1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o agente de IA de Prevenção de Fraude em Vale-Refeição. 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 transações de vale-refeição em tempo real e alertar administradores sobre possíveis fraudes, proporcionando um ambiente mais seguro e controlado para o uso desse benefício.
2. Contexto e Problema
Problemas Específicos
- Vulnerabilidade a fraudes: Transações de vale-refeição estão sujeitas a fraudes e uso indevido, o que pode resultar em perdas financeiras significativas.
- Falta de monitoramento proativo: A ausência de um sistema de monitoramento em tempo real dificulta a detecção e a prevenção de atividades suspeitas.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Redução de fraudes através do monitoramento contínuo das transações.
- Alerta imediato aos administradores sobre atividades suspeitas, permitindo uma resposta rápida.
- Geração de relatórios detalhados para análise posterior e melhoria contínua dos processos de segurança.
4. Visão Geral da Solução
O agente de IA para prevenção de fraude em vale-refeição monitora todas as transações em tempo real, identificando atividades incomuns e alertando administradores sobre possíveis fraudes. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um monitor eficaz e proativo na prevenção de fraudes.
A solução consiste em um único agente de IA que opera de forma contínua e automática. O agente analisa transações em tempo real e gera alertas para os administradores sempre que detecta atividades suspeitas, conforme as regras estabelecidas.
| Agente | Função Principal |
|---|---|
Agente de Monitoramento de Transações de Vale-Refeição (RF 1)
| Monitorar transações em tempo real para identificar e relatar atividades suspeitas. |
5. Protótipos
Para proporcionar uma visão clara da solução proposta, desenvolvemos protótipos que ilustram o fluxo de trabalho do agente e o formato dos alertas gerados. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Monitoramento de Transações de Vale-Refeição
1.1 Tarefa do Agente
Monitorar todas as transações de vale-refeição em tempo real para identificar atividades incomuns e alertar administradores.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados de transações de vale-refeição em tempo real. Esses dados incluem informações como data, hora, valor, localização e identificação do usuário. # 2. Objetivo Monitorar as transações para identificar atividades suspeitas e gerar alertas imediatos aos administradores, além de fornecer relatórios detalhados para análise posterior. # 3. Regras que você deve seguir para gerar sua resposta - Analise cada transação e identifique padrões que não correspondam ao comportamento usual do usuário ou do estabelecimento. - Verifique transações que excedam limites pré-definidos de valor ou frequência em um curto período de tempo. - Detecte transações realizadas em locais geograficamente distantes em um intervalo de tempo curto, indicando possível uso indevido. - Envie alertas imediatos para os administradores quando uma transação for identificada como suspeita com base nos critérios definidos. - Compile e forneça relatórios detalhados das transações suspeitas, incluindo data, hora, valor, localização e motivo da suspeita, para análise posterior.
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 recebimento contínuo de dados de transações em tempo real via API. Na fase de testes, o fluxo será iniciado pelo envio manual de dados simulados na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input consiste em dados estruturados de transações de vale-refeição.
- Formatos Suportados: Esse agente deve ser capaz de receber dados em formato JSON.
- Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres por transação.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um alerta em formato JSON contendo detalhes da transação suspeita e um relatório estruturado para análise posterior.
-
Exemplo de Estrutura de Output:
{ "alert": { "transaction_id": "123456", "timestamp": "2025-11-10T07:54:00Z", "suspicion_reason": "Transação realizada em local distante em curto intervalo de tempo", "details": { "amount": 150.00, "location": "Local X", "user_id": "user_789" } }, "report": { "transaction_id": "123456", "date": "2025-11-10", "time": "07:54", "amount": 150.00, "location": "Local X", "user_id": "user_789", "suspicion_reason": "Transação realizada em local distante em curto intervalo de tempo" } } - Número de caracteres esperado: O JSON gerado deve ser conciso, com um tamanho estimado em torno de 1.500 caracteres por alerta e relatório.
1.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.4
1.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Utiliza lógica interna para determinar padrões anômalos.
- 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 (alerta e relatório) é o entregável final e não é passada para outros agentes internos.
1.3.6 Regras de Orquestração e Transição
A execução deste agente é contínua e não requer transições para outros agentes. O foco é na geração de alertas e relatórios em tempo real.