Agente de IA para Monitoramento de Satisfação com Benefícios

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

Como criar um agente de IA que monitora a satisfação dos usuários com os benefícios oferecidos.

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

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

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.

© 2025 prototipe.ai. Todos os direitos reservados.