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
- 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 Normalização e Atualização de Perfil de Crédito (RF 3).
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
- 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 Detecção de Mudanças Significativas e Gatilhos de Alerta (RF 4).
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
- 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 Consolidação e Priorização de Alertas (RF 6).
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.