Agente de IA para Relatórios de Desempenho de Planos de Benefícios

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

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

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos e demais requisitos funcionais para o Fluxo de Agentes "Relatórios de Desempenho de Planos de Benefícios", uma solução projetada para gerar relatórios detalhados e precisos sobre o desempenho dos planos 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 fornecer insights acionáveis para a tomada de decisões estratégicas, automatizando a coleta de dados, a análise de desempenho e a geração de relatórios.

2. Contexto e Problema

As empresas enfrentam desafios significativos ao tentar analisar o desempenho de seus planos de benefícios. A falta de relatórios detalhados e precisos pode levar a decisões estratégicas mal informadas. Os problemas específicos incluem:

  • Dados de desempenho dispersos em diferentes fontes, dificultando a criação de relatórios abrangentes.
  • Necessidade de insights acionáveis para decisões estratégicas rápidas e baseadas em dados.
  • Falta de visualizações de dados que facilitem a interpretação dos relatórios.
  • Demandas por consistência e regularidade na geração de relatórios.

3. Impactos Esperados

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

  • Aumento da precisão e detalhamento dos relatórios de desempenho dos planos de benefícios.
  • Fornecimento de insights acionáveis para a tomada de decisões estratégicas.
  • Automatização da geração de relatórios para garantir consistência e regularidade.
  • Facilitação da interpretação dos relatórios por meio de visualizações de dados eficazes.

4. Visão Geral da Solução

O agente de IA para relatórios de desempenho de planos de benefícios coleta dados de diferentes fontes, analisa o desempenho e gera relatórios detalhados com visualizações de dados. 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 apoiam decisões estratégicas.

A solução consiste em um fluxo de automação composto por 10 agentes de IA. O processo inicia com a definição do escopo do relatório 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. O fluxo inclui etapas condicionais que são executadas apenas se critérios específicos forem atendidos, conforme detalhado após a tabela.

Agentes Função Principal
Agente de Preparação de Coleta e Escopo (RF 1) Definir o escopo do relatório, fontes, período de análise, KPIs e instruções de coleta.
Agente de Execução de Chamada à API (RF 2) Realizar chamadas às APIs das fontes indicadas para obter dados de desempenho.
Agente de Execução de Consulta a Documento (RF 3) Consultar documentos internos para extrair parâmetros e dados relevantes aos KPIs.
Agente de Busca Online (RF 4) Executar buscas online para obter benchmarks de mercado e tendências setoriais.
Agente de Conciliação e Normalização de Dados (RF 5) Consolidar dados de múltiplas fontes, padronizar esquemas e harmonizar unidades.
Agente de Cálculo de KPIs de Planos de Benefícios (RF 6) Calcular KPIs padronizados por plano e mês com base no dataset unificado.
Agente de Análise de Tendências e Anomalias (RF 7) Identificar tendências relevantes, sazonalidade e anomalias nos KPIs calculados.
Agente de Recomendações Estratégicas (RF 8) Gerar recomendações acionáveis baseadas nos insights e benchmarks.
Agente de Visualização de Dados (RF 9) Produzir visualizações claras dos KPIs e insights para inclusão no relatório.
Agente de Geração de Relatórios (RF 10) Compilar o relatório final de desempenho dos planos de benefícios.


Regras de Execução Condicional ou Edges

  • Ativação do Agente de Execução de Consulta a Documento (RF 3): Este agente só será executado se a propriedade "necessita_consulta_documental" do objeto JSON gerado pelo Agente de Preparação de Coleta e Escopo (RF 1) for true. Caso contrário, o fluxo pulará esta etapa e prosseguirá diretamente para o Agente de Busca Online (RF 4).

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 Preparação de Coleta e Escopo

1.1 Tarefa do Agente

Definir o escopo do relatório, fontes, período de análise, KPIs e instruções de coleta para agentes executores.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros de alto nível do pedido, como período_de_referencia, planos_alvo, KPIs_desejados, necessidade_benchmark_externo, idiomas e moeda_base.

# 2. Objetivo
Definir o escopo do relatório, fontes, período de análise, KPIs e instruções de coleta para agentes executores.

# 3. Regras que você deve seguir para gerar sua resposta
- Definir período_de_referencia padrão como últimos 12 meses quando não especificado; incluir comparativos YoY quando houver dados do mesmo período do ano anterior.
- Padronizar granularidade como mensal; se o input exigir semanal ou trimestral, explicitar no campo granularidade.
- Gerar a lista_de_KPIs padronizada: participação (% elegíveis com adesão), utilização (% beneficiários com uso), PMPM (custo total/beneficiários elegíveis/meses), sinistralidade (custo sinistros/prêmio pago), frequência de sinistros (qtde sinistros/1000 vidas/mês), severidade média (custo médio por sinistro), tempo médio de atendimento, NPS (quando disponível), custo administrativo (%), absenteísmo (quando disponível).
- Mapear para cada fonte um dicionário de campos: {campo_padrao: [possíveis_nomes_na_fonte]} incluindo: id_beneficiario, id_plano, data_evento, tipo_evento, custo, premio, vida_elegivel_flag, sinistro_flag.
- Determinar necessidade_benchmark_externo: true se o input solicitar benchmarking ou se houver KPI sem referência histórica; caso contrário false.
- Determinar necessidade_consulta_documental: true se houver políticas/contratos anexados ou citados; caso contrário false.
- Construir parâmetros_para_API por fonte com paginação, janelas de data e filtros de plano; não incluir credenciais.
- Construir termos_de_busca_online genéricos: {mercado: 'planos de benefícios', país/estado, KPIs-chave, período corrente}; restringir idioma conforme input.
- Emitir triggers booleanos: necessita_busca_online, necessita_consulta_documental, necessita_conversao_moeda (true se moeda-base da fonte diferir da moeda_base).
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 parâmetros de alto nível do pedido 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 conjunto de parâmetros de alto nível que definem o escopo do relatório.
  • 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.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um pacote de parâmetros prontos para execução contendo: lista_de_fontes, ranges_de_data, granularidade, mapeamento_de_campos_por_fonte, filtros, parâmetros_para_API, termos_de_busca_online, parâmetros_de_consulta_documental e triggers derivados.
  • Exemplo de Estrutura de Output:
     {
      "lista_de_fontes": [...],
      "ranges_de_data": "2024-01-01 a 2024-12-31",
      "granularidade": "mensal",
      "mapeamento_de_campos_por_fonte": {...},
      "filtros": {...},
      "parâmetros_para_API": {...},
      "termos_de_busca_online": {...},
      "parâmetros_de_consulta_documental": {...},
      "triggers": {"necessita_busca_online": true, "necessita_consulta_documental": false, "necessita_conversao_moeda": false}
    } 
  • Número de caracteres esperado: O output gerado deve ter um tamanho estimado em torno de 2.000 caracteres.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

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 das fontes indicadas para obter dados de desempenho.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo payloads prontos por fonte contendo endpoints, parâmetros, filtros e janelas de data (sem credenciais).

# 2. Objetivo
Realizar chamadas às APIs das fontes indicadas para obter dados de desempenho.

# 3. Regras que você deve seguir para gerar sua resposta
- Executar a chamada conforme parâmetros e retornar dados brutos e metadados.
- Nenhuma instrução de LLM é necessária.

# 4. Exemplo de Output que você deve produzir
{
  "fonte": "API Exemplo",
  "endpoint": "/v1/dados",
  "dados": [...],
  "metadados": {"timestamp_coleta": "2025-12-21T06:55:00Z"}
} 
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 endpoints, parâmetros, filtros e janelas de data.
  • 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.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de dados brutos por fonte em lotes com metadados de origem (fonte, endpoint, período, timestamp_coleta).
  • Exemplo de Estrutura de Output:
     {
      "fonte": "API Exemplo",
      "endpoint": "/v1/dados",
      "dados": [...],
      "metadados": {"timestamp_coleta": "2025-12-21T06:55:00Z"}
    } 
  • Número de caracteres esperado: O output gerado deve ter um tamanho estimado em torno de 3.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (agente executor)
  • Temperatura: Não se aplica (agente executor)

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Conecta-se às APIs das fontes indicadas para obter dados de desempenho.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Conciliação e Normalização de Dados (RF 5).

© 2025 prototipe.ai. Todos os direitos reservados.