadas ao LLM, pois sua única função é executar a consulta ao documento com os parâmetros que já recebe prontos.
- Certifique-se de que os dados recuperados sejam relevantes e atualizados.
- A saída deve incluir trechos relevantes, referências bibliográficas, versão do documento e data da versão.
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 consulta prontos, que incluem tópicos de consulta, filtros e campos de retorno.
  • 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 5.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo dados recuperados, incluindo trechos relevantes, referências bibliográficas, versão do documento e data da versão.
  • Exemplo de Estrutura de Output:
     {
      "trechos_relevantes": ["Trecho 1", "Trecho 2"],
      "referencias_bibliograficas": ["Referencia 1", "Referencia 2"],
      "versao_documento": "v3.0",
      "data_versao": "20/12/2025"
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.200 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica (uso de ferramenta)

2.3.4 Ferramentas do Agente

  • Documentos: Este agente consulta o documento 'diretrizes_prevencao_infeccoes' usando parâmetros de consulta predefinidos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos além do documento especificado.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Síntese de Evidências e Mapeamento de Atualizações (RF 3).

RF 3. Agente de Síntese de Evidências e Mapeamento de Atualizações

3.1 Tarefa do Agente

Consolidar as evidências recuperadas, identificar o que mudou em relação à versão anterior e mapear impactos no conteúdo educativo.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados recuperados do documento de diretrizes, incluindo trechos relevantes, referências bibliográficas e versão do documento.

# 2. Objetivo
Consolidar as evidências, identificar mudanças e mapear impactos no conteúdo educativo.

# 3. Regras que você deve seguir para gerar sua resposta
- Deduplicar trechos equivalentes mantendo a fonte mais recente.
- Classificar atualizações em add/update/remove e atribuir prioridade.
- Se a evidência tiver força/nível, preservar na saída.
- Gerar citações no formato Vancouver com DOI/URL quando disponível.
- Somente considerar evidências dos últimos 5 anos, exceto quando o documento vigente for mais antigo.
- Não inferir recomendações clínicas não presentes nas evidências.
- Garantir consistência terminológica.
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 dados recuperados do documento de diretrizes, incluindo trechos relevantes e referências bibliográficas.
  • 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 5.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo uma matriz de evidências, lista de atualizações e impactos no conteúdo.
  • Exemplo de Estrutura de Output:
     {
      "matriz_de_evidencias": {
        "topico1": "Recomendacao 1",
        "topico2": "Recomendacao 2"
      },
      "lista_de_atualizacoes": [
        {"topico": "precauções padrão", "change_type": "update", "resumo_mudanca": "Alterações nos procedimentos de higiene"}
      ],
      "impactos_no_conteudo": [
        {"secao": "higiene das mãos", "impacto": "alta", "prioridade": "alta"}
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.500 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 Redação de Materiais Personalizados (RF 4).

© 2025 prototipe.ai. Todos os direitos reservados.