Agente de IA para Monitoramento de Carteiras de Investimento

10 de November de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que monitora carteiras de investimento, identifica desvios e sugere ajustes.

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 "Monitoramento de Carteiras de Investimento", uma solução de automação projetada para monitorar carteiras de investimento, identificar desvios em relação à estratégia definida e sugerir ajustes quando necessário. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é implementar um sistema de monitoramento contínuo que optimize o desempenho das carteiras de investimento através de ajustes proativos baseados em análises de dados atualizados.

2. Contexto e Problema

Cenário Atual

O mercado financeiro é dinâmico e exige monitoramento constante das carteiras de investimento para garantir que estas estejam alinhadas com as estratégias definidas. No cenário atual, existem algumas dificuldades:

  • Falta de monitoramento contínuo das carteiras de investimento, levando a desvios não detectados.
  • Dificuldade em identificar rapidamente desvios em relação à estratégia de investimento definida.
  • Necessidade de ajustes proativos nas carteiras para otimizar o desempenho.

Sem um sistema eficaz de monitoramento e ajuste, as carteiras podem sofrer perdas significativas devido à volatilidade do mercado e à falta de reatividade a mudanças rápidas.

3. Impactos Esperados

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

  • Aumentar a precisão do monitoramento das carteiras de investimento em tempo real.
  • Identificar rapidamente desvios e sugerir ajustes para otimizar o desempenho.
  • Reduzir riscos associados a desvios não detectados e à falta de ajustes proativos.
  • Melhorar o retorno sobre investimento através de estratégias de ajuste bem-informadas.

4. Visão Geral da Solução

O agente de IA para monitoramento de carteiras de investimento analisa dados em tempo real, identifica desvios em relação à estratégia definida e sugere ajustes proativos. 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 dois agentes de IA. O processo inicia com a coleta de dados das carteiras e termina com a sugestão de ajustes proativos.

A execução dos agentes é sequencial e linear, conforme detalhado na tabela abaixo.

Agentes Função Principal
Agente de Monitoramento Contínuo de Carteiras (RF 1) Monitorar em tempo real o desempenho das carteiras de investimento.
Agente de Identificação de Desvios e Sugestões de Ajustes (RF 2) Identificar desvios em relação à estratégia de investimento e sugerir ajustes proativos.

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 Monitoramento Contínuo de Carteiras

1.1 Tarefa do Agente

Monitorar em tempo real o desempenho das carteiras de investimento e gerar relatórios de desempenho contínuos.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de carteiras de investimento atualizados em tempo real. Estes dados incluem informações sobre o desempenho atual e histórico das carteiras.

# 2. Objetivo
Monitorar o desempenho das carteiras de investimento em tempo real e gerar relatórios contínuos que destaquem áreas com desvios significativos.

# 3. Regras que você deve seguir para gerar sua resposta
- Coletar dados de desempenho das carteiras em intervalos regulares para garantir monitoramento contínuo.
- Comparar o desempenho atual com benchmarks e metas predefinidas para identificar desvios. Utilize métodos estatísticos para análise comparativa.
- Atualizar o relatório de desempenho em tempo real, destacando áreas com desvios significativos e sugerindo ações corretivas imediatas.
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 das carteiras via API. Na fase de testes, os dados serão enviados manualmente através de upload na interface da Prototipe AI para acelerar o processo de validação.
  • Tipo do input: Dados de desempenho de carteiras de investimento atualizados em tempo real.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv, .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de dados com até 50.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório de desempenho em tempo real, formatado em **JSON**. O relatório deve destacar áreas com desvios significativos e sugerir ações corretivas.
  • Exemplo de Estrutura de Output:
     {
      "desempenho_atual": {
        "carteira_id": "12345",
        "desvios_significativos": [
          {
            "indicador": "Retorno",
            "desvio": "-5%",
            "acao_sugerida": "Revisar alocação em ações de tecnologia"
          }
        ]
      }
    } 
  • Número de caracteres esperado: O relatório deve ser conciso e informativo, com 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 estatísticos de desempenho.
  • 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 Desvios e Sugestões de Ajustes (RF 2).

RF 2. Agente de Identificação de Desvios e Sugestões de Ajustes

2.1 Tarefa do Agente

Identificar desvios em relação à estratégia de investimento e sugerir ajustes proativos baseados em análises contínuas e dados atualizados.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um relatório de desempenho em tempo real das carteiras de investimento. Este relatório destaca áreas com desvios significativos em relação às metas predefinidas.

# 2. Objetivo
Analisar o relatório de desempenho para identificar padrões de desvios recorrentes e sugerir ajustes proativos com base em análises contínuas e dados atualizados.

# 3. Regras que você deve seguir para gerar sua resposta
- Analisar o relatório de desempenho para identificar padrões de desvios recorrentes usando técnicas de mineração de dados.
- Avaliar o impacto potencial dos desvios no desempenho futuro das carteiras através de simulações de cenário.
- Propor ajustes específicos, como realocação de ativos ou revisão de estratégias, para otimizar o desempenho, baseando-se em projeções de mercado.
- Priorizar sugestões de ajustes com base na urgência e potencial de impacto positivo, considerando a volatilidade do mercado.
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 relatório de desempenho em tempo real das carteiras de investimento, gerado pelo agente anterior.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 3.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de sugestões de ajustes proativos, formatado em **JSON**. As sugestões devem ser claras e baseadas em análises de dados atualizados.
  • Exemplo de Estrutura de Output:
     {
      "ajustes_sugeridos": [
        {
          "carteira_id": "12345",
          "ajuste": "Revisar alocação em ações de tecnologia",
          "impacto_esperado": "Aumento de 3% no retorno anual"
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.500 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 simulações de cenário e projeções de impacto.
  • 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 é o entregável final e não é passada para outros agentes internos.

2.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. As sugestões de ajustes geradas são o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.