Agente de IA para Monitoramento de Satisfação Acadêmica

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

Como criar um agente de IA que coleta e analisa feedback dos alunos sobre sua experiência acadêmica.

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 Satisfação Acadêmica". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é coletar e analisar feedback dos alunos sobre sua experiência acadêmica, identificando áreas de melhoria para a instituição.

2. Contexto e Problema

As instituições acadêmicas enfrentam dificuldades em coletar e analisar feedback dos alunos de forma eficiente. Muitas vezes, o feedback é obtido de maneira fragmentada, dificultando a identificação de áreas que necessitam de melhorias.

  • Dificuldade em coletar e analisar feedback dos alunos de forma eficiente.
  • Identificação de áreas que necessitam de melhoria com base nas experiências dos alunos.

3. Impactos Esperados

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

  • Coletar feedback dos alunos de forma contínua e eficaz.
  • Analisar feedbacks para identificar tendências e propor melhorias.
  • Focar na experiência acadêmica dos alunos para melhorar a satisfação geral.

4. Visão Geral da Solução

O agente de IA para monitoramento de satisfação acadêmica coleta e analisa feedback dos alunos sobre sua experiência acadêmica, identificando áreas de melhoria para a instituição. 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 melhoria da experiência acadêmica.

A solução consiste em um fluxo de automação composto por 4 agentes de IA. O processo começa com a padronização e enriquecimento dos feedbacks e termina com a geração de recomendações de ações de melhoria.

Agentes Função Principal
Agente de Padronização e Enriquecimento de Feedback (RF 1) Receber feedbacks de estudantes em texto livre, higienizar, anonimizar, padronizar e classificar para uso analítico.
Agente de Extração de Sentimento e Aspectos (RF 2) Calcular sentimento geral e por aspecto, identificar emoções e extrair alvos/aspectos citados com evidências.
Agente de Análise de Tendências e Diagnóstico (RF 3) Agregação temporal e por segmento para identificar tendências, anomalias e pontos quentes com significância mínima.
Agente de Recomendações de Ações de Melhoria (RF 4) Transformar diagnósticos e tendências em um plano de ação priorizado, com responsáveis, prazos e KPIs de acompanhamento.

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 a instituição receberá. Explore os links abaixo para entender melhor a solução em ação.

6. Requisitos Funcionais

RF 1. Agente de Padronização e Enriquecimento de Feedback

1.1 Tarefa do Agente

Receber feedbacks de estudantes em texto livre e metadados, higienizar, anonimizar, padronizar e classificar em uma taxonomia única para uso analítico.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo feedbacks de estudantes em formato de texto livre. Estes feedbacks contêm informações variadas sobre a experiência acadêmica dos alunos.

# 2. Objetivo
Higienizar, anonimizar, padronizar e classificar os feedbacks em uma taxonomia única para uso analítico.

# 3. Regras que você deve seguir para gerar sua resposta
- Remova dados pessoais diretos: nome completo, e-mail, telefone, CPF, RA. Se presentes, substitua por placeholders [DADO_PESSOAL].
- Normalize timestamp para ISO 8601 (UTC).
- Detecte idioma; se não for pt-BR, traduza termos essenciais para classificar categorias, mas preserve o texto original em texto_limpo quando possível em pt-BR.
- Classifique tipo_feedback em: elogio, reclamacao, sugestao, duvida.
- Categorize categoria_primaria a partir de termos âncora.
- Popule contém_ofensa como true se houver insultos, assédio, discurso de ódio ou ameaças.
- Geração de palavras_chave: extraia 3-8 termos representativos do assunto específico.
- Defina confianca_classificacao (0 a 1).
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 feedbacks de alunos via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload de um arquivo de texto na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é uma lista de registros de feedback em formato livre.
  • Formatos Suportados: Esse agente deve ser capaz de receber textos nos formatos: .txt, .csv.
  • 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 JSON contendo os feedbacks normalizados e classificados.
  • Exemplo de Estrutura de Output:
     {"feedbacks_normalizados": [{"id_feedback":"fbk_2025_001","id_aluno_hash":"hash_sha256","curso_id":"ADS","campus":"Centro","canal":"formulario","timestamp_iso":"2025-12-21T06:21:00Z","idioma_detectado":"pt-BR","texto_limpo":"O material de Algoritmos está desatualizado","tipo_feedback":"reclamacao","categoria_primaria":"Material Didatico","categoria_secundaria":"Atualizacao de Conteudo","palavras_chave":["algoritmos","apostila","desatualizado"],"contém_ofensa":false,"necessita_acionamento_juridico":false,"confianca_classificacao":0.87}],"taxonomia_utilizada":{"categoria_primaria":["Docentes","Material Didatico","Infraestrutura","Suporte Academico","Secretaria","Sistemas/LMS","Servicos Financeiros","Vida no Campus"],"tipo_feedback":["elogio","reclamacao","sugestao","duvida"]}} 
  • Número de caracteres esperado: O JSON final deve ter um tamanho estimado em torno de 5.000 caracteres.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-4
  • Temperatura: 0.7

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 Extração de Sentimento e Aspectos (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Extração de Sentimento e Aspectos (RF 2).

RF 2. Agente de Extração de Sentimento e Aspectos

2.1 Tarefa do Agente

Calcular sentimento geral e por aspecto, identificar emoções e extrair alvos/aspectos citados com evidências.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo feedbacks normalizados gerados pelo Agente de Padronização e Enriquecimento de Feedback.

# 2. Objetivo
Calcular sentimento geral e por aspecto, identificar emoções e extrair alvos/aspectos citados com evidências.

# 3. Regras que você deve seguir para gerar sua resposta
- sentimento_global deve estar em escala contínua [-1, 1]. Mapeie: negativo <-0.15; neutro entre [-0.15, 0.15]; positivo >0.15.
- emoções consideradas: alegria, satisfação, frustração, raiva, preocupação, desânimo, esperança.
- Extraia aspectos com hierarquia alvo/subaspecto coerente com taxonomia do agente anterior.
- Em presença de elogio e crítica no mesmo texto, calcule aspectos separados.
- Ironia/sarcasmo: se houver marcadores como "só que não", aspas, ou elogio seguido de crítica forte, reduza confianca_sentimento em 0.15.
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 feedbacks normalizados gerados pelo agente anterior.
  • 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 texto com até 5.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo a análise de sentimentos e aspectos.
  • Exemplo de Estrutura de Output:
     {"analise_aspectos": [{"id_feedback":"fbk_2025_001","sentimento_global":0.21,"polaridade":"negativo","emocao_dominante":"frustracao","scores_emocao":{"frustracao":0.72,"raiva":0.28,"alegria":0.05},"aspectos":[{"alvo":"Material Didatico","subaspecto":"Atualizacao de Conteudo","polaridade":"negativo","score":-0.72,"evidencia":"material ... desatualizado"}],"confianca_sentimento":0.84}]} 
  • Número de caracteres esperado: O JSON final deve ter um tamanho estimado em torno de 3.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-4
  • Temperatura: 0.7

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise de Tendências e Diagnóstico (RF 3).

RF 3. Agente de Análise de Tendências e Diagnóstico

3.1 Tarefa do Agente

Agregação temporal e por segmento para identificar tendências, anomalias e pontos quentes com significância mínima.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo a saída combinada dos dois agentes anteriores: feedbacks_normalizados + analise_aspectos.

# 2. Objetivo
Agregação temporal e por segmento para identificar tendências, anomalias e pontos quentes com significância mínima.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcule agregações por janela móvel de 7, 30 e 90 dias.
- Significância mínima: para métricas por segmento, exija n_feedbacks >= 30 (7d), >= 60 (30d), >= 150 (90d).
- score_prioridade = 0.6*impacto + 0.4*urgencia (0..1).
- Consolide indicadores: se existirem escalas 1–5, compute csat_medio_1a5.
- Gere hipoteses_causa quando um subaspecto domina >35% dos feedbacks negativos da categoria na janela.
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 a saída combinada dos dois agentes anteriores.
  • 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 texto com até 8.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo tendências, hotspots e indicadores.
  • Exemplo de Estrutura de Output:
     {"tendencias": {"janelas":["7d","30d","90d"],"por_categoria":[{"categoria":"Material Didatico","janela":"30d","n_feedbacks":142,"var_percentual_vs_janela_anterior":+18.4,"sentimento_medio":-0.26,"significancia":"alta"}]},"hotspots_top5":[{"categoria":"Sistemas/LMS","subaspecto":"Estabilidade","curso_id":"ADS","campus":"Centro","score_prioridade":0.82,"criterios":{"impacto":0.9,"urgencia":0.8},"evidencia_resumo":"Aumento de 35% em reclamações sobre quedas do AVA na semana de provas"}],"indicadores":{"csat_medio_1a5":3.6,"nps_medio":-12},"hipoteses_causa":[{"topico":"Material Didatico - Atualizacao","hipotese":"Ementa de Algoritmos não revisada desde 2022","forca_evidencia":"moderada"}]} 
  • Número de caracteres esperado: O JSON final deve ter um tamanho estimado em torno de 4.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-4
  • Temperatura: 0.7

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

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

RF 4. Agente de Recomendações de Ações de Melhoria

4.1 Tarefa do Agente

Transformar diagnósticos e tendências em um plano de ação priorizado, com responsáveis, prazos e KPIs de acompanhamento.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo tendencias, hotspots_top5, indicadores e hipoteses_causa do Agente de Análise de Tendências e Diagnóstico.

# 2. Objetivo
Transformar diagnósticos e tendências em um plano de ação priorizado, com responsáveis, prazos e KPIs de acompanhamento.

# 3. Regras que você deve seguir para gerar sua resposta
- Para cada hotspot, gere ao menos 1 ação SMART: específica, mensurável (KPI + meta), atingível, relevante e temporal.
- Mapeie owner_area por categoria.
- Priorização: ordene por score_prioridade do hotspot.
- Inclua prazo_sugerido coerente com urgência.
- Defina KPI e meta alinhados ao diagnóstico.
- Comunicação ao estudante deve ser clara e objetiva.
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 tendencias, hotspots_top5, indicadores e hipoteses_causa do agente anterior.
  • 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 texto com até 5.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o plano de ação priorizado.
  • Exemplo de Estrutura de Output:
     {"plano_de_acao":[{"problema":"Conteúdo de Algoritmos desatualizado","hipotese_causa":"Ementa não revisada desde 2022","acao_recomendada":"Revisar bibliografia e atualizar apostilas de Algoritmos I e II","owner_area":"Coordenação de Curso - ADS","esforco_estimado":"medio","impacto_estimado":"alto","prazo_sugerido":"45 dias","kpi":"% de feedbacks negativos em Material Didatico","meta":"reduzir de 26% para <10% em 90d","dependencias":["Disponibilidade do corpo docente","Aprovação do NDE"],"riscos":["Atraso em aprovação de ementas"],"exemplo_comunicacao_estudante":"Estamos atualizando os materiais de Algoritmos; nova versão estará disponível até 15/02.","criterio_de_aceite":"Sentimento médio da categoria >= -0.05 por 2 janelas consecutivas","prioridade":1}]} 
  • Número de caracteres esperado: O JSON final deve ter um tamanho estimado em torno de 4.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-4
  • Temperatura: 0.7

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

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 é o entregável final e não é passada para outros agentes internos.

4.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O plano de ação gerado é o resultado que deve ser disponibilizado à instituição.

© 2025 prototipe.ai. Todos os direitos reservados.