Agente de IA para Relatórios de Desempenho de Benefícios

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

Como criar um agente de IA que gera relatórios detalhados sobre o desempenho dos programas de benefícios.

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 "Relatórios de Desempenho de Benefícios", uma solução de automação projetada para gerar relatórios detalhados sobre o desempenho dos programas de benefícios, identificando áreas para otimização. 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 brutos de desempenho em relatórios estruturados que forneçam insights valiosos para a otimização contínua dos programas de benefícios.

2. Contexto e Problema

Cenário Atual

As organizações necessitam de relatórios de desempenho de benefícios para identificar áreas de melhoria e otimizar seus programas. No entanto, as análises manuais são frequentemente demoradas e imprecisas, dificultando a eficiência organizacional.


Problemas Identificados

  • Demora nas análises: O processo manual de análise de dados de benefícios é lento, consumindo recursos significativos.
  • Imprecisão nas análises: A análise manual está sujeita a erros, resultando em relatórios que podem não refletir com precisão a realidade dos programas de benefícios.
  • Necessidade de otimização: A falta de insights precisos e em tempo hábil impede a otimização eficaz dos programas de benefícios, afetando a eficiência organizacional.

3. Impactos Esperados

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

  • Reduzir o tempo de geração de relatórios em pelo menos 70%.
  • Aumentar a precisão dos relatórios de desempenho de benefícios.
  • Fornecer insights acionáveis para a otimização contínua dos programas de benefícios.
  • Melhorar a eficiência organizacional através da otimização dos programas de benefícios.

4. Visão Geral da Solução

O agente de IA para relatórios de desempenho de benefícios processa dados brutos, aplica regras de análise e gera relatórios detalhados que identificam áreas para otimização. 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 geração de relatórios que impulsionam a eficiência organizacional.

A solução consiste em um fluxo de automação composto por 6 agentes de IA. O processo inicia com a ingestão e validação dos dados de benefícios e termina com a geração de um relatório completo em formato markdown.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.

Agentes Função Principal
Agente de Ingestão e Validação de Dados de Benefícios (RF 1) Receber dados brutos de desempenho, validar integridade e padronizar o dataset.
Agente de Cálculo e Padronização de KPIs de Benefícios (RF 2) Calcular KPIs padronizados por programa, período e segmentos organizacionais.
Agente de Análise de Coortes e Segmentação (RF 3) Comparar desempenho entre coortes e segmentos para revelar oportunidades.
Agente de Detecção de Tendências e Anomalias (RF 4) Avaliar evolução temporal dos KPIs e sinalizar anomalias.
Agente de Identificação de Oportunidades de Otimização (RF 5) Gerar oportunidades de otimização com estimativas de impacto.
Agente de Montagem e Redação do Relatório de Desempenho de Benefícios (RF 6) Produzir o relatório final em formato markdown, integrando todos os resultados.

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 Ingestão e Validação de Dados de Benefícios

1.1 Tarefa do Agente

Receber dados brutos de desempenho dos programas de benefícios, validar integridade e padronizar o dataset para análises subsequentes.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados brutos de desempenho dos programas de benefícios em formato CSV ou JSON. Esses dados precisam ser validados e padronizados para análises subsequentes.

# 2. Objetivo
Validar a integridade dos dados recebidos e padronizar o dataset para garantir consistência e qualidade nas análises subsequentes.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1: Validar datas: converter period_start/period_end para ISO8601 (YYYY-MM-DD). Rejeitar registros com period_start > period_end.
- Regra 2: Tipos e nulos: employee_id, benefit_program_id, vendor_id como strings não vazias; contagens e custos >= 0; satisfaction_score entre 0 e 10; taxas entre 0 e 100. Substituir nulos em contagens/custos por 0; manter nulos em satisfação e taxas.
- Regra 3: Moeda: normalizar currency para uma moeda base definida por prioridade: se houver currency_base no input_meta, usar; senão usar 'USD'.
- Regra 4: Duplicatas: considerar duplicado se (employee_id, benefit_program_id, period_start, period_end) repetir; manter a primeira ocorrência e somar cost_total/utilization_count/enrollment_count das demais ao registro mantido.
- Regra 5: Cobertura temporal: garantir que períodos não se sobreponham para o mesmo (employee_id, benefit_program_id); se sobrepor, particionar ou somar métricas e manter um único registro agregando.
- Regra 6: Enriquecimento: se department ou region faltarem, atribuir 'unknown'.

# 4. Exemplo de Output que você deve produzir
{
  "schema_version": "1.0",
  "records": [...],
  "data_quality": {"rows_in": 1000, "rows_valid": 950, "rows_invalid": 50, "issues": [...]},
  "normalization": {"currency_base": "USD", "fx_applied": false, "date_format": "ISO8601"}
} 
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 com os dados de desempenho dos programas 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 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 contendo dados de desempenho dos programas de benefícios.
  • 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 até 100.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON único padronizado com registros validados e normalizados, incluindo esquema e metadados de qualidade.
  • Exemplo de Estrutura de Output:
     {
      "schema_version": "1.0",
      "records": [...],
      "data_quality": {"rows_in": 1000, "rows_valid": 950, "rows_invalid": 50, "issues": [...]},
      "normalization": {"currency_base": "USD", "fx_applied": false, "date_format": "ISO8601"}
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 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: Não utiliza.
  • 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 Cálculo e Padronização de KPIs de Benefícios (RF 2).

RF 2. Agente de Cálculo e Padronização de KPIs de Benefícios

2.1 Tarefa do Agente

Calcular KPIs padronizados por programa, período e segmentos organizacionais a partir dos dados validados.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados validados de desempenho dos programas de benefícios em formato JSON. Esses dados precisam ser analisados para calcular KPIs padronizados por programa, período e segmentos organizacionais.

# 2. Objetivo
Calcular KPIs padronizados para fornecer uma visão clara e consistente do desempenho dos programas de benefícios.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1: Definições de KPIs:
  • enrollment_rate = enrollment_count / elegible_count.
  • utilization_rate = utilization_count / enrollment_count.
  • cost_per_enrolled = cost_total / max(enrollment_count,1).
  • cost_per_utilization = cost_total / max(utilization_count,1).
  • satisfaction_avg = média ponderada por enrollment_count de satisfaction_score.
  • absenteeism_rate_avg = média simples de absenteeism_rate.
  • turnover_rate_avg = média simples de turnover_rate.
  • claims_cost_per_employee = health_claims_cost / count(distinct employee_id).
- Regra 2: Granularidades mínimas obrigatórias: por benefit_program_id x período; por department x program; por region x program; total empresa por program.
- Regra 3: Harmonização temporal: se períodos variados, reamostrar por mês usando rateios proporcionais.
- Regra 4: Outliers numéricos: winsorizar métricas de custo no p1/p99 por grain.
- Regra 5: Para cada registro KPI, incluir: grain, keys, period, metrics, data_flags.

# 4. Exemplo de Output que você deve produzir
{
  "kpis": [
    {"grain": "program", "keys": {...}, "period": {...}, "metrics": {...}, "data_flags": [...]}
  ],
  "kpi_definitions": {...},
  "aggregation_notes": [...]
} 
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
  • Tipo do input: Este agente deve ser apto a receber como input um JSON padronizado com registros validados, incluindo schema_version, normalization e data_quality.
  • 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 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com KPIs calculados por granularidade, incluindo definições de KPIs e notas de agregação.
  • Exemplo de Estrutura de Output:
     {
      "kpis": [
        {"grain": "program", "keys": {...}, "period": {...}, "metrics": {...}, "data_flags": [...]}
      ],
      "kpi_definitions": {...},
      "aggregation_notes": [...]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 6.000 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

  • 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 Análise de Coortes e Segmentação (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise de Coortes e Segmentação (RF 3).

RF 3. Agente de Análise de Coortes e Segmentação

3.1 Tarefa do Agente

Comparar desempenho entre coortes e segmentos para revelar diferenças estruturais e oportunidades direcionadas.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo KPIs calculados dos programas de benefícios em formato JSON. Esses dados precisam ser analisados para comparar o desempenho entre coortes e segmentos.

# 2. Objetivo
Comparar o desempenho entre diferentes coortes e segmentos para revelar diferenças estruturais e oportunidades de otimização.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1: Segmentar por: department, region, faixa de satisfação (0-6, 7-8, 9-10), tamanho do departamento (small<50, medium 50-199, large>=200).
- Regra 2: Para cada segmento, calcular deltas vs benchmark empresa (mediana) para KPIs: utilization_rate, cost_per_utilization, satisfaction_avg.
- Regra 3: Destacar top-5 segmentos com maior impacto financeiro: ordenar por delta_cost_total estimado.
- Regra 4: Identificar trade-offs: se aumento de utilization_rate vier com queda >1 ponto em satisfaction_avg, marcar tradeoff_flag.
- Regra 5: Produzir key_drivers por regressão qualitativa baseada em correlações monotônicas: listar pares KPI com |corr|>=0.3 por segmento.

# 4. Exemplo de Output que você deve produzir
{
  "segments": [...],
  "cohort_comparisons": [...],
  "key_drivers": [...],
  "notes": [...]
} 
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 como input um JSON de KPIs calculados contendo kpis, kpi_definitions e aggregation_notes.
  • 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.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com análises de coortes, incluindo segmentos, comparações de coortes, drivers-chave e notas.
  • Exemplo de Estrutura de Output:
     {
      "segments": [...],
      "cohort_comparisons": [...],
      "key_drivers": [...],
      "notes": [...]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 4.000 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

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Detecção de Tendências e Anomalias (RF 4).

RF 4. Agente de Detecção de Tendências e Anomalias

4.1 Tarefa do Agente

Avaliar evolução temporal dos KPIs e sinalizar quebras de tendência e anomalias relevantes.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo KPIs calculados com granularidade mensal. Esses dados precisam ser analisados para detectar tendências e anomalias ao longo do tempo.

# 2. Objetivo
Avaliar a evolução temporal dos KPIs para sinalizar quebras de tendência e anomalias relevantes.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1: Tendência: para séries mensais com >=6 pontos, calcular slope de tendência (utilization_rate, cost_per_utilization).
- Regra 2: Sazonalidade: se padrão trimestral repetir com amplitude >10% do valor médio, marcar seasonal_flag.
- Regra 3: Anomalias: sinalizar pontos além de 3 desvios-padrão da média móvel de 6 meses.
- Regra 4: Índice de estabilidade por programa: calcular volatilidade e classificar estabilidade.
- Regra 5: Para cada insight, incluir severity, período, kpi_afetado, magnitude_relativa, recomendação breve.

# 4. Exemplo de Output que você deve produzir
{
  "trends": [...],
  "anomalies": [...],
  "stability_index": {...}
} 
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 como input um JSON de KPIs com granularidade mensal por programa e segmentos.
  • 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.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON de insights temporais, incluindo tendências, anomalias e índice de estabilidade.
  • Exemplo de Estrutura de Output:
     {
      "trends": [...],
      "anomalies": [...],
      "stability_index": {...}
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 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: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Identificação de Oportunidades de Otimização (RF 5).

RF 5. Agente de Identificação de Oportunidades de Otimização

5.1 Tarefa do Agente

Gerar oportunidades concretas de otimização com estimativas de impacto financeiro e de experiência do colaborador.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de KPIs, análises de coortes, tendências e anomalias dos programas de benefícios. Esses dados precisam ser analisados para identificar oportunidades de otimização.

# 2. Objetivo
Gerar oportunidades concretas de otimização com estimativas de impacto financeiro e de experiência do colaborador.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1: Tipos de oportunidade: (a) renegociação com fornecedor, (b) ajuste de cobertura/plano, (c) direcionamento por segmento.
- Regra 2: Cálculo de economia: basear-se em benchmarks internos ou melhores quartis.
- Regra 3: Impacto em satisfação: inferir direção usando correlação segmentar.
- Regra 4: Esforço e prioridade: effort baixo/médio/alto com base em número de dependências.
- Regra 5: Cada oportunidade deve listar alavancas específicas e premissas.
- Regra 6: Incluir riscos: churn de colaboradores críticos, compliance.

# 4. Exemplo de Output que você deve produzir
{
  "opportunities": [
    {"id": "opt1", "program_id": "123", "tipo": "renegociação", "descricao": "Reduzir custos através de renegociação de contratos.", "alavancas": [...], "estimativa_economia": 10000, "impacto_satisfacao": "alto", "effort": "médio", "prioridade": "alta", "premissas": [...], "riscos": [...]
    }
  ],
  "metodologia": {...}
} 
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 como input JSONs dos agentes anteriores: KPIs, segmentações, tendências e anomalias.
  • 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 combinado de até 12.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser uma lista estruturada de oportunidades de otimização, incluindo metodologia.
  • Exemplo de Estrutura de Output:
     {
      "opportunities": [
        {"id": "opt1", "program_id": "123", "tipo": "renegociação", "descricao": "Reduzir custos através de renegociação de contratos.", "alavancas": [...], "estimativa_economia": 10000, "impacto_satisfacao": "alto", "effort": "médio", "prioridade": "alta", "premissas": [...], "riscos": [...]
        }
      ],
      "metodologia": {...}
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 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 Montagem e Redação do Relatório de Desempenho de Benefícios (RF 6).

RF 6. Agente de Montagem e Redação do Relatório de Desempenho de Benefícios

6.1 Tarefa do Agente

Produzir o relatório final em formato markdown, integrando resultados de KPIs, segmentações, tendências e oportunidades, com narrativa executiva e anexos técnicos.

6.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo outputs consolidados dos agentes anteriores: dados de qualidade, KPIs, análises de coortes, tendências/anomalias e oportunidades. Esses dados precisam ser integrados em um relatório final.

# 2. Objetivo
Produzir o relatório final em formato markdown, integrando todos os resultados com uma narrativa executiva e anexos técnicos.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1: Sumário Executivo com: 3-5 mensagens-chave; economia potencial total; 3 riscos principais; 3 próximas ações.
- Regra 2: Para cada programa: tabela de KPIs principais e gráficos descritivos em texto.
- Regra 3: Evidenciar segmentos top-5 por impacto financeiro.
- Regra 4: Roadmap 90 dias: listar iniciativas, donos, dependências, marcos.
- Regra 5: Transparência metodológica: descrever como foram tratados nulos, câmbio, winsorização, benchmarks.
- Regra 6: Garantir consistência numérica: totais e subtotais devem bater com KPIs.
- Regra 7: Incluir metadados: data de geração, moeda base, períodos cobertos, versão do esquema, contato do proprietário.

# 4. Exemplo de Output que você deve produzir
{
  "relatorio": "# Relatório de Desempenho de Benefícios
## Sumário Executivo
...",
  "anexo_tecnico": {...}
} 
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 como input outputs consolidados dos agentes anteriores: dados de qualidade, KPIs, análises de coortes, tendências/anomalias e oportunidades.
  • 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.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório em markdown e um anexo técnico em JSON.
  • Exemplo de Estrutura de Output:
     {
      "relatorio": "# Relatório de Desempenho de Benefícios
    ## Sumário Executivo
    ...",
      "anexo_tecnico": {...}
    } 
  • Número de caracteres esperado: O relatório final deve ter um tamanho estimado em torno de 10.000 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.