Agente de IA para Retenção de Clientes em Administradoras de Benefícios

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

Como criar um agente de IA que analisa interações de clientes para identificar sinais de insatisfação.

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 "Retenção de Clientes em Administradoras de Benefícios", uma solução de automação projetada para identificar sinais de insatisfação em interações de clientes e propor estratégias de retenção personalizadas. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é monitorar e analisar continuamente as interações dos clientes para detectar sinais de insatisfação e propor ofertas e soluções personalizadas para clientes em risco de cancelamento.

2. Contexto e Problema

Cenário Atual

As administradoras de benefícios enfrentam um desafio significativo com a alta taxa de cancelamento de clientes devido à insatisfação. Alguns dos problemas específicos incluem:

  • Alta taxa de cancelamento de clientes devido à insatisfação.
  • Dificuldade em identificar precocemente sinais de insatisfação dos clientes.
  • Falta de estratégias personalizadas para reter clientes insatisfeitos.

Atualmente, a detecção de insatisfação é reativa, ocorrendo muitas vezes apenas após o cancelamento de um cliente. Não há um sistema proativo para monitorar e analisar as interações dos clientes de forma contínua.

3. Impactos Esperados

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

  • Reduzir a taxa de cancelamento de clientes em pelo menos 30%.
  • Identificar sinais de insatisfação de forma proativa e precoce.
  • Implementar estratégias de retenção personalizadas para cada cliente.

4. Visão Geral da Solução

O agente de IA para retenção de clientes em administradoras de benefícios analisa interações de clientes para identificar sinais de insatisfação e propõe estratégias de retenção personalizadas. 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 retenção de clientes insatisfeitos.

A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a análise das interações dos clientes e termina com a definição de um plano de comunicação proativa para apresentar propostas de retenção personalizadas.

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

Agentes Função Principal
Agente de Monitoramento e Sinalização de Insatisfação (RF 1) Monitorar e analisar interações dos clientes para detectar sinais de insatisfação e estimar o risco de cancelamento.
Agente de Proposta de Retenção Personalizada (RF 2) Gerar ofertas e soluções de retenção personalizadas alinhadas às causas de insatisfação.
Agente de Plano de Comunicação Proativa (RF 3) Definir o plano de comunicação multicanal para apresentar a proposta e endereçar objeções.

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 Monitoramento e Sinalização de Insatisfação

1.1 Tarefa do Agente

Monitorar e analisar continuamente as interações dos clientes para detectar sinais de insatisfação e estimar o risco de cancelamento em tempo quase real.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de interações dos clientes em formato estruturado. Cada interação contém informações sobre o cliente, o canal de comunicação, o conteúdo textual e o sentimento previsto.

# 2. Objetivo
Monitorar e analisar continuamente as interações dos clientes para detectar sinais de insatisfação e estimar o risco de cancelamento em tempo quase real.

# 3. Regras que você deve seguir para gerar sua resposta
- Padronize saída sempre com: cliente_id, risco_cancelamento (boolean), risk_score (0-100), risk_band (baixo 0-39 | medio 40-69 | alto 70-100), sinais_insatisfacao (lista de objetos {tipo,evidencia}), causas_provaveis (lista), urgencia (baixa|media|alta), ultima_interacao (ISO8601).
- Detecção por léxico crítico: marque sinal tipo "linguagem_cancelamento" quando houver termos: cancelar, rescindir, romper, Procon, advogado, reembolso já, denúncia, abuso, multa, fraude. Priorize frases exatas como evidência.
- Picos de contato: se contatos>=3 em 7 dias ou >=2 canais diferentes em 72h, adicione sinal "repeticao_contatos" com contagem e janela.
- Sinais de SLA: se sla_atingido=false em qualquer interação, inclua "sla_nao_cumprido" com referência do motivo (ex.: reembolso, autorização, atendimento).
- Tonalidade e escalonamento: se sentimento_prev=negativo em 2+ interações consecutivas ou presença de CAPS + exclamações repetidas, adicione "tom_negativo_persistente".
- Mapeie causas_provaveis a partir de motivos e evidências: atraso_reembolso, rede_credenciada_insuficiente, preco_alto, cobertura_negada, atendimento_ruim, dificuldades_autorizacao, erro_faturamento, comunicacao_inadequada.
- Cálculo do risk_score (0-100) com pesos somativos (cap em 100):
  • linguagem_cancelamento: +40
  • repeticao_contatos: +20
  • sla_nao_cumprido: +15 (por ocorrência, máximo +30)
  • tom_negativo_persistente: +10
  • motivo preco_alto combinado com reajuste recente (se evidenciado no texto): +10
  • tempo_de_casa<90 dias (se mencionando recém-contratado): +10
- Defina risco_cancelamento=true quando risk_score>=70.
- Urgencia: alta se risk_score>=70 ou presença de linguagem_cancelamento; media se 40-69; baixa se <40.
- Evidencie sempre trechos literais do texto em "evidencia" quando possível; se não houver, use uma síntese objetiva do evento (ex.: "4 contatos em 5 dias").
- Se faltar algum campo no input, não falhe: processe o que houver e deixe causas_provaveis vazio quando não inferível.
- Não ajuste dados históricos; não reescreva conteúdo de interações; extraia e classifique.
- Produza uma única saída por cliente_id agregando todas as interações recebidas no lote. 
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 uma lista de interações dos clientes 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: O input inicial para o fluxo é uma lista de interações dos clientes em formato estruturado.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .json, .csv.
  • 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 objeto JSON estruturado contendo informações sobre o risco de cancelamento, sinais de insatisfação e causas prováveis.
  • Exemplo de Estrutura de Output:
     {
      "cliente_id": "12345",
      "risco_cancelamento": true,
      "risk_score": 82,
      "risk_band": "alto",
      "sinais_insatisfacao": [
        {
          "tipo": "linguagem_cancelamento",
          "evidencia": "quero cancelar meu plano"
        },
        {
          "tipo": "repeticao_contatos",
          "evidencia": "5 contatos em 7 dias"
        }
      ],
      "causas_provaveis": ["atraso_reembolso", "comunicacao_inadequada"],
      "urgencia": "alta",
      "ultima_interacao": "2025-12-24T11:00:00-03:00"
    } 
  • Número de caracteres esperado: O JSON de output terá um tamanho aproximado de 1.000 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

  • 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 Proposta de Retenção Personalizada (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Proposta de Retenção Personalizada (RF 2).

RF 2. Agente de Proposta de Retenção Personalizada

2.1 Tarefa do Agente

Gerar ofertas e soluções de retenção personalizadas alinhadas às causas de insatisfação e aos limites financeiros e regulatórios do negócio.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o objeto JSON do Agente de Monitoramento enriquecido com informações de perfil do cliente, quando disponível.

# 2. Objetivo
Gerar ofertas e soluções de retenção personalizadas alinhadas às causas de insatisfação e aos limites financeiros e regulatórios do negócio.

# 3. Regras que você deve seguir para gerar sua resposta
- Sempre produza proposta_retencao com: oferta_tipo, oferta_detalhe, limites_financeiros, elegibilidade (aprovada|restrita|reprovada), justificativa, canal_recomendado, sla_primeiro_contato_horas, kpis_sucesso, alternativas_backup.
- Mapeamento causa→playbook primário:
  • atraso_reembolso / dificuldades_autorizacao: priorizacao_atendimento + isenção de taxas/processamento; incluir prazo-alvo (48-72h) explícito.
  • preco_alto: desconto controlado (até 10%) OU bônus (ex.: mês adicional de benefício) preferindo bônus quando tempo_de_casa<6 meses.
  • rede_credenciada_insuficiente: upgrade_sem_custo para rede ampliada por 3 meses e oferta de migração assistida de prestador.
  • atendimento_ruim / comunicacao_inadequada: gerente_dedicado + call de reconciliação com script empático + canal prioritário.
  • erro_faturamento: correção imediata + crédito na próxima fatura.
- Guardrails financeiros (aplicar se não houver política específica no input):
  • Desconto máximo padrão: 10% por até 3 meses; eleve para 15% apenas se risk_score>=85 ou cliente VIP.
  • Evite descontos se inadimplencia_dias>60; priorize plano de regularização + benefícios não financeiros.
  • Custo do benefício mensal não deve exceder 10% do ticket_mensal estimado.
- Elegibilidade:
  • reprovada se fraude indicada nas evidências ou inadimplencia_dias>90.
  • restrita se tempo_de_casa_meses<1 para ofertas financeiras; prefira melhorias de serviço.
  • aprovada caso contrário.
- Canal recomendado:
  • telefone/ligação se risk_band=alto ou linguagem_cancelamento presente.
  • whatsapp/email quando risk_band=medio e assunto objetivo (ex.: fatura).
  • visita (apenas B2B: segmento=PME/Corporate) se decisor identificado e ticket alto.
- SLA do primeiro contato: 4h para risco alto, 24h para médio, 48h para baixo; respeite dias úteis quando mencionado no input.
- KPIs padronizados: aceite_em_7_dias, reducao_contatos_>50%, cancelamento_evitao_30d; inclua específicos por causa (ex.: prazo_reembolso_cumprido_>95%).
- Justificativa deve citar explicitamente as causas_provaveis e o valor ao cliente versus custo da oferta.
- Se dados_cliente ausentes, gere proposta conservadora: priorizacao_atendimento e comunicação proativa; inclua alternativas_backup com uma opção financeira leve (ex.: desconto 5%). 
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 objeto JSON contendo informações sobre o risco de cancelamento e perfil do cliente.
  • 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 objeto JSON contendo a proposta de retenção personalizada, com detalhes sobre a oferta, limites financeiros, elegibilidade e KPIs de sucesso.
  • Exemplo de Estrutura de Output:
     {
      "cliente_id": "12345",
      "proposta_retencao": {
        "oferta_tipo": "ajuste_servico",
        "oferta_detalhe": "fast-track reembolso em 48h + isenção de taxa",
        "limites_financeiros": {
          "custo_max_mensal": 85.0,
          "desconto_percentual": 0
        },
        "elegibilidade": "aprovada",
        "justificativa": "Atraso de reembolso recorrente; valor ao cliente > custo",
        "canal_recomendado": "telefone",
        "sla_primeiro_contato_horas": 4,
        "kpis_sucesso": ["aceite_em_7_dias", "reduzir_contatos_>50%"],
        "alternativas_backup": ["desconto_10%_3_meses", "gerente_dedicado"]
      }
    } 
  • Número de caracteres esperado: O JSON de output terá um tamanho aproximado de 1.500 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 Plano de Comunicação Proativa (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Plano de Comunicação Proativa (RF 3).

RF 3. Agente de Plano de Comunicação Proativa

3.1 Tarefa do Agente

Definir o plano de comunicação multicanal com mensagens personalizadas para apresentar a proposta e endereçar objeções, respeitando preferências do cliente e boas práticas de relacionamento.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo a saída do Agente de Proposta de Retenção e, quando disponível, preferências de contato do cliente.

# 2. Objetivo
Definir o plano de comunicação multicanal com mensagens personalizadas para apresentar a proposta e endereçar objeções, respeitando preferências do cliente e boas práticas de relacionamento.

# 3. Regras que você deve seguir para gerar sua resposta
- Construa "plano_comunicacao" com: cadencia (lista ordenada com dia, canal, acao, objetivo, conteúdo breve), regras_quieto, criterios_sucesso, tratamento_objeções (lista de {objeção,resposta}), proxima_revisao (ISO8601+3 dias para alto risco, +5 para médio, +7 para baixo).
- Ordene canais: se canal_preferido existir, inicie por ele; se risk_band=alto, primeira ação deve ser ligação humana personalizada em até 4h.
- Scripts: mensagens empáticas, objetivas, sem admitir responsabilidade legal; incluir resumo do valor ao cliente, prazo prometido e CTA claro de aceite/agendamento.
- Quiet hours: não contatar entre 20:00-08:00 do fuso do cliente; se não informado, use essa regra padrão.
- Regras de tentativa: até 3 tentativas por canal em 7 dias; se sem resposta após 3 tentativas totais, escalar para gerente; se opt_out=true, restringir ao canal permitido e incluir nota de conformidade LGPD.
- A/B test para email: sempre fornecer dois assuntos curtos orientados a benefício.
- Objeções comuns e respostas:
  • preço ainda alto → ofereça alternativa não financeira ou desconto leve adicional dentro dos guardrails.
  • falta de rede → detalhe upgrade temporário de rede e passo a passo para uso.
  • desconfiança de prazo → reafirme SLA e ponto de contato responsável.
- Ajuste cadência a risco: alto (dia 0,1,3), médio (dia 0,2,5), baixo (dia 0,3,7). 
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 objeto JSON contendo a proposta de retenção personalizada e preferências de contato do cliente.
  • 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 objeto JSON contendo o plano de comunicação multicanal, com detalhes sobre cadência, regras de quiet hours, critérios de sucesso e tratamento de objeções.
  • Exemplo de Estrutura de Output:
     {
      "cliente_id": "12345",
      "plano_comunicacao": {
        "cadencia": [
          {
            "dia": 0,
            "canal": "telefone",
            "acao": "ligacao_com_gerente",
            "objetivo": "apresentar proposta",
            "script_curto": "Olá, [Nome]...",
            "cta": "posso avançar com..."
          },
          {
            "dia": 1,
            "canal": "whatsapp",
            "acao": "follow_up",
            "objetivo": "reforco de valor",
            "mensagem": "Resumo da proposta..."
          }
        ],
        "regras_quieto": "respeitar 20:00-08:00",
        "criterios_sucesso": ["resposta_48h", "aceite_7d"],
        "tratamento_objeções": [
          {
            "objeção": "preço ainda alto",
            "resposta": "explicar bônus/benefício e custo total"
          }
        ],
        "proxima_revisao": "2025-12-27"
      }
    } 
  • Número de caracteres esperado: O JSON de output terá um tamanho aproximado de 2.000 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

  • 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 do fluxo.

3.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O plano de comunicação gerado deve ser disponibilizado para a equipe responsável pela implementação.

© 2025 prototipe.ai. Todos os direitos reservados.