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 com Benefícios", uma solução de automação projetada para monitorar a satisfação dos usuários com os benefícios oferecidos e propor ajustes baseados em feedback contínuo. 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 feedbacks dos usuários para propor ajustes nos benefícios, utilizando análises de sentimento e relatórios automatizados.
2. Contexto e Problema
Cenário Atual
Atualmente, as empresas enfrentam desafios para monitorar a satisfação dos usuários com os benefícios oferecidos. Existem dificuldades específicas, como:
- Monitorar a satisfação do usuário de forma contínua.
- Propor ajustes nos benefícios com base em feedbacks recebidos.
- Automatizar relatórios sobre satisfação e propostas de ajustes para os gestores de benefícios.
Esses desafios são agravados pela falta de um sistema automatizado que possa coletar e analisar feedbacks regularmente, propondo ajustes eficientes e baseados em dados.
Problemas Identificados
- Falta de monitoramento contínuo: As empresas não possuem meios eficazes para acompanhar a satisfação dos usuários em tempo real.
- Ajustes ineficazes: A falta de dados precisos leva a ajustes nos benefícios que não refletem as reais necessidades dos usuários.
- Relatórios manuais: A geração de relatórios de satisfação é demorada e muitas vezes imprecisa.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Aumentar a precisão dos ajustes nos benefícios com base em feedbacks contínuos.
- Reduzir o tempo e o esforço necessários para gerar relatórios de satisfação.
- Melhorar a satisfação dos usuários com os benefícios oferecidos.
4. Visão Geral da Solução
O agente de IA para monitoramento de satisfação com benefícios coleta e analisa feedbacks dos usuários, utilizando análise de sentimentos para propor ajustes nos benefícios com base em tendências de satisfação. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente útil e autônomo no monitoramento da satisfação dos usuários com os benefícios oferecidos.
A solução consiste em um fluxo de automação composto por 6 agentes de IA. O processo inicia com a preparação da coleta de feedbacks e termina com a geração de relatórios automatizados para os gestores de benefícios.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Preparação da Coleta de Feedback (RF 1)
| Definir os parâmetros de coleta e gerar payloads prontos para chamadas às APIs de cada fonte de feedback. |
Agente de Execução de Chamada à API (RF 2)
| Realizar chamadas às APIs das fontes definidas e recuperar os feedbacks brutos. |
Agente de Normalização e Análise de Sentimentos (RF 3)
| Normalizar os feedbacks brutos e calcular métricas de satisfação. |
Agente de Tendências e Sinais de Risco (RF 4)
| Consolidar o dataset normalizado em métricas agregadas e detectar tendências e alertas operacionais. |
Agente de Propostas de Ajustes de Benefícios (RF 5)
| Converter os insights de sentimentos e tendências em propostas de ajustes de benefícios. |
Agente de Relatórios Automatizados para Gestores (RF 6)
| Gerar relatórios executivos e operacionais com os principais indicadores de satisfação e propostas. |
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 da Coleta de Feedback
1.1 Tarefa do Agente
Definir, a partir do briefing e das políticas do programa de benefícios, os parâmetros de coleta (fontes, período, filtros e campos) e gerar os payloads prontos para execução de chamadas às APIs de cada fonte de feedback.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo diretrizes de coleta, incluindo fontes disponíveis, janelas de tempo, segmentos de usuários e tipos de benefícios. Opcionalmente, você pode receber um histórico de coletas anteriores com timestamps.
# 2. Objetivo
Definir parâmetros de coleta e gerar payloads prontos para chamadas às APIs das fontes de feedback.
# 3. Regras que você deve seguir para gerar sua resposta
- Sempre definir período_inicio e período_fim usando janela relativa explícita (ex.: últimos 7 dias) ou absoluta quando fornecida; se nenhuma for fornecida, usar últimos 14 dias e registrar no campo janela_padrao_usada: true.
- Para cada fonte, especificar paginação: tipo (offset/limit ou cursor), tamanho de página sugerido e critério de parada (ex.: resposta vazia ou ausência de next_token).
- Definir campos mínimos a recuperar por feedback: id_feedback, id_usuario (quando disponível), data_criacao, canal, beneficio_relacionado, texto_feedback, nota (NPS/CSAT se houver), metadados (ex.: app_version, região, segmento).
- Incluir filtros de exclusão para feedbacks de testes ou internos se metadados indicarem ambiente_teste=true ou email domínio interno.
- Consolidar mapeamento de canais para valores padronizados em canal_padrao ∈ {pesquisa_in_app, email, portal, chat, app_store, redes_sociais, atendimento, outro}.
- Produzir um campo checklist_validacao com flags booleanas por fonte: possui_autenticacao, possui_rate_limit, requer_backoff, requer_filtro_linguagem, suporta_periodo.
- Caso alguma fonte não esteja disponível no input, não inventar endpoints; incluir a fonte na lista apenas se explicitamente informada. Para fontes ausentes, registrar em fontes_nao_configuradas com motivo.
- Saída deve ser auto-suficiente para execução: nenhum campo "a definir"; se informação faltar, omitir a fonte e documentar no campo pendencias. 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 diretrizes de coleta 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 são diretrizes de coleta, incluindo fontes, janelas de tempo e segmentos de usuários.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 10.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON com a lista de fontes e respectivos payloads prontos para chamada (por fonte: endpoint/rota, método, headers, parâmetros de paginação, período_inicio, período_fim, filtros por benefício/segmento, campos desejados) e instruções de retomada em caso de paginação.
-
Exemplo de Estrutura de Output:
{ "fontes": [ { "endpoint": "https://api.exemplo.com/feedback", "método": "GET", "headers": { "Autorização": "Bearer token" }, "parâmetros": { "período_inicio": "2025-12-01", "período_fim": "2025-12-14", "filtros": { "benefício": "saúde", "segmento": "premium" } } } ] } - Número de caracteres esperado: O JSON gerado deve ter 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: 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 chamadas às APIs das fontes definidas, recuperar os feedbacks brutos e devolver os dados agregados mantendo a estrutura por fonte.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo uma lista de fontes com payloads prontos (endpoint, método, headers, parâmetros, paginação, período, filtros) gerados pelo Agente de Preparação da Coleta de Feedback. # 2. Objetivo Realizar chamadas às APIs das fontes definidas e recuperar os feedbacks brutos. # 3. Regras que você deve seguir para gerar sua resposta Este agente não precisa de instruções para chamadas ao LLM, pois sua única função é executar a chamada à API cujo payload ele já recebe pronto.
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 uma lista de fontes com payloads prontos para 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 texto com até 10.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser dados brutos de feedback por fonte em JSON (para cada fonte: lista de registros, controles de paginação aplicados, período efetivamente recuperado, contadores por status).
-
Exemplo de Estrutura de Output:
{ "fontes": [ { "nome": "API Exemplo", "dados": [ { "id_feedback": "12345", "texto_feedback": "Muito satisfeito com o benefício.", "data_criacao": "2025-12-10" } ], "paginacao": { "pagina_atual": 1, "total_paginas": 5 } } ] } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 caracteres.
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: 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 Normalização e Análise de Sentimentos (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Normalização e Análise de Sentimentos (RF 3).
RF 3. Agente de Normalização e Análise de Sentimentos
3.1 Tarefa do Agente
Normalizar os feedbacks brutos, padronizar campos e calcular métricas de satisfação por item de feedback (sentimento, polaridade, intensidade, categorias de tema e sinal de utilidade).
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo feedbacks brutos consolidados por fonte, incluindo texto, notas (quando existirem) e metadados.
# 2. Objetivo
Normalizar os feedbacks e calcular métricas de satisfação.
# 3. Regras que você deve seguir para gerar sua resposta
- Remover PII quando explicitamente marcada nos metadados de origem; caso não haja sinalização, não mascarar textos.
- Detectar idioma; se idioma != pt-BR, definir idioma e manter o texto original sem traduzir.
- Padronizar beneficio_relacionado usando chave exata; se não identificado no texto/metadado, definir como "desconhecido".
- Classificar sentimento_label com base em sentimento_score: score <= -0.2 -> negativo; -0.2 < score < 0.2 -> neutro; score >= 0.2 -> positivo.
- Mapear notas quando existirem: se origem for NPS, assegurar inteiro 0–10; se CSAT 1–5; caso outro formato, registrar como null e manter em metadados_notas.
- Categorias_tema devem vir de um conjunto fechado: {atendimento, reembolso, cobertura, usabilidade_app, comunicação, rede_credenciada, preço_coparticipação, elegibilidade, qualidade_serviço, outros}. Se múltiplos temas aplicarem, incluir até 3.
- Marcar spam_ou_teste como true quando houver sinais: texto muito curto sem palavras de valor, presença de tags de teste nos metadados, repetição exata >3 vezes.
- Derivar possui_acao_imediata=true quando o feedback contém pedido claro (ex.: "não consigo usar", "erro ao acessar", "cartão não chegou").
- Calcular intensidade_irritacao com base em presença de termos de urgência/insatisfação fortes; se sentimento_label=negativo e intensidade < 0.3, elevar para mínimo 0.3.
- Garantir unicidade por id; se duplicado, manter o mais recente pelo campo data_criacao. 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 feedbacks brutos consolidados por fonte.
-
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 15.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um dataset normalizado em JSON, onde cada feedback contém: id, canal_padrao, beneficio_relacionado, texto_normalizado, idioma, sentimento_label ∈ {negativo, neutro, positivo}, sentimento_score ∈ [-1,1], intensidade_irritacao ∈ [0,1], categorias_tema (lista padronizada), possui_acao_imediata (bool), nps_padronizado (0–10 ou null), csat_padronizado (1–5 ou null), spam_ou_teste (bool), qualidade_texto ∈ {baixa, média, alta}.
-
Exemplo de Estrutura de Output:
{ "feedbacks": [ { "id": "12345", "canal_padrao": "email", "beneficio_relacionado": "saúde", "texto_normalizado": "Muito satisfeito com o benefício.", "idioma": "pt-BR", "sentimento_label": "positivo", "sentimento_score": 0.8, "intensidade_irritacao": 0, "categorias_tema": ["cobertura"], "possui_acao_imediata": false, "nps_padronizado": 9, "csat_padronizado": null, "spam_ou_teste": false, "qualidade_texto": "alta" } ] } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 7.000 caracteres.
3.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
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 Tendências e Sinais de Risco (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Tendências e Sinais de Risco (RF 4).
RF 4. Agente de Tendências e Sinais de Risco
4.1 Tarefa do Agente
Consolidar o dataset normalizado em métricas agregadas por período, benefício e segmento; detectar tendências, variações significativas e alertas operacionais.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um dataset normalizado com sentimentos, notas padronizadas, categorias e metadados de data/canal/benefício. # 2. Objetivo Consolidar métricas agregadas e detectar tendências e alertas operacionais. # 3. Regras que você deve seguir para gerar sua resposta - Agregar por janelas: semanal e mensal; se dados < 7 dias, calcular apenas janela disponível e sinalizar dados_insuficientes=true. - Variações: delta_relativo = (valor_atual - valor_base) / max(|valor_base|, 1e-6); marcar piora relevante quando: aumento de %negativo >= 5 p.p. OU queda de NPS >= 10 pontos OU queda CSAT >= 0.4. - Top_categorias ordenadas por contribuição ao negativo: freq_negativa * intensidade_media. - Produzir lista de outliers de canais com z-score <= -2 (para NPS/CSAT) ou >= +2 para %negativo. - Gerar alertas com campos: beneficio, métrica_afetada, janela, valor_atual, valor_base, delta_relativo, severidade, motivo_regra. - Se volume_total < 30 na janela, evitar conclusões fortes; classificar severidade no máximo "médio" e incluir aviso de amostra_pequena=true.
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 um dataset normalizado com sentimentos, notas padronizadas, categorias e metadados.
-
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 20.000 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON com indicadores: volume_total, %negativo/%neutro/%positivo, NPS_médio, CSAT_médio, top_categorias (por impacto), variação_semanal e variação_mensal por benefício, canais com piora, lista de alertas com severidade ∈ {alto, médio, baixo} e recomendações de investigação.
-
Exemplo de Estrutura de Output:
{ "indicadores": { "volume_total": 500, "%negativo": 20, "%neutro": 50, "%positivo": 30, "NPS_médio": 60, "CSAT_médio": 4.5, "top_categorias": ["cobertura", "usabilidade_app"], "variação_semanal": { "cobertura": { "valor_atual": 25, "valor_base": 20, "delta_relativo": 0.25 } }, "alertas": [ { "beneficio": "saúde", "métrica_afetada": "%negativo", "janela": "semanal", "valor_atual": 25, "valor_base": 20, "delta_relativo": 0.25, "severidade": "médio", "motivo_regra": "aumento de %negativo >= 5 p.p." } ] } } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 6.000 caracteres.
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 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 deve ser visível para o Agente de Propostas de Ajustes de Benefícios (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Propostas de Ajustes de Benefícios (RF 5).
RF 5. Agente de Propostas de Ajustes de Benefícios
5.1 Tarefa do Agente
Converter os insights de sentimentos e tendências em propostas concretas de ajuste de benefícios, com racional, impacto esperado e priorização.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo indicadores agregados, alertas e lista de temas priorizados por benefício e canal. # 2. Objetivo Converter insights em propostas de ajustes de benefícios. # 3. Regras que você deve seguir para gerar sua resposta - Cada proposta deve citar explicitamente a evidência: métrica_afetada, janela, delta e categorias_tema relacionadas. - Converter críticas recorrentes de usabilidade_app em ações de UX (ex.: simplificar fluxo, mensagens de erro claras) e de rede_credenciada em ações de supply (ex.: ampliar rede/região específica). - Se severidade=alto e impacto_esperado >= médio, classificar prioridade_final=P1, prazo_sugerido=curto. - Mapear dependencias típicas: TI/app, operações, parceiros, jurídico/compliance, comunicação. - Definir métricas_de_sucesso mensuráveis: exemplo -> reduzir %negativo em X p.p., elevar NPS em Y pontos no benefício em Z semanas. - Quando dados_insuficientes=true, propor experimento/descoberta em vez de mudança estrutural (ex.: survey direcionado, teste A/B).
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 indicadores agregados, alertas e lista de temas priorizados.
-
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.
5.3.2 Especificação do Output
- Formato de output: O output deve ser uma lista priorizada de propostas em JSON: para cada proposta -> beneficio_alvo, problema_diagnosticado, ação_proposta, dependencias, esforço_estimado ∈ {baixo, médio, alto}, impacto_esperado ∈ {baixo, médio, alto}, prazo_sugerido (curto/médio/longo), risco, métricas_de_sucesso (KPI e meta), prioridade_final ∈ {P1, P2, P3}.
-
Exemplo de Estrutura de Output:
{ "propostas": [ { "beneficio_alvo": "saúde", "problema_diagnosticado": "Alta %negativo na cobertura", "ação_proposta": "Ampliar rede na região XYZ", "dependencias": ["supply"], "esforço_estimado": "médio", "impacto_esperado": "alto", "prazo_sugerido": "curto", "risco": "baixo", "métricas_de_sucesso": "Reduzir %negativo em 5 p.p. em 8 semanas", "prioridade_final": "P1" } ] } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 4.000 caracteres.
5.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
5.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
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 Relatórios Automatizados para Gestores (RF 6).
5.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Relatórios Automatizados para Gestores (RF 6).
RF 6. Agente de Relatórios Automatizados para Gestores
6.1 Tarefa do Agente
Gerar relatório executivo e operacional com os principais indicadores de satisfação, tendências, alertas e propostas, prontos para envio a gestores de benefícios.
6.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo indicadores consolidados, alertas gerados e propostas priorizadas. # 2. Objetivo Gerar relatório executivo e operacional com os principais indicadores de satisfação e propostas. # 3. Regras que você deve seguir para gerar sua resposta - O resumo_executivo deve caber em até 1200 caracteres e citar no máximo 3 números-chave. - Ordenar indicadores_chave por severidade e impacto para decisão rápida. - Para cada alerta_crítico, incluir call-to-action claro (ex.: "validar capacidade da rede na região X em 48h"). - No anexo_detalhado, incluir séries de NPS, CSAT, %negativo e volume por 4 últimas semanas; quando indisponível, explicar lacuna. - Gerar notas_de_envio específicas para público gestor: objetivo, próximos passos, responsáveis sugeridos e prazo inicial. - Formatar números com 1 casa decimal para %negativo e CSAT; NPS inteiro.
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 indicadores consolidados, alertas gerados e propostas priorizadas.
-
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 10.000 caracteres.
6.3.2 Especificação do Output
- Formato de output: O output deve ser um pacote de relatório em JSON com seções: resumo_executivo, destaques_da_semana, indicadores_chave (por benefício), alertas_críticos, propostas_priorizadas, anexo_detalhado (tabelas e séries por canal/benefício), além de versões em: texto_resumido, bullets_para_apresentação e notas_de_envio.
-
Exemplo de Estrutura de Output:
{ "relatório": { "resumo_executivo": "A satisfação geral dos usuários aumentou 10% na última semana.", "destaques_da_semana": "A cobertura de saúde teve uma melhoria significativa.", "indicadores_chave": [ { "benefício": "saúde", "NPS": 70, "CSAT": 4.8 } ], "alertas_críticos": [ { "chamada": "Aumentar a capacidade da rede na região XYZ em 48h." } ] } } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 8.000 caracteres.
6.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
6.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
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. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.