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
- 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 de Tendências e Diagnóstico (RF 3).
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
- 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 Ações de Melhoria (RF 4).
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.