Agente de IA para Análise de Feedback de Avaliações de Curso

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

Como criar um agente de IA que consolida e analisa feedbacks de avaliações de curso para identificar pontos fortes e áreas que necessitam de melhorias.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Análise de Feedback de Avaliações de Curso". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é consolidar e analisar feedbacks de avaliações de curso de forma eficiente, identificando pontos fortes e áreas que necessitam de melhorias.

2. Contexto e Problema

O processo atual de análise de feedbacks de avaliações de curso é manual e demorado, dependendo de múltiplas fontes de dados, como LMS, formulários NPS, aplicativos móveis e documentos exportados. As principais dificuldades incluem:

  • Consolidação de feedbacks de múltiplas fontes de forma eficiente.
  • Identificação de padrões, pontos fortes e áreas de melhoria nos dados.

Essas dificuldades resultam em análises inconsistentes e atrasos na implementação de melhorias nos cursos.

3. Impactos Esperados

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

  • Melhorar a eficiência na consolidação de feedbacks de múltiplas fontes.
  • Aumentar a precisão na identificação de padrões e áreas de melhoria.
  • Reduzir o tempo necessário para análise de feedbacks e implementação de melhorias.
  • Padronizar a qualidade das análises de feedback através de critérios objetivos e consistentes.

4. Visão Geral da Solução

O agente de IA para análise de feedback de avaliações de curso coleta e consolida feedbacks de múltiplas fontes, aplica regras para identificar padrões e áreas de melhoria, e gera um relatório analítico estruturado. 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 análise de feedbacks de avaliações de curso.

A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a coleta de feedbacks de múltiplas fontes e termina com a geração de um relatório analítico estruturado.

Agentes Função Principal
Agente de Preparação de Coleta Multicanal (RF 1) Definir o escopo de coleta e preparar os parâmetros para captura de feedbacks.
Agente de Execução de Chamada à API (RF 2) Realizar chamadas às APIs das fontes definidas para obter os feedbacks.
Agente de Execução de Consulta a Documento (RF 3) Realizar consulta a documentos/arquivos para extrair os registros de feedback.
Agente de Consolidação e Normalização de Feedbacks (RF 4) Consolidar dados provenientes de APIs e documentos em um dataset único.
Agente de Análise de Feedbacks (RF 5) Identificar padrões, pontos fortes e áreas de melhoria a partir do dataset normalizado.

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 Multicanal

1.1 Tarefa do Agente

Definir o escopo de coleta, padronizar o schema alvo e preparar os parâmetros/payloads para captura de feedbacks em múltiplas fontes (APIs e documentos).

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de fontes de dados e parâmetros necessários para a coleta de feedbacks.

# 2. Objetivo
Definir o escopo de coleta e preparar os parâmetros/payloads necessários para captura de feedbacks em múltiplas fontes.

# 3. Regras que você deve seguir para gerar sua resposta
- Defina um schema_target mínimo com os campos necessários para a análise de feedbacks.
- Mapeie, para cada fonte, como cada campo será obtido e transformado até o schema_target.
- Estabeleça filtros de período e critérios de qualidade para os feedbacks coletados.
- Defina chave de deduplicação para garantir a integridade dos dados coletados.

# 4. Exemplo de Output que você deve produzir
{
  "schema_target": {
    "feedback_id_externo": "string",
    "source": "string",
    "course_id": "string",
    "course_name": "string",
    "instructor_name": "string",
    "turma_id": "string",
    "created_at_utc": "string",
    "rating_valor": "number",
    "rating_escala": "string",
    "nps_score": "number",
    "comment_text": "string",
    "language_detected": "string",
    "user_role": "string",
    "platform_channel": "string",
    "module/topic": "string",
    "origem_arquivo": "string",
    "source_reference": "string"
  },
  "criteria": {
    "period_filter": {"start_date": "string", "end_date": "string"},
    "quality_filters": {"min_length": 5, "exclude_empty": true}
  }
} 
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 fontes de dados e parâmetros via API. Na fase de testes, os dados serão enviados pelo 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 uma lista de fontes de dados e parâmetros necessários para a coleta de feedbacks.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input com até 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo o schema_target padronizado e os critérios de coleta definidos.
  • Exemplo de Estrutura de Output:
     {
      "schema_target": {
        "feedback_id_externo": "string",
        "source": "string",
        "course_id": "string",
        "course_name": "string",
        "instructor_name": "string",
        "turma_id": "string",
        "created_at_utc": "string",
        "rating_valor": "number",
        "rating_escala": "string",
        "nps_score": "number",
        "comment_text": "string",
        "language_detected": "string",
        "user_role": "string",
        "platform_channel": "string",
        "module/topic": "string",
        "origem_arquivo": "string",
        "source_reference": "string"
      },
      "criteria": {
        "period_filter": {"start_date": "string", "end_date": "string"},
        "quality_filters": {"min_length": 5, "exclude_empty": true}
      }
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 1.500 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 das fontes definidas para obter os feedbacks conforme payloads preparados.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de payloads de API preparados para a coleta de feedbacks.

# 2. Objetivo
Realizar chamadas às APIs das fontes definidas e obter os feedbacks conforme os payloads preparados.

# 3. Regras que você deve seguir para gerar sua resposta
- Execute as chamadas às APIs utilizando os endpoints e parâmetros fornecidos.
- Preserve os metadados de chamada, como fonte, endpoint, intervalo e paginação aplicada.

# 4. Exemplo de Output que você deve produzir
{
  "responses": [
    {
      "source": "LMS",
      "endpoint": "/api/feedbacks",
      "data": [{...}],
      "metadata": {
        "interval": "2025-01-01/2025-12-31",
        "pagination": "page=1"
      }
    }
  ]
} 
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 uma lista de payloads de API preparados para a coleta de feedbacks.
  • 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 com até 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo as respostas das chamadas às APIs, incluindo metadados de chamada.
  • Exemplo de Estrutura de Output:
     {
      "responses": [
        {
          "source": "LMS",
          "endpoint": "/api/feedbacks",
          "data": [{...}],
          "metadata": {
            "interval": "2025-01-01/2025-12-31",
            "pagination": "page=1"
          }
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá realizar chamadas às APIs externas utilizando os payloads recebidos.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Normalização de Feedbacks (RF 4).

RF 3. Agente de Execução de Consulta a Documento

3.1 Tarefa do Agente

Realizar consulta a documentos/arquivos fornecidos para extrair os registros de feedback.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros para consulta a documentos/arquivos contendo registros de feedbacks.

# 2. Objetivo
Realizar consulta a documentos/arquivos fornecidos para extrair os registros de feedback.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilize os parâmetros fornecidos para localizar e extrair os registros dos documentos.
- Mapeie os registros extraídos para os campos do schema_target definido.

# 4. Exemplo de Output que você deve produzir
{
  "document_responses": [
    {
      "file_name": "feedbacks_2025.csv",
      "data": [{...}],
      "metadata": {
        "extracted_on": "2025-12-02",
        "source_reference": "uri"
      }
    }
  ]
} 
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 1).
  • Tipo do input: Este agente deve ser apto a receber parâmetros para consulta a documentos/arquivos contendo registros de feedbacks.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input com até 10.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo os registros de feedback extraídos dos documentos, incluindo metadados de extração.
  • Exemplo de Estrutura de Output:
     {
      "document_responses": [
        {
          "file_name": "feedbacks_2025.csv",
          "data": [{...}],
          "metadata": {
            "extracted_on": "2025-12-02",
            "source_reference": "uri"
          }
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)

3.3.4 Ferramentas do Agente

  • Documentos: O agente deverá realizar consultas a documentos/arquivos fornecidos utilizando os parâmetros recebidos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Normalização de Feedbacks (RF 4).

RF 4. Agente de Consolidação e Normalização de Feedbacks

4.1 Tarefa do Agente

Consolidar dados provenientes de APIs e documentos em um dataset único, padronizado e deduplicado, pronto para análise.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de feedbacks provenientes de APIs e documentos, além do schema_target para consolidação.

# 2. Objetivo
Consolidar os dados em um dataset único, padronizado e deduplicado, pronto para análise.

# 3. Regras que você deve seguir para gerar sua resposta
- Unifique os registros no schema_target definido, mantendo rastreabilidade via source_reference.
- Aplique a chave de deduplicação e remova duplicatas, preservando o registro com maior completude de campos.
- Normalize rating para rating_normalizado_0_1 e registre rating_escala e nps_score (se houver).
- Detecte idioma e preencha language_detected; crie comment_text_pt_br traduzido para pt-BR quando necessário.
- Masque PII visível no comentário, preservando o restante do texto.
- Rejeite registros sem comentário útil ou contendo somente caracteres repetidos/emojis.

# 4. Exemplo de Output que você deve produzir
{
  "dataset_normalizado": [
    {
      "feedback_id_externo": "12345",
      "course_id": "ABC123",
      "comment_text": "Ótimo curso!",
      "rating_normalizado_0_1": 0.8,
      "language_detected": "pt",
      "comment_text_pt_br": "Ótimo curso!"
    }
  ]
} 
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 2 ou RF 3).
  • Tipo do input: Este agente deve ser apto a receber dados de feedbacks provenientes de APIs e documentos, além do schema_target para consolidação.
  • 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 com até 20.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo o dataset consolidado e normalizado, pronto para análise.
  • Exemplo de Estrutura de Output:
     {
      "dataset_normalizado": [
        {
          "feedback_id_externo": "12345",
          "course_id": "ABC123",
          "comment_text": "Ótimo curso!",
          "rating_normalizado_0_1": 0.8,
          "language_detected": "pt",
          "comment_text_pt_br": "Ótimo curso!"
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 10.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

4.3.5 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 Análise de Feedbacks (RF 5).

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise de Feedbacks (RF 5).

RF 5. Agente de Análise de Feedbacks

5.1 Tarefa do Agente

Identificar padrões, pontos fortes e áreas de melhoria a partir do dataset normalizado de feedbacks de curso.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset normalizado de feedbacks de curso, pronto para análise.

# 2. Objetivo
Identificar padrões, pontos fortes e áreas de melhoria a partir do dataset normalizado.

# 3. Regras que você deve seguir para gerar sua resposta
- Classifique cada comentário em categorias pré-definidas, como Conteúdo, Didática do Instrutor, Materiais, Plataforma, etc.
- Atribua polaridade (positivo/negativo/neutro) e intensidade (baixa/média/alta) para cada comentário-tema.
- Reporte temas com pelo menos 5 menções ou >= 5% do total; calcule saldo de sentimento por tema.
- Liste top 3-5 pontos fortes e áreas de melhoria com estatísticas e citações representativas.

# 4. Exemplo de Output que você deve produzir
{
  "analise_feedbacks": {
    "pontos_fortes": [
      {"tema": "Didática do Instrutor", "menções": 10, "saldo": 30, "citações": ["Ótima didática!", "Instrutor claro e objetivo."]}
    ],
    "areas_melhoria": [
      {"tema": "Plataforma", "menções": 8, "saldo": -20, "citações": ["Dificuldade de navegação.", "Interface confusa."]}
    ]
  }
} 
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 um dataset normalizado de feedbacks de curso, pronto para análise.
  • 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 com até 10.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo a análise dos feedbacks, incluindo padrões, pontos fortes e áreas de melhoria.
  • Exemplo de Estrutura de Output:
     {
      "analise_feedbacks": {
        "pontos_fortes": [
          {"tema": "Didática do Instrutor", "menções": 10, "saldo": 30, "citações": ["Ótima didática!", "Instrutor claro e objetivo."]}
        ],
        "areas_melhoria": [
          {"tema": "Plataforma", "menções": 8, "saldo": -20, "citações": ["Dificuldade de navegação.", "Interface confusa."]}
        ]
      }
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

5.3.5 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.

5.3.6 Regras de Orquestração e Transição

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

© 2025 prototipe.ai. Todos os direitos reservados.