Agente de IA para Previsão de Insolvência Empresarial

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

Como criar um agente de IA que utiliza dados históricos e tendências de mercado para prever a possibilidade de insolvência de empresas.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, busca online, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Previsão de Insolvência Empresarial", uma solução de automação projetada para prever a possibilidade de insolvência de empresas utilizando dados históricos e tendências de mercado. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é fornecer previsões precisas e atualizadas sobre a insolvência de empresas, gerando relatórios detalhados sobre os fatores que influenciam essas previsões.

2. Contexto e Problema

Problemas Específicos

  • A previsão de insolvência manual pode ser imprecisa e demorada.
  • Falta de previsões precisas pode levar a decisões financeiras arriscadas.

A previsão manual de insolvência é um processo que requer tempo e pode ser suscetível a erros, o que resulta em decisões financeiras arriscadas. A automação desse processo através de um agente de IA pode aumentar a precisão e a eficiência das previsões, permitindo que as empresas tomem decisões mais informadas.

3. Impactos Esperados

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

  • Aumentar a precisão das previsões de insolvência.
  • Reduzir o tempo necessário para gerar previsões detalhadas.
  • Fornecer relatórios detalhados sobre os fatores que influenciam as previsões.
  • Apoiar decisões financeiras mais seguras e informadas.

4. Visão Geral da Solução

O agente de IA para previsão de insolvência empresarial processa dados históricos financeiros e tendências de mercado, aplica algoritmos de análise preditiva e gera relatórios detalhados sobre a possibilidade de insolvência de empresas. 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 insolvência empresarial.

A solução consiste em um fluxo de automação composto por 7 agentes de IA. O processo inicia com a ingestão e padronização de dados históricos e termina com a validação final e controles antes da divulgação do resultado.

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
Agente de Ingestão e Padronização de Dados Históricos (RF 1) Validar, higienizar e padronizar dados históricos financeiros/operacionais da empresa.
Agente de Definição de Parâmetros de Mercado (RF 2) Definir parâmetros de coleta de tendências de mercado com base em setor, país, janela temporal e disponibilidade de fontes.
Agente de Execução de Chamada à API de Mercado (RF 3) Realizar chamada à API de mercado para obter séries temporais de tendências macro e setoriais.
Agente de Busca Online de Mercado (RF 4) Executar busca online para coletar informações textuais sobre condições de crédito e tendências setoriais.
Agente de Consolidação e Derivação de Sinais de Mercado (RF 5) Consolidar dados de mercado e derivar sinais numéricos alinhados à série histórica da empresa.
Agente de Estimativa de Probabilidade de Insolvência (RF 6) Estimar a probabilidade de insolvência em horizonte padrão e classificar o risco.
Agente de Explicabilidade e Relatório de Insolvência (RF 7) Gerar relatório detalhado e padronizado explicando os fatores que influenciam a previsão.

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.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Ingestão e Padronização de Dados Históricos

1.1 Tarefa do Agente

Validar, higienizar e padronizar dados históricos financeiros/operacionais da empresa e calcular indicadores base para risco de insolvência.

1.2 Prompt ou Instruções do Agente 
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um arquivo CSV ou JSON contendo dados financeiros e operacionais históricos da empresa. Este arquivo inclui informações como receita, custo, ebitda, e outros dados relevantes para análise de insolvência.

# 2. Objetivo
Validar, higienizar e padronizar esses dados para calcular indicadores base de risco de insolvência.

# 3. Regras que você deve seguir para gerar sua resposta
- Converter todas as moedas para a moeda base definida (priorizar BRL; se input for único em outra moeda, manter e setar moeda_base conforme input).
- Padronizar periodicidade: se misto, reamostrar para o maior detalhamento disponível (mensal>trimestral) usando agregação adequada.
- Tratar valores ausentes: se faltar até 1 período consecutivo, imputar por interpolação temporal; acima disso, registrar em quality_report e não imputar.
- Detectar outliers por desvio relativo > 300% vs. mediana dos últimos 4 períodos; winsorizar no percentil 1%/99% e registrar em outliers_tratados.
- Calcular indicadores por período: liquidez_corrente, liquidez_seca, endividamento_total, cobertura_juros, margem_ebitda, crescimento_receita_%, fluxo_caixa_sobre_divida, ciclo_caixa.
- Definir dados_suficientes=true apenas se existirem no mínimo 8 pontos temporais consecutivos e todos os campos-chave para pelo menos 80% dos períodos.
- Emitir motivos_insuficiencia listando campos faltantes ou períodos insuficientes quando dados_suficientes=false.
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 arquivo CSV ou JSON contendo dados financeiros e operacionais históricos da empresa 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 é um arquivo CSV ou JSON.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv, .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo indicadores calculados e um relatório de qualidade dos dados.
  • Exemplo de Estrutura de Output: 
    { "empresa_id": "12345", "data_corte": "2025-12-17", "indicadores_calculados": [{"nome": "liquidez_corrente", "valor_por_periodo": [1.5, 1.6, 1.7]}], "quality_report": {"campos_faltantes": [], "outliers_tratados": [], "consistencia_temporal": true}, "dados_suficientes": true }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 5.000 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: Utiliza lógica interna para cálculos de indicadores e tratamento de dados.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Definição de Parâmetros de Mercado (RF 2).

RF 2. Agente de Definição de Parâmetros de Mercado

2.1 Tarefa do Agente

Definir parâmetros de coleta de tendências de mercado com base em setor, país, janela temporal e disponibilidade de fontes.

2.2 Prompt ou Instruções do Agente 
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados sobre a empresa, incluindo setor, país, e indicadores calculados do agente anterior. Esses dados são necessários para definir os parâmetros de coleta de tendências de mercado.

# 2. Objetivo
Definir parâmetros de coleta de dados de mercado que serão usados para prever a insolvência.

# 3. Regras que você deve seguir para gerar sua resposta
- Normalizar setor em taxonomia padrão: 'Indústria', 'Serviços', 'Comércio', 'Financeiro', 'Tecnologia', 'Energia', 'Saúde', 'Construção', 'Agro', 'Transporte'.
- Definir janela_lookback_meses: 36 meses se periodicidade mensal; 48 meses se trimestral.
- Selecionar series_solicitadas conforme setor/pais: índices setoriais, taxa de juros básica, inflação, câmbio, spread de crédito corporativo, índice de confiança, taxa de inadimplência setorial.
- Definir keywords para web_search como combinação de: nome_setor + 'outlook', 'default rate', 'credit conditions', pais, ano corrente.
- Escolher fonte_dados_mercado: 'api' se houver series_solicitadas estruturadas explícitas; caso contrário, 'web_search'.
- Sinalizar necessidade_atualizacao_urgente=true se data_corte > 90 dias antes da data atual ou se volatilidade recente for esperada pelo setor.
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 um JSON contendo dados sobre a empresa e indicadores calculados.
  • 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 um JSON com os parâmetros de busca de mercado definidos.
  • Exemplo de Estrutura de Output: 
    { "empresa_id": "12345", "setor_normalizado": "Tecnologia", "pais_normalizado": "Brasil", "janela_lookback_meses": 36, "fonte_dados_mercado": "api", "keywords": ["Tecnologia outlook", "default rate Brasil 2025"] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 1.500 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

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

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API de Mercado (RF 3) ou o Agente de Busca Online de Mercado (RF 4) dependendo da fonte de dados de mercado definida.

RF 3. Agente de Execução de Chamada à API de Mercado

3.1 Tarefa do Agente

Realizar chamada à API de mercado para obter séries temporais de tendências macro e setoriais.

3.2 Prompt ou Instruções do Agente 
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload pronto para a chamada à API de mercado. Este payload inclui as séries solicitadas, o período inicial e final, e credenciais quando aplicáveis.

# 2. Objetivo
Realizar uma chamada à API de mercado para obter dados de tendências macro e setoriais.

# 3. Regras que você deve seguir para gerar sua resposta
- Iniciar a chamada à API utilizando o payload recebido.
- Obter as séries temporais de dados de mercado e os metadados da fonte.
- Retornar os dados de mercado brutos no formato JSON.
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) se a fonte de dados de mercado for "api".
  • Tipo do input: Este agente deve ser apto a receber como input um payload JSON pronto para a 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 até 5.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo as séries temporais de dados de mercado e os metadados da fonte.
  • Exemplo de Estrutura de Output: 
    { "series": [{ "nome": "Taxa de Juros", "unidade": "%", "valores": [{ "data": "2025-12-01", "valor": 5.25 }] }], "metadados_fonte": { "fonte": "Banco Central" } }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 3.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: Não se aplica (uso de ferramenta)

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá realizar chamadas à API de mercado utilizando o payload recebido.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Derivação de Sinais de Mercado (RF 5).

RF 4. Agente de Busca Online de Mercado

4.1 Tarefa do Agente

Executar busca online para coletar informações textuais sobre condições de crédito e tendências setoriais quando não houver API estruturada.

4.2 Prompt ou Instruções do Agente 
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros de busca de mercado, incluindo keywords, período inicial, período final e recortes de setor/pais.

# 2. Objetivo
Executar uma busca online para coletar informações textuais sobre condições de crédito e tendências setoriais.

# 3. Regras que você deve seguir para gerar sua resposta
- Realizar buscas online utilizando as keywords e parâmetros recebidos.
- Coletar informações textuais relevantes e sumarizar os sinais extraídos.
- Retornar os insumos de mercado textuais no formato JSON.
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 2) se a fonte de dados de mercado for "web_search".
  • Tipo do input: Este agente deve ser apto a receber como input parâmetros de busca de mercado.
  • 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 até 5.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo os insumos de mercado textuais coletados.
  • Exemplo de Estrutura de Output: 
    { "insumos_mercado_textuais": [{ "fonte_url": "https://exemplo.com/artigo", "titulo": "Condições de Crédito no Brasil", "data": "2025-12-01", "sumario": "As condições de crédito no Brasil...", "sinais_extraidos": ["melhora na confiança"] }] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 3.500 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: O agente deverá realizar buscas online utilizando os parâmetros de busca recebidos.
  • Sistemas Externos: Não utiliza.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Derivação de Sinais de Mercado (RF 5).

RF 5. Agente de Consolidação e Derivação de Sinais de Mercado

5.1 Tarefa do Agente

Consolidar dados de mercado (estruturados ou textuais) e derivar sinais numéricos alinhados à série histórica da empresa.

5.2 Prompt ou Instruções do Agente 
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de mercado estruturados ou textuais, além de indicadores calculados e parâmetros de busca de mercado.

# 2. Objetivo
Consolidar esses dados e derivar sinais numéricos que estejam alinhados à série histórica da empresa.

# 3. Regras que você deve seguir para gerar sua resposta
- Alinhar frequência temporal das séries de mercado à periodicidade do dataset_padronizado.
- Normalizar cada série em z-score por janelas de 24 meses; limitar z-score no intervalo [-3, +3].
- Derivar sinais_mercado incluindo: variações de taxa de juros, inflação acumulada 12m, depreciação cambial 12m, variação de índice setorial 12m, spread de crédito, e índice de confiança.
- Para insumos textuais: extrair sinais direcionais e mapear para escala numérica.
- Calcular score_condicoes_crediticias_por_periodo como média ponderada de sinais relevantes.
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 3 ou RF 4).
  • Tipo do input: Este agente deve ser apto a receber dados de mercado estruturados ou textuais.
  • 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 até 15.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON consolidando os sinais de mercado derivados.
  • Exemplo de Estrutura de Output: 
    { "mercado_alinhado": { "series_normalizadas": [{ "nome": "Taxa de Juros", "zscore_por_periodo": [1.2, -0.8] }] }, "sinais_mercado": [{ "nome_sinal": "variação de taxa de juros", "valor_por_periodo": [0.5, -0.3] }] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 4.000 caracteres.

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 cálculos de sinais de mercado.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

5.3.5 Memória

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Estimativa de Probabilidade de Insolvência (RF 6).

RF 6. Agente de Estimativa de Probabilidade de Insolvência

6.1 Tarefa do Agente

Estimar a probabilidade de insolvência em horizonte padrão e classificar o risco com base em sinais financeiros e de mercado.

6.2 Prompt ou Instruções do Agente 
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo indicadores financeiros e sinais de mercado derivados, além de parâmetros de busca de mercado.

# 2. Objetivo
Estimar a probabilidade de insolvência em horizonte padrão e classificar o risco com base em sinais financeiros e de mercado.

# 3. Regras que você deve seguir para gerar sua resposta
- Definir horizonte_meses padrão em 12; ajustar para 6 se dados_suficientes=false ou cobertura_mercado < 50%.
- Construir score_financeiro recente: pesos — liquidez_corrente 20%, liquidez_seca 10%, cobertura_juros 25%, margem_ebitda 15%, crescimento_receita 10%, fluxo_caixa_sobre_divida 20%.
- Padronizar cada indicador financeiro em escala [-3,+3] via percentis internos do próprio histórico da empresa.
- Score_composto = 0.6*score_financeiro + 0.4*score_condicoes_crediticias.
- Mapear Score_composto para probabilidade_insolvencia via função logística calibrada.
- Classificar classe_risco: 'baixo', 'moderado', 'alto', 'critico'.
- Definir intervalo_confianca_aproximado considerando cobertura_mercado e completude dos dados.
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 financeiros e sinais de mercado derivados.
  • 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 até 8.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com a estimativa de probabilidade de insolvência e classificação de risco.
  • Exemplo de Estrutura de Output: 
    { "empresa_id": "12345", "probabilidade_insolvencia": 0.25, "classe_risco": "moderado", "intervalo_confianca_aproximado": [0.20, 0.30] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 2.000 caracteres.

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 cálculos de probabilidade e risco.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

6.3.5 Memória

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Explicabilidade e Relatório de Insolvência (RF 7).

RF 7. Agente de Explicabilidade e Relatório de Insolvência

7.1 Tarefa do Agente

Gerar relatório detalhado e padronizado explicando os fatores que influenciam a previsão e recomendações de acompanhamento.

7.2 Prompt ou Instruções do Agente 
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo a previsão de insolvência e indicadores calculados, além de sinais de mercado e um relatório de qualidade dos dados.

# 2. Objetivo
Gerar um relatório detalhado e padronizado que explique os fatores que influenciam a previsão e forneça recomendações de acompanhamento.

# 3. Regras que você deve seguir para gerar sua resposta
- Ordenar drivers por contribuição_relativa_% e apresentar narrativa_curta de até 120 palavras.
- Gerar 3 análises de sensibilidade_hipotetica.
- Definir frequencia_sugerida_atualizacao_dias.
- Calcular proxima_data_sugerida_atualizacao.
- Listar limitacoes_e_alertas quando necessário.
- Anexar sumario_indicadores e sumario_mercado.
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 a previsão de insolvência e indicadores calculados.
  • 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 até 12.000 caracteres.

7.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório JSON detalhado e padronizado.
  • Exemplo de Estrutura de Output: 
    { "empresa_id": "12345", "relatorio": { "narrativa_curta": "A empresa demonstra um risco moderado de insolvência...", "sensibilidade_hipotetica": [{ "variavel": "margem_ebitda", "mudanca": "+10%", "efeito_estimado_delta_p": 0.02 }] } }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 6.000 caracteres.

7.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

7.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para cálculos de relatórios.
  • 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 é o entregável final e não é passada para outros agentes internos.

7.3.6 Regras de Orquestração e Transição

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

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.