Agente de IA para Simulações de Previdência Personalizadas

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

Como criar um agente de IA que utiliza dados dos clientes para simular diferentes cenários de previdência e gerar relatórios.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Agente de IA "Simulações de Previdência Personalizadas". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo é criar simulações de previdência personalizadas utilizando dados financeiros dos clientes e gerar relatórios que auxiliem na tomada de decisão.

2. Contexto e Problema

Cenário Atual

Muitos clientes enfrentam dificuldades ao tentar prever cenários de previdência baseados em seus dados financeiros. A falta de relatórios claros e compreensíveis também dificulta a tomada de decisões informadas sobre previdência.


Problemas Identificados

  • Dificuldade em prever cenários de previdência: A complexidade dos cálculos e a variabilidade de fatores econômicos tornam a previsão de previdência um desafio.
  • Falta de relatórios claros: Os clientes frequentemente não recebem relatórios que apresentem as simulações de maneira clara e compreensível.

3. Impactos Esperados

A implementação deste agente visa alcançar os seguintes resultados:

  • Melhorar a precisão das simulações de previdência utilizando dados financeiros atualizados dos clientes.
  • Fornecer relatórios claros e compreensíveis que facilitem a tomada de decisão em relação à previdência.

4. Visão Geral da Solução

O agente de IA para simulações de previdência personalizadas processa dados financeiros dos clientes, aplica regras de simulação de cenários e gera relatórios detalhados para auxiliar na tomada de decisão. 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 elaboração de simulações de previdência que seguem as especificidades de cada cliente.

A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a preparação e validação dos dados financeiros e termina com a geração de um relatório claro e acionável.

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

Agentes Função Principal
Agente de Preparação e Validação de Dados Financeiros (RF 1) Receber e validar dados financeiros do cliente para simulações.
Agente de Simulação de Cenários de Previdência (RF 2) Gerar projeções de acumulação e renda para múltiplos cenários.
Agente de Geração de Relatório e Recomendações (RF 3) Transformar as simulações em um relatório claro e acionável.

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 Preparação e Validação de Dados Financeiros

1.1 Tarefa do Agente

Receber os dados do cliente, normalizar unidades, validar consistência e produzir um payload padronizado para simulação.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com dados financeiros do cliente. Este JSON contém informações necessárias para simulações de previdência.

# 2. Objetivo
Normalizar e validar os dados recebidos para garantir a consistência e precisão das simulações de previdência.

# 3. Regras que você deve seguir para gerar sua resposta
- Rejeite valores ausentes nos campos mínimos e preencha validacao.status='erro' listando missing_fields.
- Converta todas as taxas fornecidas em percentuais para decimais anuais.
- Se periodicidade_contribuicao='anual', converta contribuicao_mensal = valor_anual/12.
- Calcule anos_ate_aposentadoria = max(0, idade_aposentadoria_alvo - idade_atual) e meses_ate_aposentadoria = anos_ate_aposentadoria*12.
- Se taxa_inflacao_anual ausente, defina 0.04 como default e adicione alerta 'inflacao_default_aplicada'.
- Se taxa_retorno_bruta_anual ausente, defina 0.07 como default e adicione alerta 'retorno_default_aplicado'.
- Se taxa_adm_anual ausente, defina 0.015 como default; se taxa_performance_anual ausente, defina 0.0.
- Limites de sanidade: 0 <= idade_atual < 100; 50 <= idade_aposentadoria_alvo <= 90; contribuicao_mensal >= 0; saldo_atual_previdencia >= 0; 0 <= taxas < 1. Se violar, marque status='erro' e detalhe o campo.
- Se meta_renda_mensal_aposentadoria ausente, não calcular meta; registre alerta 'sem_meta_renda'.
- Defina dados_validados=true somente se status='ok'.
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 JSON com dados financeiros do cliente via API. Na fase de testes, os dados serão enviados 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 JSON contendo dados financeiros 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 texto com até 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON padronizado contendo dados normalizados e validados.
  • Exemplo de Estrutura de Output: 
     {
  "dados_normalizados": {},
  "campos_derivados": {},
  "validacao": { "status": "ok", "erros": [], "alertas": [] },
  "dados_validados": true
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 2.000 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 normalização e validação 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 Simulação de Cenários de Previdência (RF 2).

RF 2. Agente de Simulação de Cenários de Previdência

2.1 Tarefa do Agente

Gerar projeções de acumulação e renda para múltiplos cenários a partir dos dados validados.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com dados validados e normalizados, necessários para a simulação de cenários de previdência.

# 2. Objetivo
Gerar projeções de acumulação e renda para múltiplos cenários de previdência a partir dos dados recebidos.

# 3. Regras que você deve seguir para gerar sua resposta
- Execute três cenários com retornos reais aproximados: conservador, base e agressivo.
- Capitalização mensal: taxa_real_mensal = (1+retorno_real)^(1/12)-1.
- Contribuições: aplique reajuste_contribuicao_anual ao início de cada ano.
- Série anual: calcule contrib_anual_real, rendimento_bruto e saldo_final_real descontada a inflação.
- Se meses_ate_aposentadoria=0, pule acumulação e calcule apenas renda com saldo atual.
- Renda: calcule renda_mensal_inicial_real usando taxa_conversao_em_renda_real ou taxa de saque constante padrão.
- Estresse: inclua choques independentes por cenário e reporte impactos em % vs. cenário sem estresse.
- Não aplicar tributação efetiva no fluxo, mas registre o regime tributacao_regime recebido no output.
- Garantir que parametros_utilizados reflitam os valores efetivos usados após ajustes e limites.
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 contendo dados validados e normalizados.
  • 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 5.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo as projeções de acumulação e renda para múltiplos cenários.
  • Exemplo de Estrutura de Output: 
     {
  "simulacoes": [
    {
      "cenario": "conservador",
      "parametros_utilizados": {},
      "acumulacao": {},
      "renda": {}
    }
  ]
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 3.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular projeções e estresse de cenários.
  • 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 Geração de Relatório e Recomendações (RF 3).

RF 3. Agente de Geração de Relatório e Recomendações

3.1 Tarefa do Agente

Transformar as simulações em um relatório claro e acionável para tomada de decisão.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON de simulações contendo a lista de cenários, parâmetros e métricas calculadas.

# 2. Objetivo
Transformar as simulações em um relatório claro e acionável para tomada de decisão.

# 3. Regras que você deve seguir para gerar sua resposta
- Linguagem: clara, direta, em português do Brasil, evitando jargões.
- Destaque alertas críticos: se cobertura_meta_pct < 80% no cenário base, inclua recomendação com prioridade 'alta'.
- Gere recomendações baseadas em regras e explique as principais premissas usadas.
- Formate valores com símbolo de moeda (R$) e sem casas desnecessárias; percentuais com uma casa decimal.
- Garanta consistência: números do sumário devem existir em indicadores_chave.
- Caso não exista meta_renda_mensal_aposentadoria, substitua cobertura_meta_pct e gap_mensal por null e inclua observação 'Meta de renda não informada'.
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 contendo as simulações de cenários de previdência.
  • 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 5.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório em formato JSON contendo sumário executivo, indicadores chave e recomendações personalizadas.
  • Exemplo de Estrutura de Output: 
     {
  "sumario_executivo": [],
  "indicadores_chave": [],
  "recomendacoes_personalizadas": []
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 2.500 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

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

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 (relatório JSON) é o entregável final e não é passada para outros agentes internos.

3.3.6 Regras de Orquestração e Transição

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

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.