Agente de IA para Previsão de Cenários Econômicos

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

Como criar um agente de IA que utiliza dados econômicos e financeiros para prever cenários econômicos futuros e suas implicações.

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 "Previsão de Cenários Econômicos", uma solução de automação projetada para prever cenários econômicos futuros utilizando dados financeiros e econômicos. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é transformar dados econômicos e financeiros em previsões de cenários futuros, fornecendo insights acionáveis para planejamento estratégico.

2. Contexto e Problema

Cenário Atual

A previsão de cenários econômicos é um processo complexo que requer a análise de múltiplas fontes de dados econômicos e financeiros. Os principais desafios incluem:

  • Previsão de cenários econômicos futuros com base em dados atuais e históricos.
  • Fornecimento de insights acionáveis para planejamento estratégico.

Atualmente, o processo é manual e depende da análise subjetiva de economistas, o que pode levar a inconsistências e atrasos na tomada de decisões estratégicas.


Problemas Identificados

  • Complexidade na análise de dados: A integração e análise de dados de múltiplas fontes é um processo complexo e sujeito a erros.
  • Inconsistência nas previsões: A subjetividade na análise manual pode levar a previsões inconsistentes.
  • Atraso na tomada de decisões: O tempo necessário para analisar e interpretar os dados pode atrasar decisões estratégicas importantes.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

  • Melhorar a precisão das previsões econômicas utilizando modelos de IA avançados.
  • Reduzir o tempo necessário para gerar previsões e relatórios econômicos.
  • Fornecer insights acionáveis para apoiar decisões estratégicas de negócios.

4. Visão Geral da Solução

O agente de IA para previsão de cenários econômicos utiliza dados econômicos e financeiros para prever cenários futuros e suas implicações. 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 previsão de cenários econômicos que seguem as especificidades da sua empresa.

A solução consiste em um fluxo de automação composto por 8 agentes de IA. O processo inicia com a coleta de dados econômicos e termina com a geração de um relatório final em markdown consolidando dados, cenários e implicações.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo. O fluxo inclui etapas condicionais que são executadas apenas se critérios específicos forem atendidos, conforme detalhado após a tabela.

Agentes Função Principal
Orquestrador de Parâmetros de Coleta de Dados Econômicos (RF 1) Consolidar requisitos de dados e estruturar parâmetros padronizados para coleta de séries temporais macroeconômicas e financeiras.
Agente de Execução de Chamada à API (RF 2) Realizar chamadas às APIs externas configuradas para recuperar séries temporais econômicas e financeiras.
Agente de Execução de Consultas em Banco de Dados (RF 3) Executar consultas no banco de dados interno para recuperar séries históricas e dicionários de metadados.
Agente de Execução de Consulta a Documento (RF 4) Consultar documentos de referência para extrair premissas qualitativas relevantes.
Normalizador e Validador de Séries Temporais Econômicas (RF 5) Consolidar dados de múltiplas fontes, alinhar frequências, checar consistência e produzir um dataset limpo e derivativos básicos.
Gerador de Cenários Macroeconômicos (RF 6) Construir cenários Baseline, Otimista e Pessimista com premissas explícitas, choques e trajetórias por indicador.
Analista de Implicações Estratégicas (RF 7) Traduzir os cenários macroeconômicos em implicações acionáveis para planejamento estratégico e gestão de riscos.
Formatador de Relatório de Cenários (RF 8) Gerar o relatório final em markdown consolidando dados, cenários e implicações em seções padronizadas.

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. Orquestrador de Parâmetros de Coleta de Dados Econômicos

1.1 Tarefa do Agente

Consolidar requisitos de dados a partir do escopo fornecido e estruturar parâmetros padronizados para coleta de séries temporais macroeconômicas e financeiras.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um briefing do escopo de análise contendo informações como país/região, setores, horizonte de previsão, lista de indicadores desejados, entre outros.

# 2. Objetivo
Consolidar requisitos de dados a partir do escopo fornecido e estruturar parâmetros padronizados para coleta de séries temporais macroeconômicas e financeiras.

# 3. Regras que você deve seguir para gerar sua resposta
- Se horizonte_meses não for informado, definir 12. Se periodo_historico_min_anos não for informado, definir 10.
- Padronizar frequencia_preferida em ['mensal','trimestral','anual']; se mix de frequências for necessário, definir 'mensal'.
- Construir indicadores_requeridos priorizando: PIB real, inflação (IPCA/CPI), juros de política (SELIC/Policy Rate), câmbio nominal, desemprego, produção industrial, vendas varejo, confiança, preços de commodities relevantes (petróleo, minério, soja) e variáveis financeiras (CDS, índices bolsa).
- Preencher mapeamento_alias com nomes alternativos comuns por indicador (ex.: 'inflacao','cpi','ipca').
- Definir deflator_preferido como inflação cheia nacional; moeda_base como a moeda do país informado.
- Definir flags: usar_db_interno=true se entradas contiverem 'db_query_params'; usar_apis_publicas=true se houver fontes públicas definidas ou não houver dados internos; usar_docs_referencia=true apenas se o input mencionar documentos de premissas.
- Gerar filtros_temporais.inicio como (data atual - periodo_historico_min_anos) e fim como data atual.
- Incluir listas_fontes_priorizadas ordenadas por confiabilidade: estatística oficial nacional, organismos multilaterais, provedores financeiros, outras.
- Validar que indicadores_requeridos tenha no mínimo 8 séries; se menos, completar com a lista padrão citada. 
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 um briefing do escopo de análise via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do documento na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um documento contendo o briefing do escopo de análise.
  • Formatos Suportados: Esse agente deve ser capaz de receber documentos nos formatos: .pdf, .docx.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 15.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo os parâmetros de coleta estruturados.
  • Exemplo de Estrutura de Output:
     {
      "pais": "Brasil",
      "moeda_base": "BRL",
      "horizonte_meses": 12,
      "periodo_historico_min_anos": 10,
      "frequencia_preferida": "mensal",
      "indicadores_requeridos": ["PIB real", "inflação", "juros de política"],
      "mapeamento_alias": {"inflação": ["cpi", "ipca"]},
      "janelas_calculo": {"mom": true, "yoy": true, "qoq": false},
      "flags": {"usar_db_interno": true, "usar_apis_publicas": true, "usar_docs_referencia": false},
      "filtros_temporais": {"inicio": "2015-01-01", "fim": "2025-12-11"},
      "normalizacao": {"base_100_data": "2020-01-01", "deflator_preferido": "inflação cheia nacional"},
      "listas_fontes_priorizadas": ["estatística oficial nacional", "organismos multilaterais"]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.500 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 externas configuradas para recuperar séries temporais econômicas e financeiras conforme parâmetros gerados.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo payloads prontos por fonte, contendo informações como fonte, endpoint, parâmetros de consulta, entre outros.

# 2. Objetivo
Realizar chamadas às APIs externas configuradas para recuperar séries temporais econômicas e financeiras conforme parâmetros gerados.

# 3. Regras que você deve seguir para gerar sua resposta
- Agente dedicado de execução; não requer instruções de LLM.
- Executar as chamadas e retornar os dados exatamente como recebidos. 
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 payloads prontos por fonte, contendo informações como fonte, endpoint, parâmetros de consulta, entre outros.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo os dados brutos recuperados.
  • Exemplo de Estrutura de Output:
     {
      "fonte": "API Externa",
      "dados": {"indicador": [{"data": "2025-01-01", "valor": 100, "unidade": "%"}]}
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres, podendo variar conforme o número de dados recuperados.

2.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá enviar os payloads recebidos para as APIs externas configuradas e retornar os dados recebidos como resposta.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Consultas em Banco de Dados (RF 3).

RF 3. Agente de Execução de Consultas em Banco de Dados

3.1 Tarefa do Agente

Executar consultas no banco de dados interno para recuperar séries históricas e dicionários de metadados.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros prontos de consulta, incluindo conexão, instruções de leitura, entre outros.

# 2. Objetivo
Executar consultas no banco de dados interno para recuperar séries históricas e dicionários de metadados.

# 3. Regras que você deve seguir para gerar sua resposta
- Agente dedicado de execução; não requer instruções de LLM.
- Executar a query e retornar os dados. 
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 parâmetros prontos de consulta, incluindo conexão, instruções de leitura, entre outros.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo o resultado bruto da consulta.
  • Exemplo de Estrutura de Output:
     {
      "tabelas": ["tabela1", "tabela2"],
      "series": {"indicador": [{"data": "2025-01-01", "valor": 100, "unidade": "%"}]}
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres, podendo variar conforme o número de dados recuperados.

3.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá executar consultas no banco de dados interno configurado e retornar os dados recebidos como resposta.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Consulta a Documento (RF 4).

RF 4. Agente de Execução de Consulta a Documento

4.1 Tarefa do Agente

Consultar documentos de referência para extrair premissas qualitativas relevantes.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros prontos de busca e identificação dos documentos, com termos-chave e limites de data.

# 2. Objetivo
Consultar documentos de referência para extrair premissas qualitativas relevantes.

# 3. Regras que você deve seguir para gerar sua resposta
- Agente dedicado de execução; não requer instruções de LLM.
- Retornar os trechos recuperados. 
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 parâmetros prontos de busca e identificação dos documentos, com termos-chave e limites de data.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo os trechos recuperados.
  • Exemplo de Estrutura de Output:
     [{"documento": "Relatório de Economia", "pagina": 12, "texto": "A economia está se recuperando...", "data_documento": "2025-01-01", "confiabilidade_estimada": "alta"}] 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 2.000 caracteres, podendo variar conforme o número de trechos recuperados.

4.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica

4.3.4 Ferramentas do Agente

  • Documentos: O agente deverá consultar documentos de referência configurados e retornar os trechos recuperados como resposta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Normalizador e Validador de Séries Temporais Econômicas (RF 5).

RF 5. Normalizador e Validador de Séries Temporais Econômicas

5.1 Tarefa do Agente

Consolidar dados de múltiplas fontes, alinhar frequências, checar consistência e produzir um dataset limpo e derivativos básicos.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados brutos de APIs/DB/Documentos e parâmetros do Orquestrador.

# 2. Objetivo
Consolidar dados de múltiplas fontes, alinhar frequências, checar consistência e produzir um dataset limpo e derivativos básicos.

# 3. Regras que você deve seguir para gerar sua resposta
- Priorizar fonte com menor percentual de lacunas; se empate, preferir estatística oficial.
- Converter unidades para unidade_padrao (ex.: índices em pontos, taxas em % a.a. ou % m/m conforme indicador). Documentar conversões na saída em dicionario_indicadores.
- Ajustar todas as séries para frequencia_preferida: se for trimestral, agregar média para inflação e taxa; soma para PIB nominal; último valor para estoque (ex.: desemprego). Registrar método de agregação por indicador.
- Calcular derivados: mom (var % vs período anterior), qoq (para séries trimestrais), yoy (var % vs mesmo mês/tri do ano anterior) e nivel_indexado (base 100 na data definida em normalizacao.base_100_data ou no início da série se vazio).
- Marcar outliers_detectados quando |variação| > P99 histórico do indicador; não remover, apenas sinalizar.
- Não preencher lacunas >2 períodos consecutivos; para até 2 períodos, interpolar linearmente e registrar em lacunas_interpoladas.
- Validar completude_por_indicador >= 85% no intervalo solicitado; se menor, marcar indicador como 'uso_restrito=true' em dicionario_indicadores. 
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 dados brutos de APIs/DB/Documentos e parâmetros do Orquestrador.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 20.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo o dataset normalizado.
  • Exemplo de Estrutura de Output:
     {
      "series": {"indicador": {"frequencia": "mensal", "unidade_padrao": "%", "base_100_data": "2020-01-01", "observacoes": [{"data": "2025-01-01", "valor": 100}]}}
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 10.000 caracteres, podendo variar conforme o número de dados normalizados.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular derivados e validar consistência dos dados.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

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 Gerador de Cenários Macroeconômicos (RF 6).

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Gerador de Cenários Macroeconômicos (RF 6).

RF 6. Gerador de Cenários Macroeconômicos

6.1 Tarefa do Agente

Construir cenários Baseline, Otimista e Pessimista com premissas explícitas, choques e trajetórias por indicador.

6.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o dataset normalizado e, se disponível, premissas qualitativas extraídas de documentos.

# 2. Objetivo
Construir cenários Baseline, Otimista e Pessimista com premissas explícitas, choques e trajetórias por indicador.

# 3. Regras que você deve seguir para gerar sua resposta
- Definir 3 cenários: Baseline (p50), Otimista (p95) com choques favoráveis de menor inflação/juros/commodities e Pessimista (p5) com choques adversos.
- Para cada indicador, projetar trajetória mensal/trimestral até horizonte_meses usando: tendência recente (últimos 12m), média de longo prazo (5-10 anos) e efeito das premissas de choques. Registrar a contribuição de cada componente na saída (tendencia vs choque).
- Aplicar coerência mínima: inflação alta implica juros de política maiores no curto prazo; depreciação cambial acelera inflação de bens transacionáveis; alta de commodities eleva inflação e melhora termos de troca em países exportadores.
- Respeitar limites plausíveis: taxas não negativas para inflação mensal e desemprego entre 0% e 30%; variações de PIB trimestral típicas entre -3% e +3% q/q na maior parte do tempo, salvo choque documentado.
- Construir faixas_incerteza por indicador usando a dispersão histórica das variações (p5/p95) e refletir choques diferenciados por cenário.
- Garantir identidades contábeis qualitativas: crescimento do PIB real deve ser compatível com indústria, varejo e confiança; não permitir trajetória onde inflação núcleo cai enquanto desemprego aumenta e juros caem simultaneamente sem justificar nas premissas.
- Especificar claramente choques com {data_inicio, duracao_meses, magnitude, direcao} para cada cenário e indicador afetado. 
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 o dataset normalizado e, se disponível, premissas qualitativas extraídas de documentos.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 15.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo os cenários projetados.
  • Exemplo de Estrutura de Output:
     {
      "cenarios": {"Baseline": {"indicador": [{"data": "2025-01-01", "nivel": 100}]}}
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 10.000 caracteres, podendo variar conforme o número de cenários e dados projetados.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular projeções e validar coerência dos cenários.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

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 deve ser visível para o Analista de Implicações Estratégicas (RF 7).

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Analista de Implicações Estratégicas (RF 7).

RF 7. Analista de Implicações Estratégicas

7.1 Tarefa do Agente

Traduzir os cenários macroeconômicos em implicações acionáveis para planejamento estratégico e gestão de riscos.

7.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo os cenários projetados e, se disponível, perfis setoriais ou alavancas de negócio fornecidas no briefing.

# 2. Objetivo
Traduzir os cenários macroeconômicos em implicações acionáveis para planejamento estratégico e gestão de riscos.

# 3. Regras que você deve seguir para gerar sua resposta
- Para cada cenário, definir 3-5 recomendações por alavanca (precificação, estoques, capex, opex, funding, hedge cambial/commodities) com gatilhos claros baseados nos indicadores projetados (ex.: se inflação yoy > X então ajustar preço em Y%).
- Construir matriz probabilidade x impacto por risco macro (inflação, juros, câmbio, atividade, crédito) com classificação {baixo, médio, alto} coerente com p5/p50/p95.
- Selecionar 6-10 indicadores de monitoramento com limiares objetivos e ação associada.
- Diferenciar impactos por setor quando perfis setoriais forem fornecidos; se não houver, usar setores genéricos: indústria, varejo, serviços, construção, agro.
- Resumo executivo deve caber em 120-180 palavras e destacar 3 mensagens-chave e 2 próximos passos. 
7.3 Configurações do Agente

7.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 6).
  • Tipo do input: Este agente deve ser apto a receber os cenários projetados e, se disponível, perfis setoriais ou alavancas de negócio fornecidas no briefing.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.

7.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo os insights estruturados.
  • Exemplo de Estrutura de Output:
     {
      "alavancas": {"precificacao": [{"acao": "Ajustar preços", "gatilho": "inflação > 5%"}]}
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres, podendo variar conforme o número de insights gerados.

7.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

7.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

7.3.5 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 Formatador de Relatório de Cenários (RF 8).

7.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Formatador de Relatório de Cenários (RF 8).

RF 8. Formatador de Relatório de Cenários

8.1 Tarefa do Agente

Gerar o relatório final em markdown consolidando dados, cenários e implicações em seções padronizadas.

8.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo os cenários projetados, insights estratégicos e dataset normalizado.

# 2. Objetivo
Gerar o relatório final em markdown consolidando dados, cenários e implicações em seções padronizadas.

# 3. Regras que você deve seguir para gerar sua resposta
- Incluir data gerada e Proprietário: Cheila Portela na capa.
- Inserir um quadro de 'Premissas e Choques' por cenário com bullets curtos e tabela de trajetórias para os 8-12 principais indicadores.
- Representar incerteza com p5/p50/p95 em tabela compacta.
- Destacar 5 KPIs para acompanhamento mensal com limiares e ações.
- Garantir que todas as unidades e frequências estejam visíveis em cada tabela e que a moeda_base seja indicada no cabeçalho pertinente.
- Fechar com seção de 'Limitações e Próximos Passos' (dados faltantes, necessidades de refinamento, calendário de atualização). 
8.3 Configurações do Agente

8.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 7).
  • Tipo do input: Este agente deve ser apto a receber os cenários projetados, insights estratégicos e dataset normalizado.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 20.000 caracteres.

8.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato markdown consolidando dados, cenários e implicações.
  • Exemplo de Estrutura de Output:
     # Relatório de Cenários Econômicos
    
    ## Data: 11/12/2025
    
    ### Proprietário: Cheila Portela
    
    ---
    
    ## Sumário
    
    - Premissas e Choques
    - Cenários Projetados
    - Implicações Estratégicas
    - Indicadores de Monitoramento
    - Limitações e Próximos Passos
    
    ---
    
    ## Premissas e Choques
    
    - Cenário Baseline: ...
    - Cenário Otimista: ...
    - Cenário Pessimista: ...
    
    ---
    
    ## Cenários Projetados
    
    | Indicador | Baseline | Otimista | Pessimista |
    |-----------|----------|----------|------------|
    | PIB Real  | ...      | ...      | ...        |
    
    ---
    
    ## Implicações Estratégicas
    
    - Precificação: Ajustar preços se inflação > 5%
    
    ---
    
    ## Indicadores de Monitoramento
    
    - Inflação: Limite de 5%
    
    ---
    
    ## Limitações e Próximos Passos
    
    - Dados faltantes: ...
    - Necessidades de refinamento: ...
    - Calendário de atualização: ... 
  • Número de caracteres esperado: O markdown gerado terá um tamanho aproximado de 10.000 caracteres, podendo variar conforme o número de cenários e dados consolidados.

8.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

8.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

8.3.5 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.

8.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O markdown gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.