Agente de IA para Monitoramento de Risco de Crédito

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

Como criar um agente de IA que monitora continuamente mudanças nos perfis de crédito de empresas e alerta sobre potenciais riscos.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, busca online, consulta a documentos e demais requisitos funcionais para um agente de IA destinado ao monitoramento de risco de crédito. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é monitorar continuamente os perfis de crédito de empresas, identificar sinais precoces de risco de inadimplência e emitir alertas automáticos para mudanças significativas nos perfis de crédito.

2. Contexto e Problema

Cenário Atual

As empresas enfrentam desafios significativos na gestão de risco de crédito, especialmente em ambientes econômicos voláteis. A incapacidade de monitorar continuamente os perfis de crédito dos clientes pode resultar em perdas financeiras substanciais devido a inadimplências não antecipadas.


Problemas Identificados

  • Monitoramento Insuficiente: A falta de monitoramento contínuo dos perfis de crédito resulta em atrasos na identificação de riscos.
  • Falta de Antecipação: Métodos tradicionais falham em prever riscos de inadimplência com antecedência suficiente.
  • Recursos Limitados: As equipes de análise de crédito frequentemente não têm recursos para revisar manualmente todos os perfis de crédito em tempo real.

3. Impactos Esperados

A implementação deste agente de monitoramento de risco de crédito visa alcançar os seguintes resultados:

  • Reduzir o risco de inadimplência através da identificação precoce de sinais de alerta.
  • Aumentar a eficiência das equipes de análise de crédito, automatizando o monitoramento e alertas.
  • Melhorar a precisão das previsões de risco de crédito.
  • Proteger a saúde financeira da empresa ao minimizar perdas por inadimplência.

4. Visão Geral da Solução

O agente de IA para monitoramento de risco de crédito analisa dados de crédito em tempo real, aplica modelos preditivos e emite alertas automáticos para mudanças significativas nos perfis de crédito. 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 risco de crédito.

A solução consiste em um fluxo de automação composto por 6 agentes de IA. O processo inicia com a preparação dos parâmetros de consulta de crédito e termina com a consolidação e priorização de alertas para ações imediatas.

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

Agentes Função Principal
Agente de Preparação de Parâmetros de Consulta de Crédito (RF 1) Construir o payload de consulta para recuperar dados de crédito em tempo real das empresas alvo.
Agente de Execução de Chamada à API (RF 2) Realizar chamada à API do sistema de dados de crédito para obter dados em tempo real.
Agente de Normalização e Atualização de Perfil de Crédito (RF 3) Padronizar os dados brutos recuperados e atualizar o perfil de crédito por empresa com métricas derivadas e deltas.
Agente de Detecção de Mudanças Significativas e Gatilhos de Alerta (RF 4) Identificar mudanças relevantes nos perfis de crédito e gerar alertas acionáveis.
Agente de Análise Preditiva de Risco (RF 5) Estimar probabilidade de inadimplência em 30 e 90 dias e classificar o risco por faixas.
Agente de Consolidação e Priorização de Alertas (RF 6) Unificar sinais de mudança e estimativas preditivas em uma fila priorizada de ações.

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 Preparação de Parâmetros de Consulta de Crédito

1.1 Tarefa do Agente

Construir o payload de consulta para recuperar dados de crédito em tempo real das empresas alvo.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de empresas com identificadores únicos e outros parâmetros necessários para a consulta de dados de crédito.

# 2. Objetivo
Construir o payload de consulta para recuperar dados de crédito em tempo real das empresas alvo.

# 3. Regras que você deve seguir para gerar sua resposta
- Incluir no payload somente empresas válidas: CNPJ com 14 dígitos, company_id não nulo; descartar duplicatas mantendo o identificador canônico.
- Definir since_timestamp como o maior entre o último processamento bem-sucedido por empresa e (now - janela_máxima_permitida).
- Paginar com page_size=500 ou menor se houver restrição informada; preparar cursor/pagination_token vazio para a primeira página.
- Solicitar campos: bureau_score, score_model_version, payment_history_12m, new_delinquencies_30d, credit_limit, utilization_ratio, days_past_due, invoices_overdue_count, liens, bankruptcies, sector, company_size, region, revenue_last12m, last_payment_date, limit_change_30d, new_trade_lines_30d.
- Incluir header de idempotency_key único por lote (ex.: hash(company_ids + since + now)).
- Respeitar rate_limit declarado: se rate_limit_rps existir, instruir fatiamento do payload em janelas de até rate_limit_rps chamadas por segundo.
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 uma lista de empresas 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 uma lista de empresas, contendo identificadores únicos e parâmetros de consulta.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados em formatos: .csv, .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um payload pronto para chamada à API, contendo endpoint-alvo, headers, parâmetros de query, campos requisitados e timeout por requisição.
  • Exemplo de Estrutura de Output:
     {
      "endpoint": "https://api.creditdata.com/consulta",
      "headers": {
        "Authorization": "Bearer token123",
        "Idempotency-Key": "unique_key_123"
      },
      "params": {
        "company_ids": ["12345678000195", "98765432000145"],
        "since": "2025-11-30T00:00:00Z",
        "page_size": 500
      },
      "timeout": 30
    } 
  • Número de caracteres esperado: O payload gerado deve ser conciso e informativo, com um tamanho estimado em torno de 1.000 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: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

1.3.5 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 Execução de Chamada à API (RF 2).

1.3.6 Regras de Orquestração e Transição

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

RF 2. Agente de Execução de Chamada à API

2.1 Tarefa do Agente

Realizar chamada à API do sistema de dados de crédito para obter dados em tempo real.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload completo preparado para a execução da chamada à API.

# 2. Objetivo
Realizar chamada à API do sistema de dados de crédito para obter dados em tempo real.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilizar o payload recebido para executar a chamada à API.
- Garantir que a chamada respeite as limitações de rate_limit, se houver.
- Retornar os dados brutos obtidos da API, incluindo metadados de paginação e carimbo de tempo da coleta.
- Em caso de erro na chamada, registrar o erro e interromper o processo para análise manual.
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 payload pronto para execução da chamada à API.
  • 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 1.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser os dados brutos retornados pela API, possivelmente paginados, para todas as empresas solicitadas.
  • Exemplo de Estrutura de Output:
     {
      "data": [
        {
          "company_id": "12345678000195",
          "bureau_score": 750,
          "credit_limit": 100000,
          "utilization_ratio": 0.5
        }
      ],
      "pagination": {
        "next_cursor": "abc123"
      },
      "collected_at": "2025-12-07T07:09:00Z"
    } 
  • Número de caracteres esperado: Os dados brutos retornados terão um tamanho aproximado de 5.000 caracteres, variando conforme o número de empresas e a quantidade de dados recuperados.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Conecta-se ao sistema externo de dados de crédito para executar a chamada à API.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Normalização e Atualização de Perfil de Crédito (RF 3).

RF 3. Agente de Normalização e Atualização de Perfil de Crédito

3.1 Tarefa do Agente

Padronizar os dados brutos recuperados e atualizar o perfil de crédito por empresa com métricas derivadas e deltas.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados brutos de crédito retornados pela API para um conjunto de empresas.

# 2. Objetivo
Padronizar os dados brutos recuperados e atualizar o perfil de crédito por empresa com métricas derivadas e deltas.

# 3. Regras que você deve seguir para gerar sua resposta
- Mapear tipos: números como float com 2 casas (ex.: utilization_ratio, variações), inteiros para contagens (invoices_overdue_count), datas ISO 8601. Valores ausentes viram null.
- Normalizar bureau_score para escala 0–1000 se vier em outra escala: usar transformação linear informada por score_model_version; se desconhecida, deixar em escala de origem e marcar flag score_scale_unknown=true.
- Calcular métricas derivadas:   • delta_bureau_score_7d = score_atual - score_7d_atras (se disponível).   • var_pct_limit_30d = (credit_limit_atual - credit_limit_30d_atras) / max(credit_limit_30d_atras, 1).   • utilizacao_pp_30d = utilization_ratio_atual - utilization_ratio_30d_atras.   • dpd_increase = max(days_past_due_atual - days_past_due_7d_atras, 0).   • has_new_delinquencies_30d = new_delinquencies_30d > 0.   • revenue_to_overdue_ratio = revenue_last12m / max(invoices_overdue_count, 1).   • days_since_last_payment = now - last_payment_date (em dias).
- Validar consistência: se utilization_ratio fora de [0,1], truncar para limites e marcar flag utilization_clamped=true.
- Registrar origem e coleta: set data_snapshot_ts = now_coleta; manter last_successful_update_ts.
- Produzir objeto por empresa com chaves: company_id, cnpj, setor, porte, regiao, métricas atuais e derivadas, flags de qualidade (score_scale_unknown, utilization_clamped).
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 dados brutos de crédito retornados pela API.
  • 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 5.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser perfis de crédito atualizados por empresa contendo valores atuais, histórico relevante mínimo e métricas derivadas.
  • Exemplo de Estrutura de Output:
     {
      "profiles": [
        {
          "company_id": "12345678000195",
          "bureau_score": 750,
          "delta_bureau_score_7d": -10,
          "utilization_ratio": 0.5,
          "utilizacao_pp_30d": 0.05
        }
      ],
      "data_snapshot_ts": "2025-12-07T07:09:00Z"
    } 
  • Número de caracteres esperado: O output gerado terá um tamanho aproximado de 3.000 caracteres, variando conforme o número de empresas processadas.

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 calcular métricas derivadas.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Detecção de Mudanças Significativas e Gatilhos de Alerta (RF 4).

RF 4. Agente de Detecção de Mudanças Significativas e Gatilhos de Alerta

4.1 Tarefa do Agente

Identificar mudanças relevantes nos perfis de crédito e gerar alertas acionáveis.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo perfis de crédito atualizados com métricas derivadas por empresa.

# 2. Objetivo
Identificar mudanças relevantes nos perfis de crédito e gerar alertas acionáveis.

# 3. Regras que você deve seguir para gerar sua resposta
- Gerar um alerta para cada regra atendida; consolidar severidade máxima por empresa.
- Regras de disparo (qualquer uma):   • Queda de bureau_score: delta_bureau_score_7d <= -30 pontos OU queda >= 10% em 7 dias → severidade = medium; se queda <= -60 ou >= 20% → high (alert_code: SCORE_DROP).   • Aumento de DPD: days_past_due_atual >= 30 e dpd_increase > 0 → high (alert_code: DPD_30_PLUS).   • Novas ocorrências de inadimplência: has_new_delinquencies_30d = true → medium (alert_code: NEW_DELINQ).   • Utilização elevada: utilization_ratio_atual >= 0.85 e utilizacao_pp_30d >= 0.15 → medium; se >= 0.95 → high (alert_code: HIGH_UTIL).   • Redução de limite: var_pct_limit_30d <= -0.2 → medium; se <= -0.4 → high (alert_code: LIMIT_CUT).   • Eventos negativos: liens > 0 ou bankruptcies > 0 → high (alert_code: NEG_EVENT).   • Falta de pagamento recente: days_since_last_payment > 45 → medium; se > 75 → high (alert_code: PAYMENT_GAP).
- Estrutura do alerta: {company_id, cnpj, severity ∈ {low, medium, high}, alert_code, observed_values, threshold, detected_at, recommended_action}.
- Mapeamento de ação sugerida:   • SCORE_DROP: revisar limite e condições de crédito.   • DPD_30_PLUS: iniciar contato de cobrança e reavaliar exposição.   • NEW_DELINQ: ativar monitoramento reforçado e confirmar garantias.   • HIGH_UTIL: verificar necessidade de ajuste de limite ou renegociação.   • LIMIT_CUT: solicitar justificativa ao cliente e revalidar rating interno.   • NEG_EVENT: suspender novas concessões até análise.   • PAYMENT_GAP: disparar lembrete e checar fluxo de caixa do cliente.
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 como input perfis de crédito atualizados com métricas derivadas.
  • 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 3.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser uma lista de alertas por empresa com severidade, códigos de alerta, justificativas e ações sugeridas.
  • Exemplo de Estrutura de Output:
     [
      {
        "company_id": "12345678000195",
        "severity": "high",
        "alert_code": "SCORE_DROP",
        "observed_values": {
          "delta_bureau_score_7d": -65
        },
        "threshold": -60,
        "detected_at": "2025-12-07T07:09:00Z",
        "recommended_action": "Revisar limite e condições de crédito"
      }
    ] 
  • Número de caracteres esperado: A lista de alertas gerada terá um tamanho aproximado de 2.000 caracteres, variando conforme o número de alertas gerados.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

4.3.5 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 Análise Preditiva de Risco (RF 5).

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise Preditiva de Risco (RF 5).

RF 5. Agente de Análise Preditiva de Risco

5.1 Tarefa do Agente

Estimar probabilidade de inadimplência em 30 e 90 dias e classificar o risco por faixas.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo perfis de crédito atualizados e, quando disponível, indicadores de mudança e alertas disparados.

# 2. Objetivo
Estimar probabilidade de inadimplência em 30 e 90 dias e classificar o risco por faixas.

# 3. Regras que você deve seguir para gerar sua resposta
- Produzir PD_30d e PD_90d no intervalo [0,1].
- Atribuir faixas por cortes:   • A: PD_90d < 0.02   • B: [0.02, 0.05)   • C: [0.05, 0.10)   • D: [0.10, 0.20)   • E: >= 0.20.
- Ajustes monotônicos: sinais de alerta high elevam PD_30d e PD_90d em +25% relativo (cap em +0.05 absolute); medium em +10% relativo (cap +0.02). Não reduzir PD abaixo do valor base.
- Razões (top 3) com direção: exemplo {code: HIGH_UTIL, direction: +, impact_rank: 1}. Selecionar a partir das maiores contribuições absolutas considerando: utilization_ratio, queda de score, DPD, events negativos, redução de limite, gaps de pagamento, setor com maior risco histórico.
- Recomendações:   • Band D/E: revisar exposição e exigir garantias;   • Band C: monitoramento intensivo;   • Band A/B: manter condições atuais.
- Se score_scale_unknown=true, reduzir confiança: incluir campo pd_confidence='low' e limitar PD_90d ≤ 0.25 salvo presença de NEG_EVENT.
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 como input perfis de crédito atualizados e indicadores de mudança.
  • 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 3.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser uma estimativa de probabilidade de inadimplência e classificação de risco por faixas.
  • Exemplo de Estrutura de Output:
     {
      "risk_estimations": [
        {
          "company_id": "12345678000195",
          "PD_30d": 0.05,
          "PD_90d": 0.15,
          "risk_band": "D",
          "recommendations": "Revisar exposição e exigir garantias"
        }
      ]
    } 
  • Número de caracteres esperado: O output gerado terá um tamanho aproximado de 2.000 caracteres, variando conforme o número de empresas processadas.

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 calcular estimativas de probabilidade.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

5.3.5 Memória

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Priorização de Alertas (RF 6).

RF 6. Agente de Consolidação e Priorização de Alertas

6.1 Tarefa do Agente

Unificar sinais de mudança e estimativas preditivas em uma fila priorizada de ações.

6.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de alertas por empresa e estimativas de PD com faixas de risco.

# 2. Objetivo
Unificar sinais de mudança e estimativas preditivas em uma fila priorizada de ações.

# 3. Regras que você deve seguir para gerar sua resposta
- Consolidar por company_id: remover duplicidade de alertas com mesmo alert_code no mesmo dia mantendo maior severidade.
- Prioridade_score = (w1 * PD_90d_norm) + (w2 * severidade_norm) + (w3 * exposicao_norm, se disponível). Usar w1=0.5, w2=0.4, w3=0.1. Normalizações: PD_90d_norm=PD_90d; severidade_norm: low=0.3, medium=0.6, high=1.0; exposicao_norm = min(exposicao/percentil90, 1) quando houver.
- SLA por severidade/risk_band (o mais restritivo vence):   • High ou Band E: 4h   • Medium ou Band D: 24h   • Low ou Band C/B/A: 72h.
- Próxima ação padrão (por severidade máxima): high → abrir caso para time de risco; medium → revisão de crédito e contato preventivo; low → manter monitoramento.
- Output ordenado por prioridade_score desc e, em empate, por maior PD_90d.
6.3 Configurações do Agente

6.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 5).
  • Tipo do input: Este agente deve ser apto a receber como input uma lista de alertas por empresa e estimativas de PD com faixas de risco.
  • 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 3.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser uma fila priorizada contendo por empresa: prioridade, SLA sugerido, conjunto de alertas consolidados, PDs, exposição estimada (se fornecida) e próxima ação.
  • Exemplo de Estrutura de Output:
     [
      {
        "company_id": "12345678000195",
        "prioridade": 0.85,
        "sla_sugerido": "4h",
        "alertas": ["SCORE_DROP", "HIGH_UTIL"],
        "PDs": {
          "PD_30d": 0.05,
          "PD_90d": 0.15
        },
        "proxima_acao": "Abrir caso para time de risco"
      }
    ] 
  • Número de caracteres esperado: O output gerado terá um tamanho aproximado de 2.000 caracteres, variando conforme o número de empresas processadas.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para calcular prioridade e SLA.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

6.3.5 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.

6.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. A fila de ações priorizadas é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.