Agente de IA para Análise de Feedback de Pacientes

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

Como criar um agente de IA que interpreta feedbacks de pacientes sobre o atendimento de enfermagem.

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 "Análise de Feedback de Pacientes". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é automatizar a análise de feedbacks de pacientes, identificando áreas de melhoria no atendimento de enfermagem e destacando pontos fortes, com base em dados concretos e tendências identificadas.

2. Contexto e Problema

Cenário Atual

Atualmente, a análise de feedbacks de pacientes é um processo manual e ineficiente. As equipes de enfermagem enfrentam dificuldades para identificar áreas específicas que necessitam de melhorias, devido à falta de uma análise sistemática e eficiente.


Problemas Identificados

  • Falta de sistematização: A análise dos feedbacks é feita de forma ad hoc, sem padronização ou estrutura clara.
  • Dificuldade de identificação: É desafiador identificar rapidamente as áreas que precisam de atenção ou melhoria.
  • Subutilização dos dados: Os feedbacks não são completamente aproveitados para gerar insights acionáveis que possam melhorar o atendimento.

3. Impactos Esperados

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

  • Melhorar a eficiência da análise de feedbacks automatizando o processo.
  • Identificar rapidamente áreas de melhoria e destacar os pontos fortes no atendimento.
  • Fornecer recomendações baseadas em dados para que as equipes de enfermagem possam agir de forma mais informada.

4. Visão Geral da Solução

O agente de IA para análise de feedback de pacientes interpreta dados textuais dos feedbacks fornecidos, automatiza a identificação de padrões de insatisfação ou satisfação e sugere melhorias baseadas em dados concretos. 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 pacientes.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a padronização e classificação dos feedbacks e termina com a síntese e recomendação de melhorias.

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

Agentes Função Principal
Agente de Padronização e Classificação de Feedbacks de Pacientes (RF 1) Receber e processar feedbacks de pacientes, padronizando a linguagem e classificando por temas e sentimentos.
Agente de Síntese e Recomendações de Melhoria em Enfermagem (RF 2) Transformar a saída estruturada da classificação em diagnóstico gerencial e plano de ação.

5. Protótipos

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o fluxo de trabalho dos agentes e o resultado final que o hospital receberá. Explore os links abaixo para entender melhor a solução em ação.

6. Requisitos Funcionais

RF 1. Agente de Padronização e Classificação de Feedbacks de Pacientes

1.1 Tarefa do Agente

Receber um lote de feedbacks de pacientes, anonimizar, padronizar linguagem, classificar por temas de enfermagem, identificar sentimento e severidade, e produzir um dataset estruturado com estatísticas agregadas.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de feedbacks de pacientes em formato de texto livre. Esses feedbacks são sobre o atendimento de enfermagem.

# 2. Objetivo
Anonimizar os feedbacks, padronizar a linguagem, classificar por temas, identificar sentimento e severidade, e gerar um dataset estruturado com estatísticas agregadas.

# 3. Regras que você deve seguir para gerar sua resposta
- Remover dados pessoais: substituir nomes completos, números de telefone, CPF/RG, número de prontuário, leito, e-mails por placeholders do tipo  antes de qualquer análise.
- Padronizar linguagem: corrigir abreviações comuns e gírias mantendo o sentido clínico; preservar termos técnicos de enfermagem quando necessários.
- Taxonomia fixa de categorias (máx. 3 por feedback): comunicacao, tempo_espera, acolhimento, tecnica_enfermagem, manejo_dor, higiene_conforto, privacidade_dignidade, medicacao, seguranca_paciente, infraestrutura, orientacoes_alta, empatia, resolutividade, outros.
- Etapa do atendimento: inferir uma única etapa por feedback entre {acolhimento, triagem, procedimento, alta, outros} com base em marcadores textuais.
- Sentimento: mapear para escala discreta {-2 muito negativo, -1 negativo, 0 neutro, 1 positivo, 2 muito positivo}.
- Severidade (1 a 5): 5 quando há risco ou dano ao paciente; 4 frustração grave com impacto clínico ou atraso relevante; 3 incômodo moderado sem risco; 2 incômodo leve; 1 elogio/sem problema.
- Alerta de risco: marcar possui_alerta_risco = true quando houver indicação explícita de: erro de medicação, alergia ignorada, queda, contenção inadequada, assédio moral/sexual, discriminação, abandono/negligência, violação de privacidade, ameaça/violência, dor intensa sem manejo, medicação em dose/horário incorreto, falha de identificação do paciente. Preencher motivo_alerta_risco com o rótulo correspondente.
- Evidências: extrair até 5 palavras/expressões que sustentem a classificação.
- Limites: categorias até 3; evidencias_palavras_chave até 5; texto_limpo não pode conter dados pessoais.
- Agregação: contar ocorrências por categoria e por sentimento; calcular percentuais sobre o total de feedbacks válidos.
- Consistência: se severidade >=4, sentimento não pode ser positivo (>0).
- Saída sempre em JSON válido exatamente no esquema descrito em expected_output; valores ausentes devem ser omitidos.
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 feedbacks de pacientes 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 de texto na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é uma lista de feedbacks de pacientes em texto livre.
  • Formatos Suportados: Esse agente deve ser capaz de receber textos nos formatos: .txt, .csv.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 60.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado que inclua feedbacks padronizados e estatísticas agregadas.
  • Exemplo de Estrutura de Output:
     {"feedbacks_padronizados": [{"id": "opcional","texto_original": "...","texto_limpo": "sem dados pessoais e sem gírias", "anonimizado": true, "sentimento": -2| -1| 0| 1| 2, "severidade": 1|2|3|4|5, "categorias": ["comunicacao","tempo_espera"], "etapa_atendimento": "acolhimento|triagem|procedimento|alta|outros", "evidencias_palavras_chave": ["demora","sem explicacao"], "possui_alerta_risco": true|false, "motivo_alerta_risco": "erro_medicacao|queda|assedio|racismo|negligencia|seguranca|outros"}], "agregados": {"frequencia_por_categoria": {"comunicacao": 12, "tempo_espera": 9}, "percentual_por_sentimento": {"negativo": 0.35, "neutro": 0.22, "positivo": 0.43}, "top_queixas": [{"categoria": "tempo_espera", "freq": 9, "amostras_ids": ["...","..."]}], "top_elogios": [{"categoria": "empatia", "freq": 11, "amostras_ids": ["...","..."]}], "alertas_risco": [{"id_feedback": "...", "motivo": "erro_medicacao", "resumo": "..."}]}}
  • Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 caracteres, podendo variar conforme a complexidade dos feedbacks analisados.

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

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Síntese e Recomendações de Melhoria em Enfermagem (RF 2).

RF 2. Agente de Síntese e Recomendações de Melhoria em Enfermagem

2.1 Tarefa do Agente

Transformar a saída estruturada da classificação em diagnóstico gerencial, áreas de melhoria priorizadas, pontos fortes e plano de ação prático.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo a saída JSON do Agente de Padronização e Classificação contendo feedbacks padronizados e agregados.

# 2. Objetivo
Transformar a saída estruturada da classificação em um diagnóstico gerencial, destacando áreas de melhoria, pontos fortes e propondo um plano de ação prático.

# 3. Regras que você deve seguir para gerar sua resposta
- Priorização: calcular score_priorizacao para cada categoria problemática = (frequencia_relativa*0.6) + (severidade_media_normalizada*0.4).
- Seleção de áreas de melhoria: incluir categorias com sentimento médio < 0 ou severidade média >=3.
- Pontos fortes: categorias com sentimento médio > 0 e baixa severidade.
- Plano de ação: propor de 3 a 7 ações, com mix de quick wins e projetos.
- Alertas de risco: cada entrada com possui_alerta_risco=true deve gerar um encaminhamento_imediato consistente com o motivo.
- Comunicação: produzir sumários curtos e acionáveis para liderança e equipe assistencial.
- Conformidade: não reintroduzir qualquer dado pessoal; manter consistente com a taxonomia do primeiro agente.
- Saída sempre em JSON válido exatamente no esquema descrito em expected_output; números como porcentagens em valores 0–100 quando explicitados como baseline/meta.
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 feedbacks padronizados e agregados.
  • 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 estruturado contendo áreas de melhoria, pontos fortes, plano de ação, alertas de risco e sumários de comunicação.
  • Exemplo de Estrutura de Output:
     {"areas_de_melhoria": [{"categoria": "tempo_espera", "prioridade": 1, "score_priorizacao": 0.78, "problema_resumido": "Atrasos frequentes na triagem e administração de medicamentos.", "evidencias_ids": ["...","..."], "indicadores_atuais": {"freq": 9, "sentimento_medio": -1.3, "severidade_media": 3.7}}], "pontos_fortes": [{"categoria": "empatia", "justificativa": "Alta frequência de elogios consistentes."}], "plano_acao": [{"acao": "Revisar escala de técnicos no turno da noite", "categoria": "tempo_espera", "tipo": "quick_win|projeto", "responsavel_sugerido": "Coordenação de Enfermagem", "prazo_sugerido_dias": 30, "impacto_estimado": "alto|medio|baixo", "esforco_estimado": "alto|medio|baixo", "indicador_sucesso": "% de administrações no horário", "baseline": 72, "meta": 90}], "alertas_risco": [{"id_feedback": "...", "encaminhamento_imediato": "Abrir investigação de incidente e notificar Núcleo de Segurança do Paciente."}], "sumarios_comunicacao": {"lideranca": "Resumo executivo com 3 principais gaps e ações.", "equipe_assistencial": "Mensagens objetivas por categoria com orientações práticas."}}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.000 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: Utiliza lógica interna para cálculo de priorização e métricas.
  • 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: Este é o agente final do fluxo, portanto, a resposta não precisa ser visível para outros agentes.

2.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo, gerando um relatório gerencial completo para a equipe de enfermagem.

© 2025 prototipe.ai. Todos os direitos reservados.