Agente de IA para Geração de Relatórios de Investimento Personalizados

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

Como criar um agente de IA que sintetiza dados de contas de investimento dos clientes para criar relatórios personalizados e compreensíveis.

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 um agente de IA destinado à geração de relatórios de investimento personalizados. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é sintetizar dados de contas de investimento dos clientes para criar relatórios personalizados e compreensíveis sobre o desempenho de suas carteiras, reduzindo o tempo gasto por consultores.

2. Contexto e Problema

Cenário Atual

Consultores de investimento enfrentam desafios significativos ao preparar relatórios personalizados para clientes, especialmente aqueles com diferentes níveis de conhecimento financeiro. Os problemas específicos incluem:

  • Necessidade de relatórios claros e fáceis de entender para clientes de diferentes níveis de conhecimento financeiro.
  • Tempo significativo gasto por consultores na elaboração de relatórios personalizados.

Atualmente, o processo exige acesso manual a dados de contas de investimento e a transformação desses dados em informações compreensíveis e visuais, o que demanda tempo e esforço substanciais.

3. Impactos Esperados

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

  • Reduzir o tempo de geração de relatórios em pelo menos 70%.
  • Melhorar a clareza e compreensão dos relatórios para clientes de todos os níveis de conhecimento financeiro.
  • Permitir personalização dos relatórios de acordo com as preferências dos clientes.

4. Visão Geral da Solução

O agente de IA para geração de relatórios de investimento personalizados sintetiza dados de contas de investimento dos clientes, aplica regras de apresentação visual e prepara relatórios compreensíveis e personalizados. 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 elaboração de relatórios que atendem às necessidades dos clientes.

A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a execução de chamadas às APIs dos sistemas de custódia e corretoras e termina com a geração de um relatório completo e personalizável.

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

Agentes Função Principal
Agente de Execução de Chamada à API de Investimentos (RF 1) Realizar chamadas às APIs dos sistemas de custódia/corretoras para recuperar dados atualizados de contas de investimento do(s) cliente(s).
Agente de Preparação e Padronização de Dados de Investimento (RF 2) Padronizar, enriquecer e calcular métricas de desempenho a partir dos dados brutos para suportar a geração do relatório.
Agente de Geração de Relatório Personalizado de Investimentos (RF 3) Produzir relatório claro, visual e personalizável do desempenho da carteira, adequado ao nível de conhecimento do cliente.

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 Execução de Chamada à API de Investimentos

1.1 Tarefa do Agente

Realizar chamadas às APIs dos sistemas de custódia/corretoras para recuperar dados atualizados de contas de investimento do(s) cliente(s).

1.2 Prompt ou Instruções do Agente 
 Este agente não necessita de instruções de LLM. Sua função é exclusivamente executar a chamada às APIs com o payload recebido e retornar os dados brutos conforme especificado.
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 payload contendo os parâmetros necessários para a chamada à API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um payload estruturado com informações de autenticação e parâmetros de consulta.
  • 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 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de dados brutos organizados por coleção, conforme especificado no prompt.
  • Exemplo de Estrutura de Output: 
     { posicoes[], transacoes[], cotacoes[], taxas_e_custos[], benchmarks[], metadata_coleta{timestamp_iso, fonte, periodo_coberto} }
  • Número de caracteres esperado: O output será denso, com um tamanho estimado de até 50.000 caracteres.

1.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (execução de API)
  • Temperatura: Não se aplica (execução de API)

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deve se conectar aos sistemas de custódia/corretoras para execução da chamada à API.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Preparação e Padronização de Dados de Investimento (RF 2).

RF 2. Agente de Preparação e Padronização de Dados de Investimento

2.1 Tarefa do Agente

Padronizar, enriquecer e calcular métricas de desempenho a partir dos dados brutos para suportar a geração do relatório.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados brutos de contas de investimento, que incluem posições, transações, cotações, taxas e custos, benchmarks e metadados de coleta.

# 2. Objetivo
Padronizar, enriquecer e calcular métricas de desempenho a partir dos dados brutos para suportar a geração do relatório.

# 3. Regras que você deve seguir para gerar sua resposta
- Unificar fuso e moeda para moeda_referencia; se taxa de câmbio ausente para uma data, propagar último valor anterior e registrar em suposicoes_aplicadas.
- Reconciliar posições com transações: posição_t0 + compras - vendas + proventos + ajustes_corporativos = posição_t1; quando divergente, marcar em qualidade_dados.lacunas_cotacao ou suposicoes_aplicadas com descrição.
- Calcular série de valor diário da carteira usando preços de fechamento; quando indisponível, usar preço mais recente anterior do mesmo dia útil; se ambos ausentes, marcar gap e excluir dia do cálculo de retorno.
- Retornos: TWR para o período selecionado; MWR/IRR somente se existirem fluxos de caixa; quando não calculável, retornar null e registrar motivo.
- Volatilidade anualizada baseada em retornos diários; max_drawdown a partir da curva de valor; Sharpe usa taxa_livre_risco se fornecida, caso contrário retornar null.
- Benchmark: alinhar calendários; se benchmark_preferencial ausente, selecionar índice amplo compatível com classe predominante e registrar escolha em suposicoes_aplicadas.
- Custos e taxas: deduzir taxas explícitas do retorno líquido; exibir também retorno bruto quando possível e registrar diferença.
- Classificação de ativos: mapear para classes padrão {Renda Variável, Renda Fixa, Fundos, Internacional, Caixa, Alternativos}; quando desconhecido, classificar como "Outros" e listar tickers.
- Sinalizar concentração: se qualquer ativo >20% ou classe >60% do patrimônio, incluir aviso em qualidade_dados.suposicoes_aplicadas com tag "concentracao".
- Garantir que todos os arrays e campos sigam o schema do expected_output; campos não calculáveis devem ser null, nunca omitidos.
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 dados brutos de investimento organizados por coleção.
  • 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 50.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de dados padronizados e métricas de desempenho, organizados conforme o schema especificado no prompt.
  • Exemplo de Estrutura de Output: 
     { dataset_padronizado: { series_carteira_diaria[], series_benchmark_diaria[], composicao_atual[{classe, ativo, ticker, percentual, custo_medio, pnl}], fluxos_caixa[], taxas_cobradas[{tipo, valor, periodo}] }, metricas: { retorno_TWR_periodo, retorno_MWR_IRR_periodo, volatilidade_anualizada, max_drawdown, sharpe, tracking_error, contribuição_por_ativo[], contribuição_por_classe[] }, qualidade_dados: { lacunas_cotacao[], ajustes_corporativos_aplicados[], moedas_convertidas[], suposicoes_aplicadas[] }, parametros_utilizados: { periodo_analise, moeda_referencia, benchmark, taxa_livre_risco? } }
  • Número de caracteres esperado: O output será detalhado, com um tamanho estimado de até 60.000 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: Utiliza lógica interna para calcular métricas de desempenho.
  • 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 Geração de Relatório Personalizado de Investimentos (RF 3).

RF 3. Agente de Geração de Relatório Personalizado de Investimentos

3.1 Tarefa do Agente

Produzir relatório claro, visual e personalizável do desempenho da carteira, adequado ao nível de conhecimento do cliente.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de dados padronizados e métricas de desempenho, além de preferências do cliente para personalização do relatório.

# 2. Objetivo
Produzir relatório claro, visual e personalizável do desempenho da carteira, adequado ao nível de conhecimento do cliente.

# 3. Regras que você deve seguir para gerar sua resposta
- Ajustar linguagem ao nivel_letramento_financeiro: iniciante com termos simples e glossário mais amplo; intermediário com explicações sucintas; avançado com maior densidade técnica e métricas adicionais.
- Seleção de seções conforme preferências; se nenhuma fornecida, incluir padrão: desempenho, risco, alocacao, custos e fluxos (quando disponíveis).
- Destacar visualmente: 3–5 KPIs principais; variações relevantes vs. benchmark; impacto de taxas (diferença entre retorno bruto e líquido).
- Explicabilidade: para cada KPI, incluir uma frase de interpretação em linguagem natural e indicação de limitações quando dados estiverem incompletos (baseada em qualidade_dados).
- Visuais: gerar especificações de gráficos com títulos claros, eixos rotulados, moeda_referencia e período; preferencia_visual=simple reduz camadas e anotações; detalhado inclui bandas, anotações de eventos e decomposição por contribuição.
- Personalização: respeitar foco e ocultar seções não solicitadas; todas as cifras devem exibir moeda e período; percentuais com duas casas decimais, datas em ISO ou localidade do cliente.
- Conformidade: incluir disclaimer de que o material é informativo e não constitui recomendação de investimento; evitar linguagem imperativa de compra/venda.
- Se benchmark indisponível, remover comparações e inserir nota explicativa; se métricas indisponíveis (ex.: Sharpe sem taxa livre de risco), exibir como "não aplicável" com motivo.
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 um conjunto de dados padronizados e métricas de desempenho, além de preferências do cliente.
  • 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 60.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório personalizável, claro e visual, organizado conforme o schema especificado no prompt.
  • Exemplo de Estrutura de Output: 
     { relatorio: { resumo_executivo, destaques[{titulo, valor, explicacao_curta}], narrativa_personalizada, secoes: { desempenho: {kpis_chave, comparacao_benchmark}, risco: {volatilidade, drawdown, sharpe}, custos: {taxas, impacto_no_retorno}, alocacao: {por_classe, top_ativos, concentracao}, fluxos: {aportes_resgates, MWR?} }, recomendacoes_genericas_opcionais, disclaimers, anexos: {glossario, metodologia} }, visuais: [{tipo, titulo, descricao, spec}] }
  • Número de caracteres esperado: O relatório final será extenso, com um tamanho mínimo esperado de 70.000 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: Utiliza lógica interna para gerar especificações de gráficos e cálculos de desempenho.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

3.3.5 Memória

  • Visibilidade das Instruções (Prompt): As instruções não são visíveis para agentes subsequentes.
  • Visibilidade da Resposta: A resposta gerada por este agente é o produto final entregue ao cliente.

3.3.6 Regras de Orquestração e Transição

Este agente finaliza o fluxo de geração de relatórios.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.