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 para Estruturar Dados de Chats de Saúde, que transforma conversas desestruturadas sobre saúde clínica e saúde mental em dados estruturados. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é processar conversas para extrair dados que podem ser usados em dashboards e análises preditivas, assegurando a confidencialidade e a privacidade dos dados dos usuários.
2. Contexto e Problema
Cenário Atual
No contexto atual, as conversas entre pacientes e profissionais de saúde são frequentemente registradas de forma desestruturada, o que dificulta a análise e o uso desses dados para insights preditivos e melhorias no atendimento.
Problemas Identificados
- Dificuldade na análise de dados: Conversas desestruturadas são difíceis de serem analisadas para insights úteis.
- Falta de padronização: Informações de saúde são registradas de formas variadas, dificultando o uso eficiente dos dados.
- Privacidade e confidencialidade: A proteção dos dados dos usuários é uma preocupação constante.
3. Impactos Esperados
A implementação deste agente visa alcançar os seguintes resultados:
- Melhorar a estruturação de dados de saúde para facilitar análises preditivas.
- Padronizar o formato de registro de informações de saúde para uso consistente em dashboards.
- Assegurar a privacidade dos dados dos usuários durante todo o processo de estruturação.
4. Visão Geral da Solução
O agente de IA para estruturar dados de chats de saúde transforma conversas desestruturadas em dados organizados, categorizando informações como sintomas e tratamentos. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue de forma eficaz.
A solução consiste em um agente de IA que processa conversas desestruturadas e gera dados estruturados para uso em análises e dashboards.
| Agentes | Função Principal |
|---|---|
Agente de Estruturação de Dados de Chats de Saúde (RF 1)
| Transformar conversas desestruturadas em dados estruturados. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos que demonstram como o agente processa as conversas e estrutura os dados. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Estruturação de Dados de Chats de Saúde
1.1 Tarefa do Agente
Transformar conversas desestruturadas sobre saúde clínica e saúde mental em dados estruturados.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo conversas desestruturadas sobre saúde clínica e saúde mental. Essas conversas contêm dúvidas dos usuários, discussões de sintomas e orientações recebidas. # 2. Objetivo Transformar essas conversas em dados estruturados que podem ser utilizados para dashboards e análises preditivas. # 3. Regras que você deve seguir para gerar sua resposta - Extraia informações relevantes, como sintomas, diagnósticos, tratamentos e recomendações médicas. - Classifique as informações extraídas em categorias pré-definidas, como tipo de condição de saúde, gravidade dos sintomas e urgência do atendimento. - Assegure a confidencialidade e a privacidade dos dados dos usuários durante o processo de estruturação. - Padronize os dados extraídos para garantir consistência, utilizando terminologias médicas reconhecidas e formatos de dados estruturados. - Realize verificações cruzadas com fontes de referência para validar a precisão dos dados estruturados. - Registre metadados relevantes, como data e hora da conversa, para contextualizar as informações estruturadas. - Identifique e sinalize informações ambíguas ou incompletas que possam necessitar de revisão ou acompanhamento humano.
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 conversas desestruturadas 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: Conversas desestruturadas sobre saúde clínica e mental.
-
Formatos Suportados: Esse agente deve ser capaz de receber conversas em formatos:
.txt,.docx,.pdf. - 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 arquivo no formato **JSON** que organiza as informações extraídas em categorias pré-definidas e registra metadados relevantes.
-
Exemplo de Estrutura de Output:
{ "data_estruturada": [ { "sintomas": "Febre alta, dor de cabeça", "diagnostico": "Possível infecção viral", "tratamentos": "Analgésicos, repouso", "recomendacoes": "Consultar médico se os sintomas persistirem" } ], "metadados": { "data_hora": "2025-09-07T20:15:00", "origem": "chat" } } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 caracteres, podendo variar conforme a complexidade e o volume das informações estruturadas.
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 não precisa ser visível para outros agentes, pois é o resultado final do fluxo.
1.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo, entregando o JSON estruturado como resultado final para uso em dashboards e análises preditivas.