Agente de IA para Suporte a Decisões Estratégicas de Crédito

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

Como criar um agente de IA que auxilia na formulação de estratégias de crédito, considerando dados econômicos, de mercado e perfis de risco.

Biblioteca de Prompts e Agentes

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 Agente de IA para Suporte a Decisões Estratégicas de Crédito. Este agente é projetado para integrar dados econômicos, de mercado e perfis de risco, oferecendo recomendações baseadas em análises robustas e preditivas. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

2. Contexto e Problema

Cenário Atual

No cenário atual, a formulação de estratégias de crédito enfrenta desafios significativos devido à complexidade de integrar múltiplos fatores, como dados econômicos, de mercado e perfis de risco. A ausência de suporte baseado em dados pode levar a decisões estratégicas de crédito menos informadas e, potencialmente, menos eficazes.


Problemas Identificados

  • Complexidade na formulação de estratégias de crédito: A integração de dados de diferentes fontes e a adaptação a mudanças no ambiente econômico tornam o processo complexo e sujeito a erros.
  • Necessidade de suporte baseado em dados: Decisões estratégicas de crédito requerem análises robustas e preditivas para garantir a eficácia e a segurança das estratégias adotadas.

3. Impactos Esperados

A implementação do agente de IA visa alcançar os seguintes resultados:

  • Melhorar a precisão das estratégias de crédito por meio de recomendações baseadas em dados integrados e análises avançadas.
  • Aumentar a agilidade na resposta a mudanças no ambiente econômico e de mercado.
  • Reduzir riscos associados a decisões de crédito mal informadas.

4. Visão Geral da Solução

O agente de IA para suporte a decisões estratégicas de crédito processa dados econômicos, de mercado e perfis de risco, aplicando análises preditivas para formular recomendações estratégicas. 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 formulação de estratégias de crédito.

A solução consiste em um fluxo de automação composto por 9 agentes de IA. O processo inicia com a parametrização de coleta de dados e termina com a definição de um plano de monitoramento e adaptação contínua das estratégias de crédito.

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

Agentes Função Principal
Agente de Parametrização de Coleta de Dados (RF 1) Gerar parâmetros e payloads de coleta de dados necessários para a análise estratégica de crédito.
Agente de Execução de Chamada à API (RF 2) Realizar chamadas às APIs de dados econômicos e de mercado para obter séries temporais definidas no payload.
Agente de Execução de Consultas em Banco de Dados (RF 3) Executar consultas no banco de dados interno para recuperar dados conforme parâmetros prontos.
Agente de Busca Online (RF 4) Executar buscas online para recuperar relatórios e notícias relevantes às estratégias de crédito.
Agente de Integração, Qualidade e Normalização de Dados (RF 5) Integrar e normalizar dados de diferentes fontes para modelagem estratégica.
Agente de Construção de Cenários Macroeconômicos e de Mercado (RF 6) Construir cenários econômicos e de mercado aplicáveis à estratégia de crédito.
Agente de Simulação de Impacto na Carteira e Apetite de Risco (RF 7) Simular impactos dos cenários em métricas de risco e retorno.
Agente de Recomendação de Estratégias de Crédito (RF 8) Converter resultados das simulações em recomendações acionáveis.
Agente de Plano de Monitoramento e Adaptação Contínua (RF 9) Definir o playbook de acompanhamento de KPIs e adaptação das estratégias.

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 Parametrização de Coleta de Dados

1.1 Tarefa do Agente

Gerar, de forma determinística, os parâmetros e payloads de coleta de dados macroeconômicos, de mercado e de perfis de risco necessários para a análise estratégica de crédito.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um briefing estratégico que contém informações sobre objetivos, horizonte temporal, geografias, setores e moeda base para análise de crédito.

# 2. Objetivo
Gerar os parâmetros e payloads necessários para coletar dados macroeconômicos, de mercado e de perfis de risco.

# 3. Regras que você deve seguir para gerar sua resposta
- Se horizonte_meses não for informado, definir 36 meses; periodo_referencia.fim = último mês completo; inicio = fim - (horizonte_meses-1).
- Incluir, no mínimo, variáveis: PIB real, inflação (IPCA), taxa básica de juros, desemprego, spread de crédito PF e PJ, índice de confiança, câmbio (se moeda_base != local), default rate setorial (se disponível), volume de concessões, inadimplência 90+ dias.
- Para cada variavel, definir serie_id e frequencia; ajustar ajuste_sazonal = true quando disponível.
- Construir payloads_db com colunas: {data, id_cliente|segmento, produto, rating, PD, LGD, EAD, atraso_dias, setor, uf}; aplicar filtros por periodo e setores/geografias fornecidos.
- queries_search devem focar por termos estruturados: "outlook macro [país] [ano]", "tendências crédito [setor] [país]", "guidance regulatório capital bancos [país]" com janela_meses padrão 12.
- Se moeda_base não informada, definir "BRL"; registrar padroes.deflacao = IPCA e data_base_precos = fim do período.
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 briefing estratégico via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do documento na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um documento contendo o briefing estratégico.
  • Formatos Suportados: Esse agente deve ser capaz de receber documentos nos formatos: .pdf, .docx.
  • 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 estruturado contendo os parâmetros e payloads para coleta de dados.
  • Exemplo de Estrutura de Output: 
     { "periodo_referencia": {"inicio": "YYYY-MM", "fim": "YYYY-MM"}, "moeda_base": "string", "payloads_api": [{"fonte": "BCB|IBGE|FRED|Outros", "serie_id": "string", "frequencia": "M|Q|A", "ajuste_sazonal": true|false, "janela_meses": number}], "payloads_db": [{"tabela": "carteira|inadimplencia|ratings|limites", "colunas": [string], "filtros": {"data_min": "YYYY-MM", "data_max": "YYYY-MM", "geografias": [string], "setores": [string]}}], "queries_search": [{"query": string, "idioma": "pt|en", "janela_meses": number}], "mapeamentos": {"setores_norma": [{"entrada": string, "padrao": string}], "tickers_series": [{"variavel": string, "serie_id": string}]}, "padroes": {"frequencia_alvo": "M", "metodo_deflacao": "IPCA|CPI", "data_base_precos": "YYYY-MM"} }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 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: 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 de dados econômicos e de mercado para obter séries temporais definidas no payload.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de payloads para coleta de dados econômicos e de mercado.

# 2. Objetivo
Executar chamadas às APIs especificadas nos payloads para obter as séries temporais necessárias.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente não precisa de instruções para LLM. Sua função é executar as chamadas às APIs com o payload recebido e devolver os dados brutos.
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 JSON estruturado contendo os payloads para chamadas às APIs.
  • 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 3.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo os dados brutos obtidos das APIs.
  • Exemplo de Estrutura de Output: 
     { "dados_api": [{"fonte": "string", "serie_id": "string", "observacoes": [{"data": "YYYY-MM-DD", "valor": number}]}] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 2.500 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Executa chamadas às APIs externas especificadas nos payloads.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Consultas em Banco de Dados (RF 3).

RF 3. Agente de Execução de Consultas em Banco de Dados

3.1 Tarefa do Agente

Executar consultas no banco de dados interno para recuperar carteira, ratings e histórico de risco conforme parâmetros prontos.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de payloads para consultas em banco de dados interno.

# 2. Objetivo
Executar consultas no banco de dados interno conforme os parâmetros definidos nos payloads.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente não precisa de instruções para LLM. Sua função é executar a consulta no banco de dados com os parâmetros recebidos e devolver os resultados brutos.
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 estruturado contendo os payloads para consultas em banco de dados.
  • 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 3.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo os dados brutos obtidos do banco de dados.
  • Exemplo de Estrutura de Output: 
     { "dados_db": [{"tabela": "string", "registros": [ {"col": valor, ...} ]}] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 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: Executa consultas no banco de dados interno conforme os parâmetros dos payloads.

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 Busca Online (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Busca Online (RF 4).

RF 4. Agente de Busca Online

4.1 Tarefa do Agente

Executar buscas online para recuperar relatórios e notícias relevantes às estratégias de crédito e ao ambiente macro/mercado.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de queries para buscas online relacionadas a estratégias de crédito.

# 2. Objetivo
Executar buscas online conforme as queries recebidas e retornar os resultados relevantes.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente não precisa de instruções para LLM. Sua função é executar a busca com os parâmetros recebidos e retornar os resultados.
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 estruturado contendo as queries para buscas online.
  • 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 3.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo os resultados das buscas online.
  • Exemplo de Estrutura de Output: 
     { "resultados_search": [{"query": "string", "itens": [{"titulo": "string", "url": "string", "data": "YYYY-MM-DD", "trecho": "string"}]}] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 2.500 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Executa buscas online conforme as queries recebidas.
  • Sistemas Externos: Não utiliza.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

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

RF 5. Agente de Integração, Qualidade e Normalização de Dados

5.1 Tarefa do Agente

Integrar dados de APIs, banco interno e buscas; normalizar frequências, moedas e preços; e entregar um dataset consistente para modelagem estratégica.

5.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados brutos de APIs, banco interno e buscas online, além de padrões de normalização.

# 2. Objetivo
Integrar e normalizar os dados recebidos para criar um dataset consistente para modelagem estratégica.

# 3. Regras que você deve seguir para gerar sua resposta
- Converter todas as séries para frequência mensal por agregação ou interpolação apropriada; registrar método em dicionario_variaveis.transformacoes.
- Deflacionar valores monetários para data_base_precos usando metodo_deflacao; normalizar moeda para moeda_base aplicando taxa de câmbio média do mês.
- Harmonizar chaves de junção por {data, setor_padrao, segmento, produto}; criar setor_padrao a partir de mapeamentos de setores recebidos.
- Tratar ausências: se lacuna <= 2 meses, interpolar; se > 2, marcar como missing e não imputar; sinalizar variáveis com cobertura < 70%.
- Tratar outliers por limites IQR (Q1-1.5*IQR, Q3+1.5*IQR) com winsorização; registrar variáveis afetadas.
- Criar features derivadas: var_pct_3m, var_yoy, média_movel_3m, choque_mensal (diff); incluir no dicionário a fórmula resumida.
- Deduplicar registros mantendo o mais recente por {chave} quando houver conflito.
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 múltiplos artefatos como input, incluindo dados brutos de APIs, banco interno e buscas online, além de padrões de normalização.
  • 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 combinado de até 10.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo o dataset integrado e o dicionário de variáveis.
  • Exemplo de Estrutura de Output: 
     { "dataset_integrado": {"macro_mercado": [{"variavel": "string", "data": "YYYY-MM", "valor": number, "unidade": "string"}], "carteira": [{"data": "YYYY-MM", "segmento": "string", "produto": "string", "setor": "string", "rating": "string", "PD": number, "LGD": number, "EAD": number, "inadimplencia_90d": number}]}, "dicionario_variaveis": [{"variavel": "string", "fonte": "string", "frequencia": "M|Q|A", "transformacoes": ["deflacao", "padronizacao", "interp"]}] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 5.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

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

5.3.5 Memória

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Construção de Cenários Macroeconômicos e de Mercado (RF 6).

RF 6. Agente de Construção de Cenários Macroeconômicos e de Mercado

6.1 Tarefa do Agente

Construir cenários Baseline, Otimista e Estressado com probabilidades, coerentes com o dataset integrado e aplicáveis à estratégia de crédito.

6.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset integrado que contém dados macroeconômicos e de mercado.

# 2. Objetivo
Construir cenários econômicos e de mercado aplicáveis à estratégia de crédito.

# 3. Regras que você deve seguir para gerar sua resposta
- Se probabilidades não forem fornecidas, definir: baseline=0.60, otimista=0.15, estressado=0.25; garantir soma=1 com tolerância 0.001.
- Ancorar o t0 nas últimas observações do dataset; aplicar choques consistentes: otimista (juros -100 a -300 bps, desemprego -0.5 a -1.5 pp), estressado (juros +200 a +500 bps, desemprego +1.0 a +3.0 pp) salvo instrução contrária.
- Impor plausibilidade: variáveis não negativas (ex.: inadimplência), inflação e juros não abaixo de -2% ao ano sem justificativa explícita.
- Garantir suavidade de trajetórias (sem oscillação errática mês a mês) usando variações coerentes com histórico recente.
- Produzir narrativa sucinta citando 2-3 drivers por cenário (ex.: política monetária, termos de troca, atividade setorial).
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 um JSON estruturado contendo o dataset integrado para construção de cenários.
  • 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.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo os cenários econômicos e de mercado.
  • Exemplo de Estrutura de Output: 
     { "cenarios": [{"nome": "Baseline|Otimista|Estressado", "prob": number, "trajetorias": [{"variavel": "string", "valores": [{"data": "YYYY-MM", "valor": number}]}], "narrativa": "string", "choques_aplicados": {"juros_pp": number, "desemprego_pp": number, "cambio_pct": number}}] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 3.000 caracteres.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

6.3.4 Ferramentas do Agente

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

6.3.5 Memória

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Simulação de Impacto na Carteira e Apetite de Risco (RF 7).

RF 7. Agente de Simulação de Impacto na Carteira e Apetite de Risco

7.1 Tarefa do Agente

Propagar os cenários para métricas de risco e retorno por segmento/produto, calculando perdas esperadas, capital e RAROC para suportar decisões.

7.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo cenários econômicos e de mercado, além de dados de carteira e políticas de crédito.

# 2. Objetivo
Simular impactos dos cenários em métricas de risco e retorno.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcular perda_esperada = PD_aj*LGD_aj*EAD_proj; se spread não fornecido, assumir spread setorial médio do dataset.
- Ajustar PD por cenário via fatores elásticos a desemprego e juros: PD_aj = PD*(1 + 0.5*Δdesemprego_pp + 0.2*Δjuros_pp), limitando PD_aj ≤ 1.
- Ajustar LGD em estresse: LGD_aj = LGD*(1 + 0.1*Δjuros_pp) com piso 0 e teto 1.
- EAD_proj cresce conforme variação nas concessões setoriais: EAD_proj = EAD*(1 + var_pct_3m_concessoes_setor).
- Receita_juros = EAD_proj*spread - custo_fund (assumir 70% da variação de juros como custo adicional se não houver custo explícito).
- Capital_economico: aplicar fator multiplicativo sobre perda_esperada por segmento (ex.: PF=3.0, PJ=2.5) se não houver modelo interno; documentar fator aplicado.
- RAROC = (receita_juros - perda_esperada - custo_capital)/capital_alocado, com custo_capital = 0.12*capital_alocado se taxa alvo não especificada.
- Verificar limites: concentração por setor ≤ limite (default 20% se não fornecido); sinalizar violações com flag_viola_limite=true.
- Rodar análise de sensibilidade ±10% em PD_aj e LGD_aj e relatar variação de RAROC por cenário.
7.3 Configurações do Agente

7.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 6).
  • Tipo do input: Este agente deve ser apto a receber múltiplos artefatos como input, incluindo cenários econômicos e de mercado, dados de carteira e políticas de crédito.
  • 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 combinado de até 8.000 caracteres.

7.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo as simulações de impacto por cenário.
  • Exemplo de Estrutura de Output: 
     { "simulacoes": [{"cenario": "string", "periodo": "YYYY-MM", "resultado": [{"segmento": "string", "produto": "string", "setor": "string", "PD_aj": number, "LGD_aj": number, "EAD_proj": number, "perda_esperada": number, "receita_juros": number, "capital_economico": number, "RAROC": number}]}], "resumos": {"por_setor": [...], "por_segmento": [...]} }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 4.000 caracteres.

7.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

7.3.4 Ferramentas do Agente

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

7.3.5 Memória

7.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendação de Estratégias de Crédito (RF 8).

RF 8. Agente de Recomendação de Estratégias de Crédito

8.1 Tarefa do Agente

Converter resultados das simulações em recomendações acionáveis de limites, pricing, apetite de risco e políticas por segmento/setor.

8.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo resultados de simulações de impacto por cenário, além de cenários econômicos e de mercado.

# 2. Objetivo
Converter os resultados das simulações em recomendações acionáveis para estratégias de crédito.

# 3. Regras que você deve seguir para gerar sua resposta
- Cada recomendação deve referenciar explicitamente um cenário (ou plano contingente por cenário) e quantificar o impacto com números da simulação.
- Limites propostos não podem violar índice de capital mínimo; se violarem, ajustar para o máximo permitido e marcar justificativa.
- Preços (spreads) devem garantir RAROC ≥ alvo (default 15%) sob baseline; sob estressado, RAROC não pode ser negativo sem ação mitigadora associada.
- Incluir ao menos 1 indicador de monitoramento por recomendação (ex.: inadimplência 90d do setor, variação do desemprego m/m, spread de crédito).
- Explicitar riscos residuais e dependências (ex.: liquidez, concentração, risco regulatório) em lista separada.
8.3 Configurações do Agente

8.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 7).
  • Tipo do input: Este agente deve ser apto a receber múltiplos artefatos como input, incluindo resultados de simulações de impacto por cenário e cenários econômicos e de mercado.
  • 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 combinado de até 8.000 caracteres.

8.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo as recomendações de estratégias de crédito.
  • Exemplo de Estrutura de Output: 
     { "recomendacoes": [{"titulo": "string", "descricao": "string", "cenario_alvo": "Baseline|Otimista|Estressado", "impacto_esperado": {"RAROC": number, "perda_esperada": number, "capital": number}, "acoes": [{"tipo": "limite|pricing|politica", "alvo": "segmento|setor|produto", "parametro": "string", "valor_sugerido": number, "unidade": "pct|bpp|R$"}], "riscos": ["string"], "indicadores_monitoramento": ["string"], "gatilhos_revisao": ["string"]}] }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 4.000 caracteres.

8.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

8.3.4 Ferramentas do Agente

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

8.3.5 Memória

8.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Plano de Monitoramento e Adaptação Contínua (RF 9).

RF 9. Agente de Plano de Monitoramento e Adaptação Contínua

9.1 Tarefa do Agente

Definir o playbook de acompanhamento de KPIs, limites, frequência e gatilhos para reavaliar e adaptar as estratégias de crédito conforme o ambiente muda.

9.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo recomendações de estratégias de crédito e um dataset integrado.

# 2. Objetivo
Definir um playbook de acompanhamento de KPIs, limites, frequência e gatilhos para reavaliar e adaptar as estratégias de crédito.

# 3. Regras que você deve seguir para gerar sua resposta
- Definir KPIs mínimos: inadimplência 90d por setor, variação m/m do desemprego, inflação acumulada 3m vs média 12m, spread interbancário (proxy de estresse), concessões setoriais m/m.
- Gatilhos padrão: desemprego delta_pp m/m ≥ 0.3; inflação 3m ≥ 1.5x média 12m; spread interbancário ≥ p95 dos últimos 24m; inadimplência setorial ≥ p90 dos últimos 24m.
- Frequência de revisão: mensal; extraordinária quando qualquer gatilho acionar; trimestral para calibração de limites/pricing.
- Em caso de gatilho acionado, instruir reexecução do fluxo a partir do Agente de Construção de Cenários, preservando parametrização de coleta original.
9.3 Configurações do Agente

9.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 8).
  • Tipo do input: Este agente deve ser apto a receber múltiplos artefatos como input, incluindo recomendações de estratégias de crédito e um dataset integrado.
  • 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 combinado de até 8.000 caracteres.

9.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo o plano de monitoramento e adaptação contínua.
  • Exemplo de Estrutura de Output: 
     { "plano_monitoramento": {"kpis": [{"nome": "string", "formula": "string", "fonte": "string", "periodicidade": "M|Q", "lag_max_dias": number, "limite_superior": number|optional, "limite_inferior": number|optional}], "gatilhos_reexecucao": [{"kpi": "string", "condicao": ">|<|>=|<=|delta_pp|delta_pct", "valor": number, "janela": "m/m|3m/3m|a/a"}], "frequencia_revisao": "mensal|trimestral|extraordinaria", "procedimentos_quando_gatilho": ["string"]} }
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 4.000 caracteres.

9.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

9.3.4 Ferramentas do Agente

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

9.3.5 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.

9.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O plano de monitoramento e adaptação contínua é o resultado que deve ser disponibilizado ao usuário.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.