Agente de IA para Monitoramento de Alocações de Ativos

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

Como criar um agente de IA que analisa continuamente as alocações de ativos em carteiras de investimento.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para um agente de IA focado no monitoramento de alocações de ativos em carteiras de investimento. 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 alocações de ativos estejam sempre alinhadas ao perfil de risco e aos objetivos do cliente, identificando desvios e sugerindo ajustes automáticos para otimizar o desempenho da carteira.

2. Contexto e Problema

Cenário Atual

Investidores frequentemente enfrentam desafios para manter suas carteiras de investimento alinhadas com seus objetivos financeiros e perfis de risco. As condições de mercado podem mudar rapidamente, causando desvios nas alocações de ativos que, se não corrigidos, podem comprometer o desempenho da carteira.

Atualmente, a verificação e o ajuste das alocações são processos manuais e demorados, que dependem da análise de dados complexos e da tomada de decisão baseada em critérios subjetivos.


Problemas Identificados

  • Risco de desalinhamento: As alocações podem se desviar dos objetivos e do perfil de risco do cliente sem que isso seja rapidamente identificado.
  • Tempo de reação: A demora na identificação de desvios pode resultar em decisões de investimento subótimas.
  • Complexidade de dados: A análise manual de grandes volumes de dados de mercado e de portfólio pode ser propensa a erros.
  • Falta de automação: A ausência de processos automatizados para ajustes nas alocações limita a capacidade de resposta proativa às mudanças de mercado.

3. Impactos Esperados

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

  • Monitoramento contínuo das alocações de ativos em tempo real.
  • Identificação proativa de desvios que possam comprometer a estratégia de investimento.
  • Sugestões automáticas de ajustes para otimizar o desempenho da carteira.
  • Redução do tempo de reação a mudanças de mercado, aumentando a eficiência operacional.

4. Visão Geral da Solução

O agente de IA para monitoramento de alocações de ativos analisa continuamente os dados de mercado e de portfólio, identifica desvios em relação ao perfil de risco e aos objetivos do cliente, e sugere ajustes automáticos. 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 gestão de carteiras de investimento.

A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a coleta de dados de carteiras e termina com a geração de alertas e recomendações de ajustes.

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 - Dados de Carteira e Perfil (RF 1) Realizar chamadas às APIs dos sistemas de portfólios para obter dados de alocações e perfil do cliente.
Agente de Execução de Chamada à API - Mercado e Benchmarks (RF 2) Obter cotações, séries históricas e composições de benchmarks de mercado.
Agente de Análise de Desvios e Conformidade de Risco (RF 3) Calcular desvios de alocação e verificar conformidade com perfil de risco.
Agente de Recomendações de Rebalanceamento (RF 4) Gerar propostas de ajustes nas alocações para aderir às metas e limites do perfil.
Agente de Geração de Alertas e Sumário Executivo (RF 5) Transformar a análise e as recomendações em alertas acionáveis e comunicações para stakeholders.

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 Execução de Chamada à API - Dados de Carteira e Perfil

1.1 Tarefa do Agente

Realizar chamadas às APIs dos sistemas de portfólios para obter posições, alocações, políticas-alvo e perfil/objetivos do cliente.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros de entrada para realizar chamadas a APIs de portfólios de investimentos.

# 2. Objetivo
Realizar chamadas às APIs dos sistemas de portfólios para obter dados de posições, alocações, políticas-alvo e perfil/objetivos do cliente.

# 3. Regras que você deve seguir para gerar sua resposta
- Execute a chamada à API utilizando os parâmetros fornecidos.
- Retorne os dados crus recuperados, sem processamento adicional.
- Não utilize LLM para análise dos dados.

# 4. Exemplo de Output que você deve produzir
JSON com: posições (id_ativo, classe_ativo, quantidade, preço_ultimo, valor, peso_atual), metas (peso_alvo por classe/ativo, bandas_tolerancia_min/max), perfil_risco (nível_risco, limites_vol, limites_exposição, restrições), objetivos (horizonte, meta_retorno, restrições_específicas), parâmetros operacionais (min_trade, buffer_caixa, ativos_restritos). 
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 parâmetros via 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 contendo client_id(s), portfolio_id(s), data_referencia, entre outros.
  • 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 JSON com os dados crus recuperados da chamada à API.
  • Exemplo de Estrutura de Output:
     {
      "posicoes": [
        {"id_ativo": "AAPL", "classe_ativo": "Ações", "quantidade": 50, "preco_ultimo": 150.00, "valor": 7500.00, "peso_atual": 0.15},
        {"id_ativo": "GOOGL", "classe_ativo": "Ações", "quantidade": 30, "preco_ultimo": 2800.00, "valor": 84000.00, "peso_atual": 0.70}
      ],
      "metas": {"peso_alvo": {"Ações": 0.65, "Renda Fixa": 0.35}, "bandas_tolerancia_min": {"Ações": 0.60, "Renda Fixa": 0.30}, "bandas_tolerancia_max": {"Ações": 0.70, "Renda Fixa": 0.40}},
      "perfil_risco": {"nivel_risco": "Moderado", "limites_vol": 0.15, "limites_exposicao": {"Ações": 0.75}},
      "objetivos": {"horizonte": "5 anos", "meta_retorno": 0.10}
    } 
  • Número de caracteres esperado: O JSON final terá um tamanho estimado em torno de 5.000 caracteres.

1.3.3 Parâmetros de Geração

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

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Executa chamadas a sistemas externos via API.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API - Mercado e Benchmarks (RF 2).

RF 2. Agente de Execução de Chamada à API - Mercado e Benchmarks

2.1 Tarefa do Agente

Realizar chamadas às APIs de mercado para obter cotações, séries históricas e composições de benchmarks.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros de entrada para realizar chamadas a APIs de mercado.

# 2. Objetivo
Realizar chamadas às APIs de mercado para obter cotações, séries históricas e composições de benchmarks.

# 3. Regras que você deve seguir para gerar sua resposta
- Execute a chamada à API utilizando os parâmetros fornecidos.
- Retorne os dados crus recuperados, sem processamento adicional.
- Não utilize LLM para análise dos dados.

# 4. Exemplo de Output que você deve produzir
JSON com: preços_atualizados, retornos_históricos por janela, composição_benchmarks (pesos por classe/ativo), taxas livres de risco, custos_transação por ativo/classe (se disponível). 
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 prontos, como lista de ativos/benchmarks, janelas_historicas, data_referencia, etc.
  • 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 8.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com os dados crus recuperados da chamada à API.
  • Exemplo de Estrutura de Output:
     {
      "precos_atualizados": [
        {"ativo": "AAPL", "preco": 150.00},
        {"ativo": "GOOGL", "preco": 2800.00}
      ],
      "retornos_historicos": {"AAPL": {"21_dias": 0.05, "63_dias": 0.10, "252_dias": 0.20}},
      "composicao_benchmarks": {"Ações": 0.70, "Renda Fixa": 0.30},
      "taxas_livres_risco": 0.02
    } 
  • Número de caracteres esperado: O JSON final terá um tamanho estimado em torno de 3.500 caracteres.

2.3.3 Parâmetros de Geração

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

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Executa chamadas a sistemas externos via API.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise de Desvios e Conformidade de Risco (RF 3).

RF 3. Agente de Análise de Desvios e Conformidade de Risco

3.1 Tarefa do Agente

Calcular desvios de alocação e verificar conformidade com perfil de risco, metas e bandas de tolerância.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados consolidados dos agentes de API.

# 2. Objetivo
Calcular desvios de alocação e verificar conformidade com perfil de risco, metas e bandas de tolerância.

# 3. Regras que você deve seguir para gerar sua resposta
- Normalize os dados de alocação se necessário.
- Calcule desvios absolutos e relativos.
- Verifique conformidade com bandas de tolerância e perfil de risco.
- Gere um sumário com status geral e métricas de risco.

# 4. Exemplo de Output que você deve produzir
JSON analítico com: por classe/ativo {peso_atual, peso_alvo, banda_min, banda_max, desvio_absoluto, desvio_relativo, em_breach (bool), severidade (baixa/média/alta)}, métricas de risco vs perfil {exposição_por_classe vs limites, proxy_volatilidade_portfolio vs limite_perfil, aderência_benchmark (tracking_drift)}, sumário_portfolio {qtde_breaches, maior_desvio, status_geral (ok/atenção/ação)}. 
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 consolidados de alocações atuais, metas, restrições, perfil de risco, objetivos e dados de mercado/benchmarks.
  • 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 15.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON analítico com os resultados da análise de desvios e conformidade de risco.
  • Exemplo de Estrutura de Output:
     {
      "classe_ativo": "Ações",
      "peso_atual": 0.70,
      "peso_alvo": 0.65,
      "banda_min": 0.60,
      "banda_max": 0.70,
      "desvio_absoluto": 0.05,
      "desvio_relativo": 0.0769,
      "em_breach": false,
      "severidade": "baixa",
      "exposicao_por_classe": 0.70,
      "proxy_volatilidade_portfolio": 0.15,
      "tracking_drift": 0.02,
      "sumario_portfolio": {"qtde_breaches": 0, "maior_desvio": 0.05, "status_geral": "ok"}
    } 
  • Número de caracteres esperado: O JSON final terá um tamanho estimado em torno de 7.000 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 cálculos de desvios e conformidade.
  • 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 gerada por este agente deve ser visível para o Agente de Recomendações de Rebalanceamento (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendações de Rebalanceamento (RF 4).

RF 4. Agente de Recomendações de Rebalanceamento

4.1 Tarefa do Agente

Gerar propostas de ajustes nas alocações com listas de trades que levem o portfólio a aderir às metas e limites do perfil.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um output analítico com dados de desvios e conformidade.

# 2. Objetivo
Gerar propostas de ajustes nas alocações com listas de trades que levem o portfólio a aderir às metas e limites do perfil.

# 3. Regras que você deve seguir para gerar sua resposta
- Escolha a estratégia de rebalanceamento com base na severidade dos desvios.
- Gere uma lista de trades para ajustar as alocações.
- Verifique a conformidade pós-trade com as metas e limites do perfil.

# 4. Exemplo de Output que você deve produzir
JSON com: estrategia_rebalance (full/para_meio_da_banda/minimo_viavel), lista_trades [{ativo_id, lado (comprar/vender), delta_peso, quantidade_estimada, preço_referencia, custo_est_transacao, impacto_turnover}], pós_trade_estimado {pesos_por_classe/ativo, aderência_bandas, buffer_caixa}, checagens_conformidade {restrições_violadas: []}, métricas {turnover_total, custo_total_estimado}. 
4.3 Configurações do Agente

4.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 3).
  • Tipo do input: Este agente deve ser apto a receber um output analítico com breaches/severidades, metas/bandas, restrições operacionais, dados de preços atuais, custos de transação e parâmetros 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 12.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com propostas de ajustes nas alocações e lista de trades.
  • Exemplo de Estrutura de Output:
     {
      "estrategia_rebalance": "full",
      "lista_trades": [
        {"ativo_id": "AAPL", "lado": "comprar", "delta_peso": 0.05, "quantidade_estimada": 10, "preco_referencia": 150.00, "custo_est_transacao": 1.50, "impacto_turnover": 0.005}
      ],
      "pós_trade_estimado": {"pesos_por_classe": {"Ações": 0.65}, "aderência_bandas": true, "buffer_caixa": 0.02},
      "checagens_conformidade": {"restrições_violadas": []},
      "métricas": {"turnover_total": 0.01, "custo_total_estimado": 1.50}
    } 
  • Número de caracteres esperado: O JSON final terá um tamanho estimado em torno de 4.500 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos de ajustes e trades.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Alertas e Sumário Executivo (RF 5).

RF 5. Agente de Geração de Alertas e Sumário Executivo

5.1 Tarefa do Agente

Transformar a análise e as recomendações em alertas acionáveis e comunicações para stakeholders.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo outputs de análise e recomendações.

# 2. Objetivo
Transformar a análise e as recomendações em alertas acionáveis e comunicações para stakeholders.

# 3. Regras que você deve seguir para gerar sua resposta
- Gere alertas quando houver desvios significativos ou riscos fora dos limites.
- Crie mensagens personalizadas para diferentes stakeholders.
- Inclua KPIs e próximos passos recomendados.

# 4. Exemplo de Output que você deve produzir
JSON de alerta com: severidade_alerta, titulo, motivos_chave, itens_em_breach (lista), KPIs (maior_desvio, qtde_breaches, tracking_drift, turnover_total, custo_total), próximos_passos (aprovar_execução, revisar_parametros, adiar), mensagens_formatadas {cliente_final, assessor}, anexos_dados (ids de relatórios), SLA_sugestao (prazo_resposta). 
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 4).
  • Tipo do input: Este agente deve ser apto a receber outputs dos agentes de Análise e Recomendações.
  • 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.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON de alerta com detalhes de comunicação e próximos passos.
  • Exemplo de Estrutura de Output:
     {
      "severidade_alerta": "alta",
      "titulo": "Desvios Críticos Identificados",
      "motivos_chave": ["Desvio significativo em Ações", "Risco fora dos limites"],
      "itens_em_breach": ["Ações"],
      "KPIs": {"maior_desvio": 0.05, "qtde_breaches": 2, "turnover_total": 0.01, "custo_total": 1.50},
      "próximos_passos": "aprovar_execução",
      "mensagens_formatadas": {"cliente_final": "Recomendamos ajustes imediatos.", "assessor": "Favor revisar os desvios identificados e proceder conforme necessário."},
      "anexos_dados": ["relatório_123"],
      "SLA_sugestao": "24 horas"
    } 
  • Número de caracteres esperado: O JSON final terá um tamanho estimado em torno de 6.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para formatação de alertas e comunicações.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

5.3.5 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.

5.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O JSON de alerta gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.