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 Necessidades de Benefícios". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é projetar as necessidades futuras de benefícios com base em dados históricos e tendências atuais, ajudando na tomada de decisões estratégicas.
2. Contexto e Problema
Cenário Atual
As organizações enfrentam dificuldades para prever com precisão as necessidades futuras de benefícios, o que impacta diretamente no planejamento estratégico. A falta de previsões precisas impede ajustes proativos nos pacotes de benefícios, que poderiam atender melhor às necessidades futuras dos usuários.
Problemas Identificados
- Falta de previsões precisas: A ausência de previsões confiáveis sobre as necessidades futuras de benefícios dificulta o planejamento estratégico.
- Dificuldade em ajustar pacotes de benefícios: A incapacidade de ajustar proativamente os pacotes de benefícios impede que as necessidades futuras dos usuários sejam atendidas adequadamente.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Melhorar a precisão das previsões sobre as necessidades futuras de benefícios.
- Capacitar ajustes proativos nos pacotes de benefícios para alinhá-los às previsões futuras.
- Aumentar a satisfação dos usuários ao atender melhor suas necessidades futuras.
4. Visão Geral da Solução
O agente de IA para previsão de necessidades de benefícios analisa dados históricos e tendências atuais para projetar as necessidades futuras, propondo ajustes proativos nos pacotes de benefícios. 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 necessidades de benefícios.
A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a validação e padronização de dados históricos e termina com a recomendação de ajustes proativos nos pacotes de benefícios.
| Agentes | Função Principal |
|---|---|
Agente de Validação e Padronização de Dados de Benefícios (RF 1)
| Validar e padronizar dados históricos de benefícios. |
Agente de Busca Online de Tendências de Benefícios (RF 2)
| Executar buscas online para coletar tendências atuais relacionadas a benefícios. |
Agente de Síntese de Tendências Externas (RF 3)
| Transformar dados de tendências em fatores quantitativos por tipo de benefício. |
Agente de Previsão de Necessidades de Benefícios (RF 4)
| Gerar previsões mensais por tipo de benefício. |
Agente de Recomendação de Ajustes Proativos de Pacotes (RF 5)
| Converter previsões em recomendações de ajustes nos pacotes de benefícios. |
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 Validação e Padronização de Dados de Benefícios
1.1 Tarefa do Agente
Receber dados históricos de utilização de benefícios, validar consistência e padronizar para série temporal mensal por tipo de benefício.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados históricos de utilização de benefícios. Esses dados precisam ser validados e padronizados para análise posterior.
# 2. Objetivo
Validar a consistência dos dados e padronizá-los em uma série temporal mensal por tipo de benefício.
# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1 (Mapeamento de campos): Identifique e mapeie nomes diversos para o padrão {data, tipo_beneficio, quantidade_utilizada}. Registre o mapeamento completo em dicionario_campos. Se algum campo essencial estiver ausente, defina score_qualidade = 0 e descreva motivo em metricas_qualidade.erros.
- Regra 2 (Validação de datas): Converta datas para ano/mes. Rejeite datas futuras além do mês corrente (mova registros para lista de_ignorados com motivo="data_futura"). Preencha consistencia_datas com {min_data, max_data, meses_continuos:true/false}.
- Regra 3 (Normalização de granularidade): Agregue para mensal por tipo_beneficio (e por regiao se existir). Some quantidade; para custo_unitario, use média ponderada por quantidade quando disponível; registre agregacao_mensal:true.
- Regra 4 (Tratamento de valores inválidos): Zere quantidades negativas e marque em percentual_negativos_corrigidos. Remova registros com quantidade nula e sem justificativa; conte-os em metricas_qualidade.descartes.
- Regra 5 (Imputação mínima): Se houver lacunas de até 1 mês entre observações consecutivas na mesma série, replique a última quantidade conhecida e marque imputacao_aplicada:true. Se lacunas >1 mês, não imputar; sinalize em metricas_qualidade.lacunas.
- Regra 6 (Detecção simples de outliers): Para cada série tipo_beneficio (e regiao), calcule mediana e percentil_99 de quantidade; se um valor > percentil_99, substitua por percentil_99 e marque outliers_ajustados:true; registre contagem de ajustes.
- Regra 7 (Cálculo de score_qualidade): Inicie em 1. Subtraia 0,2 se percentual_campos_nulos>10%. Subtraia 0,2 se meses_continuos=false. Subtraia 0,2 se lacunas>2. Subtraia 0,2 se outliers_ajustados>2% dos registros. Limite mínimo 0. Documente os motivos.
- Regra 8 (Cobertura e séries): Informe series_por_tipo (lista de tipos com meses_disponiveis) e cobertura_meses (quantidade de meses por série). Se qualquer série tiver <6 meses, anexe aviso:"serie_curta". 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 dados históricos de benefícios via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload de um arquivo na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: Dados históricos de benefícios em formato CSV/JSON.
-
Formatos Suportados: Esse agente deve ser capaz de receber arquivos 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 o dataset padronizado, dicionario de campos, metricas de qualidade, flags de processamento e score de qualidade.
-
Exemplo de Estrutura de Output:
{ "dataset_padronizado": [ { "ano": 2025, "mes": 12, "tipo_beneficio": "saude", "quantidade": 1200 } ], "dicionario_campos": { "data_origem": "data", "beneficio_origem": "tipo_beneficio" }, "metricas_qualidade": { "percentual_campos_nulos": 5, "percentual_negativos_corrigidos": 0, "consistencia_datas": { "min_data": "2025-01", "max_data": "2025-12", "meses_continuos": true } }, "flags_processamento": { "imputacao_aplicada": false, "agregacao_mensal": true, "outliers_ajustados": false }, "score_qualidade": 0.9 } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com 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 métricas de qualidade.
- 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 Busca Online de Tendências de Benefícios (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Busca Online de Tendências de Benefícios (RF 2).
RF 2. Agente de Busca Online de Tendências de Benefícios
2.1 Tarefa do Agente
Executar buscas online para coletar sinais de tendências atuais relacionadas a benefícios, políticas públicas e sazonalidades setoriais.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo parâmetros de busca para executar uma pesquisa online sobre tendências de benefícios. # 2. Objetivo Coletar dados brutos de busca, incluindo itens como título, fonte, URL, data de publicação e trecho relevante. # 3. Regras que você deve seguir para gerar sua resposta - Este agente é exclusivamente de execução de busca online com os parâmetros recebidos. Não requer instruções adicionais de LLM para análise.
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) ou quando a necessidade de busca de tendências online for identificada.
- Tipo do input: Parâmetros de busca prontos, incluindo termos de busca, período, regiões, idiomas e fontes permitidas.
-
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 2.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser uma lista de itens com dados brutos de busca, incluindo título, fonte, URL, data de publicação e trecho relevante.
-
Exemplo de Estrutura de Output:
[ { "titulo": "Tendências em Benefícios de Saúde para 2025", "fonte": "Relatório Setorial", "url": "https://exemplo.com/tendencias2025", "data_publicacao": "2025-11-30", "trecho_relevante": "Aumento na demanda por telemedicina" } ] - Número de caracteres esperado: O output deve ser claro e direto, com um tamanho estimado em 3.000 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: Não se aplica (uso de ferramenta)
2.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Utiliza ferramenta interna de busca online para coletar dados.
- 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 Síntese de Tendências Externas (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Síntese de Tendências Externas (RF 3).
RF 3. Agente de Síntese de Tendências Externas
3.1 Tarefa do Agente
Transformar dados de tendências em fatores quantitativos por tipo de benefício e horizonte mensal.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados de tendências coletados online ou de insumos internos. # 2. Objetivo Transformar esses dados em fatores quantitativos por tipo de benefício e horizonte mensal. # 3. Regras que você deve seguir para gerar sua resposta - Regra 1 (Classificação de relevância): Vincule cada item a um tipo_beneficio. Se não explícito, use palavras-chave do título/trecho para inferir (ex.: "telemedicina"->saude). - Regra 2 (Fator de ajuste): Para cada mês no horizonte de previsão, consolide sinais por tipo_beneficio em um único fator_ajuste_percentual. Se múltiplas fontes, faça média ponderada por confianca_fonte. - Regra 3 (Confiabilidade da fonte): Atribua confianca_fonte padrão por categoria: órgãos oficiais=0,9; entidades setoriais=0,8; consultorias reconhecidas=0,7; mídia especializada=0,6; blogs/opinião=0,4. Se o item não trouxer fonte, descarte. - Regra 4 (Eventos): Registre eventos_relevantes curtos (ex.: "nova regulação", "campanha de vacinação", "volta às aulas"). Relacione-os ao mês de início e, se aplicável, aos meses seguintes. - Regra 5 (Limites): Trunque fator_ajuste_percentual consolidado entre -20% e +20% por mês para evitar distorções. - Regra 6 (Cobertura): Se não houver dados para um mês/tipo, defina fator_ajuste_percentual=0 e confianca_fonte=0,5 (neutro) e origem="interno_default".
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: Dados de tendências coletados online ou de insumos internos, podendo incluir fontes e datas.
-
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 5.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON com fatores de ajuste por tipo de benefício e um resumo de síntese.
-
Exemplo de Estrutura de Output:
{ "features_tendencias_externas": [ { "ano": 2025, "mes": 12, "tipo_beneficio": "saude", "fator_ajuste_percentual": 5.0, "eventos_relevantes": "campanha de vacinação", "confianca_fonte": 0.9, "origem": "online" } ], "resumo_sintese": { "fontes_agrupadas": "relatórios setoriais, órgãos oficiais", "cobertura_temporal": "2025-01 a 2025-12", "media_confianca": 0.8 } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.500 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: Utiliza lógica interna para cálculo de fatores de ajuste.
- 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 Previsão de Necessidades de Benefícios (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Previsão de Necessidades de Benefícios (RF 4).
RF 4. Agente de Previsão de Necessidades de Benefícios
4.1 Tarefa do Agente
Gerar previsões mensais por tipo de benefício combinando histórico padronizado e fatores de tendência externos, com faixas de incerteza e qualidade do ajuste.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um dataset padronizado de benefícios e fatores de tendências externas. # 2. Objetivo Gerar previsões mensais por tipo de benefício, incluindo faixas de incerteza e qualidade do ajuste. # 3. Regras que você deve seguir para gerar sua resposta - Regra 1 (Horizonte e granularidade): Use horizonte_meses (padrão=12). Se granularidade_regional=true e houver regiao no dataset, gere previsões por regiao; caso contrário, agregue nacional. - Regra 2 (Sazonalidade simples): Para cada tipo_beneficio, calcule média mensal histórica por mês do ano e aplique como multiplicador de sazonalidade nas projeções. - Regra 3 (Tendências externas): Aplique fator_ajuste_percentual das features_tendencias_externas como variação multiplicativa no mês correspondente do tipo_beneficio. - Regra 4 (Baseline): Use a média dos últimos 3 meses disponíveis como ponto de partida para o primeiro mês projetado; propague ao horizonte ajustando por sazonalidade e tendências. - Regra 5 (Intervalos): Defina intervalo_inferior/superior como ±10% da quantidade_prevista por padrão; se score_qualidade<0,7 (do Agente de Validação) ou serie_curta=true, use ±20% e marque qualidade_previsao.nivel="baixo". - Regra 6 (Backtest rápido): Se houver ao menos 9 meses históricos, reserve os últimos 3 como validação simples. Recalcule baseline sem esses meses e compute MAPE e bias; reporte em metricas_ajuste.backtest_meses=3. - Regra 7 (Classificação de qualidade): Defina qualidade_previsao.nivel como: alto se MAPE<=10% e score_qualidade>=0,8; medio se MAPE<=20% ou score_qualidade>=0,7; caso contrário baixo. Liste justificativas objetivas. - Regra 8 (Alertas): Preencha alertas.serie_curta=true se série<6 meses. alertas.dados_baixa_qualidade=true se score_qualidade<0,6. alertas.falta_tendencias=true se nenhum fator_ajuste foi aplicado em >80% dos meses do horizonte.
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: Dataset padronizado de benefícios e fatores de tendências externas.
-
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 JSON com previsões mensais, métricas de ajuste e qualidade da previsão.
-
Exemplo de Estrutura de Output:
{ "previsoes": [ { "ano": 2025, "mes": 12, "tipo_beneficio": "saude", "quantidade_prevista": 1300, "intervalo_inferior": 1170, "intervalo_superior": 1430, "premissas_aplicadas": "sazonalidade, tendência externa" } ], "metricas_ajuste": { "backtest_meses": 3, "mape": 9.5, "bias": 1.2, "cobertura_intervalo": 95 }, "qualidade_previsao": { "nivel": "alto", "justificativas": "MAPE abaixo de 10%, score de qualidade acima de 0.8" }, "alertas": { "serie_curta": false, "dados_baixa_qualidade": false, "falta_tendencias": false } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 4.000 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: Utiliza lógica interna para cálculos de previsões e métricas.
- 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 Recomendação de Ajustes Proativos de Pacotes (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Recomendação de Ajustes Proativos de Pacotes (RF 5).
RF 5. Agente de Recomendação de Ajustes Proativos de Pacotes
5.1 Tarefa do Agente
Converter as previsões em recomendações de ajustes nos pacotes de benefícios, priorizando ações por impacto e urgência.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo previsões de necessidades de benefícios e métricas de ajuste. # 2. Objetivo Converter essas previsões em recomendações de ajustes nos pacotes de benefícios. # 3. Regras que você deve seguir para gerar sua resposta - Regra 1 (Gap de capacidade): Para cada tipo/regiao, calcule demanda_prevista_media_6m e compare com capacidade_atual (se disponível). Se demanda>capacidade em >10%, acao_sugerida="expandir". Se demanda dentro de ±10%, "manter". Se demanda15%, "reduzir" ou "realocar". - Regra 2 (Quantidade de ajuste): quantidade_ajuste = |demanda_prevista_media_6m - capacidade_atual|, arredondada para inteiro mais próximo. Se capacidade_atual ausente, use média histórica 3m como proxy e marque justificativa="proxy_sem_capacidade". - Regra 3 (Impacto orçamentário): impacto_orcamentario_estimado = quantidade_ajuste * custo_unitario quando disponível; se ausente, registre impacto_orcamentario_estimado=null e adicione risco="custo_desconhecido". - Regra 4 (Prioridade): Defina prioridade como alta se (qualidade_previsao.nivel!="baixo" e gap>|15%|) ou se houver eventos_relevantes associados no horizonte imediato; média se gap entre 10% e 15%; baixa caso contrário. - Regra 5 (Prazos): Se ação for expandir e prioridade alta, prazo_recomendado=próximos 2 meses; se média, 3-4 meses; baixa, 6 meses. Para reduzir, adote 3 meses salvo restrições em riscos. - Regra 6 (Riscos e justificativas): Liste riscos objetivos (ex.: "baixa_confianca_previsao", "custo_desconhecido", "dependencia_fornecedor"). Inclua justificativa com referência a métricas (MAPE, score_qualidade, eventos).
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: Previsões de necessidades de benefícios e métricas de ajuste.
-
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 8.000 caracteres.
5.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON com plano de ação e resumo financeiro.
-
Exemplo de Estrutura de Output:
{ "plano_de_acao": [ { "tipo_beneficio": "saude", "regiao": "Nacional", "acao_sugerida": "expandir", "quantidade_ajuste": 100, "impacto_orcamentario_estimado": 5000, "prioridade": "alta", "justificativa": "Demanda acima de capacidade em 20%", "riscos": "custo_desconhecido", "prazo_recomendado": "2026-02" } ], "resumo_financeiro": { "orcamento_total_estimado": 50000, "variacao_vs_atual": 10 } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.500 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: Utiliza lógica interna para cálculos de ajustes e impactos.
- 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 é o entregável final e não precisa ser visível para outros agentes internos.
5.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O JSON gerado é o resultado que deve ser disponibilizado ao usuário.