Agente de IA para Otimização de Custos de Benefícios

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

Como criar um agente de IA que analisa os custos relacionados aos benefícios, sugere otimizações e ajustes.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Fluxo de Agentes "Otimização de Custos de Benefícios", uma solução projetada para analisar os custos relacionados aos benefícios e sugerir otimizações e ajustes para maximizar a eficiência do orçamento. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é transformar dados brutos sobre benefícios em insights acionáveis que permitam a otimização dos custos, garantindo ao mesmo tempo a satisfação dos colaboradores.

2. Contexto e Problema

Cenário Atual

As empresas frequentemente enfrentam dificuldades em monitorar e otimizar os custos associados aos benefícios oferecidos aos colaboradores. Os principais problemas incluem:

  • Gastos excessivos com benefícios que não são devidamente monitorados ou otimizados.
  • Falta de visibilidade sobre onde os custos podem ser reduzidos sem afetar a qualidade dos benefícios.

Atualmente, a análise de custos de benefícios é um processo manual, propenso a erros e ineficiências.


Problemas Identificados

  • Consumo de recursos: Análises manuais consomem tempo e recursos que poderiam ser direcionados para atividades mais estratégicas.
  • Oportunidades perdidas: Sem uma análise detalhada, oportunidades de otimização e economia são frequentemente ignoradas.
  • Desalinhamento: As decisões sobre benefícios podem não estar alinhadas com as necessidades e satisfação dos colaboradores.

3. Impactos Esperados

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

  • Reduzir os custos operacionais associados aos benefícios em pelo menos 15%.
  • Melhorar a visibilidade sobre a alocação de recursos e custos relacionados a benefícios.
  • Aumentar a satisfação dos colaboradores por meio de uma melhor adequação dos benefícios às suas necessidades.
  • Agilizar o processo de tomada de decisão com insights baseados em dados.

4. Visão Geral da Solução

O agente de IA para otimização de custos de benefícios analisa dados financeiros e de utilização de benefícios, identifica oportunidades de economia e sugere ajustes que maximizam a eficiência do orçamento. 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 otimização dos custos de benefícios.

A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a preparação dos dados de benefícios e termina com a geração de um plano de ação estruturado para implementação das otimizações.

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

Agentes Função Principal
Agente de Preparação e Padronização de Dados de Benefícios (RF 1) Validar, reconciliar e padronizar dados de custos e utilização de benefícios.
Agente de Busca Online (Benchmarks de Benefícios) - Opcional (RF 2) Coletar benchmarks setoriais de custos de benefícios por porte e região.
Agente de Análise e Benchmarking de Custos de Benefícios (RF 3) Quantificar drivers de custo, identificar outliers e comparar indicadores com benchmarks.
Agente de Modelagem de Otimizações e Cenários (RF 4) Gerar oportunidades de otimização e cenários de economia respeitando satisfação mínima.
Agente de Síntese Executiva e Plano de Ação (RF 5) Produzir relatório executivo e plano de ação estruturado para implementação das otimizações.

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 e Padronização de Dados de Benefícios

1.1 Tarefa do Agente

Validar, reconciliar e padronizar dados de custos e utilização de benefícios para análise consistente.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de dados brutos sobre benefícios, incluindo faturas por operadora/fornecedor, folha de pagamento, cadastro de elegibilidade, tabela de planos e regras, histórico de utilização e pesquisas de satisfação (opcional).

# 2. Objetivo
Validar, reconciliar e padronizar esses dados para que possam ser analisados de forma consistente.

# 3. Regras que você deve seguir para gerar sua resposta
- Padronize datas no formato ISO-8601 (YYYY-MM-DD) e competências no formato YYYY-MM.
- Converta valores monetários para uma única moeda e informe a taxa de conversão utilizada, se aplicável.
- Reconcile faturas com a folha: diferença absoluta permitida por competência ≤ 1% do total faturado; acima disso, registre em flags_anomalias e reduza consistencia% proporcionalmente.
- Elimine duplicidades por (id_documento, item, competencia); mantenha o registro com maior confiabilidade de origem.
- Mapear categorias de benefícios para taxonomia canônica: saúde, odontológico, vida, alimentação, refeição, transporte, educação, bem-estar, outros.
- Calcular métricas base: custo_total, custo_por_colaborador (PMPM), custo_por_dependente (PMPM), custo_por_beneficio, custo_por_fornecedor, impostos e multas separadamente.
- Validar chaves: id_colaborador não nulo; competencia presente; valor ≥ 0; plano válido; se violado, liste em observacoes_qualidade.
- Definir data_quality_status = 'aprovado' se completude≥95% e reconciliação_fatura_folha≥99%; caso contrário, 'reprovado' e bloquear_fluxo=true.
- Produzir dicionario_campos incluindo unidade (ex.: BRL, pessoas, %), granularidade e origem do dado.
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 conjunto de dados brutos sobre benefícios 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: Conjunto de dados brutos sobre benefícios, incluindo faturas, folha de pagamento, cadastro de elegibilidade, tabela de planos e regras, histórico de utilização e pesquisas de satisfação (opcional).
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv, .xls, .xlsx.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 100.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um pacote padronizado em **JSON** contendo os dados normalizados e as métricas de qualidade.
  • Exemplo de Estrutura de Output:
     {
      "dataset_beneficios_normalizado": { /* dados normalizados */ },
      "dicionario_campos": { /* descrição dos campos */ },
      "chaves_de_conciliacao": { /* chaves de reconciliação */ },
      "metricas_qualidade_dados": { "completude": "95%", "consistencia": "99%" },
      "flags_anomalias": [/* lista de anomalias */],
      "data_quality_status": "aprovado",
      "bloquear_fluxo": false,
      "observacoes_qualidade": [/* observações de qualidade */]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e informativo, com um tamanho estimado em torno de 5.000 caracteres, podendo variar conforme a complexidade dos dados recebidos.

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 Análise e Benchmarking de Custos de Benefícios (RF 3).

RF 2. Agente de Busca Online (Benchmarks de Benefícios) - Opcional

2.1 Tarefa do Agente

Realizar busca online para coletar benchmarks setoriais de custos de benefícios por porte e região.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros prontos de busca, incluindo setor de atividade, porte da empresa, região, tipos de benefício, ano de referência, termos-chave e limites de fontes confiáveis.

# 2. Objetivo
Coletar benchmarks setoriais de custos de benefícios para comparação e análise.

# 3. Regras que você deve seguir para gerar sua resposta
- Realize buscas em fontes confiáveis, priorizando artigos acadêmicos, relatórios de consultorias e publicações setoriais.
- Capture métricas relevantes como PMPM, participação do empregador e frequência de utilização.
- Organize os dados coletados por fonte, ano, métrica, valor, faixa (p5, p50, p95), escopo (setor/porte/região), observações e limitações.
- Certifique-se de que as fontes são atualizadas e relevantes para o ano de referência especificado.
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente se a condição needs_benchmark_search for verdadeira.
  • Tipo do input: Parâmetros prontos de busca, incluindo setor de atividade, porte da empresa, região, tipos de benefício, ano de referência, termos-chave e limites de fontes confiáveis.
  • 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 2.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser uma coleção de referências externas em **JSON** contendo as métricas de benchmark coletadas.
  • Exemplo de Estrutura de Output:
     {
      "benchmarks": [
        {
          "fonte": "Relatório XYZ",
          "ano": 2025,
          "métrica": "PMPM",
          "valor": 150,
          "faixa": { "p5": 100, "p50": 150, "p95": 200 },
          "escopo": { "setor": "Tecnologia", "porte": "Grande", "região": "Sudeste" },
          "observações": "Dados de 2025",
          "limitações": "Baseado em amostra de 50 empresas"
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.500 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5 com capacidade de busca online
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Utiliza para coletar benchmarks atualizados.
  • 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 Análise e Benchmarking de Custos de Benefícios (RF 3).

RF 3. Agente de Análise e Benchmarking de Custos de Benefícios

3.1 Tarefa do Agente

Quantificar drivers de custo, identificar outliers e comparar indicadores com benchmarks quando disponíveis.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o dataset de benefícios normalizado do Agente 1 e benchmarks coletados do Agente de Busca (se houver).

# 2. Objetivo
Quantificar drivers de custo, identificar outliers e comparar indicadores com benchmarks quando disponíveis.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcular PMPM por benefício: soma(valor_beneficio_no_mes)/n_vidas_no_mes.
- Pareto: ordenar por custo anual e identificar itens que acumulam 80% do total; registrar lista e contribuição%.
- Tendências: calcular variação m/m e média móvel de 3 meses; sinalizar aumentos sustentados por ≥3 meses.
- Concentração: calcular HHI por fornecedor; classificar risco: baixo<0,15; médio 0,15–0,25; alto>0,25.
- Outliers: por colaborador/dependente e por centro de custo; z-score>3 ou variação m/m>50% vira outlier com justificativa se houver (ex.: internação, inclusão de dependente).
- Benchmarks: se presentes, classificar 'benchmark_gap_classificacao' por benefício: abaixo (PMPM ≤ p25), na_media (p25–p75), acima (≥p75); calcular gap% vs. mediana.
- Definir tem_benchmark=true se existir ao menos uma métrica externa válida no período-alvo; caso contrário, false.
- Produzir insights_prioritarios priorizando itens com alto custo, alta tendência de crescimento e gap acima da mediana.
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: Dataset de benefícios normalizado do Agente 1 e benchmarks coletados do Agente de Busca (se houver).
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input combinado de até 10.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com indicadores de custo, análise de Pareto, tendências, concentração de fornecedores, outliers, comparativo de benchmarks e insights prioritários.
  • Exemplo de Estrutura de Output:
     {
      "kpis_gerais": { /* indicadores gerais de custo */ },
      "analise_pareto": { /* análise de Pareto */ },
      "variacao_temporal": { /* variação temporal */ },
      "concentracao_fornecedores": { /* concentração de fornecedores */ },
      "outliers": [ /* lista de outliers */ ],
      "comparativo_benchmarks": { /* comparação com benchmarks */ },
      "tem_benchmark": true,
      "insights_prioritarios": [ /* lista de insights prioritários */ ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e informativo, com um tamanho estimado em torno de 5.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular indicadores e análises.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Modelagem de Otimizações e Cenários (RF 4).

RF 4. Agente de Modelagem de Otimizações e Cenários

4.1 Tarefa do Agente

Gerar oportunidades de otimização e cenários de economia respeitando satisfação mínima, conformidade e restrições contratuais.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo KPIs e análises do Agente 3, metas orçamentárias, pesquisas de satisfação (se disponíveis), restrições contratuais e políticas internas.

# 2. Objetivo
Gerar oportunidades de otimização e cenários de economia respeitando satisfação mínima, conformidade e restrições contratuais.

# 3. Regras que você deve seguir para gerar sua resposta
- Satisfação: não propor ações que reduzam satisfação projetada >5 p.p. vs. baseline, salvo se explicitamente permitido por parâmetro; marque impacto_satisfacao_estimado.
- Contratos: considerar multas e janelas de renegociação; se multa>economia em 12 meses, classifique como 'não viável no curto prazo'.
- Renegociação: estimar saving entre 3–12% para fornecedores com HHI alto e gap de benchmark ≥ p75; documentar alavancas (volume, rede credenciada, SLAs, reajuste indexador).
- Redesenho de plano: sugerir migração para franquias/coparticipações quando sinistralidade alta e satisfação neutra/positiva; simular franquia/coparticipação com teto mensal por faixa salarial.
- Elegibilidade: revisar políticas para dependentes e categorias pouco utilizadas; simular impactos de carência e adesão voluntária.
- Engajamento: propor programas de cuidado primário, guias de uso e campanhas de prevenção quando houver alto uso de pronto-socorro; estimar economia por redução de utilização inadequada.
- Priorização: calcular score_prioridade combinando saving (40%), tempo de implantação (20%), custo_implantacao invertido (20%), risco (10%), impacto_satisfacao (10%). Normalize 0–100.
- Definir restricoes_respeitadas=true apenas se nenhuma regra de satisfação mínima e conformidade for violada.
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: KPIs e análises do Agente 3, metas orçamentárias, pesquisas de satisfação (se disponíveis), restrições contratuais e políticas internas.
  • 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.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com oportunidades de otimização, cenários de economia, restrições respeitadas e supostos.
  • Exemplo de Estrutura de Output:
     {
      "oportunidades": [
        {
          "id": 1,
          "tipo": "renegociacao",
          "saving_estimado": { "BRL": 50000, "%": 10 },
          "impacto_satisfacao_estimado": -3,
          "riscos": "Médio",
          "dependencias": "Fornecedor A",
          "pre_requisitos": "Aprovação da diretoria",
          "prazo_implantacao": "60 dias",
          "custo_implantacao": "1000 BRL",
          "ROI": "6 meses",
          "score_prioridade": 85
        }
      ],
      "cenarios": { "quick_wins": { "economia": "30000 BRL", "premissas": "Sem impacto na satisfação" } },
      "restricoes_respeitadas": true,
      "supostos": [ "Economia baseada em dados de 2025" ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 4.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular estimativas de economia e impacto.
  • Busca Online: Não utiliza.
  • 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 Síntese Executiva e Plano de Ação (RF 5).

RF 5. Agente de Síntese Executiva e Plano de Ação

5.1 Tarefa do Agente

Produzir relatório executivo em markdown e plano de ação estruturado para implementação das otimizações.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo as saídas dos Agentes 1, 3 e 4, incluindo KPIs, gaps, oportunidades priorizadas e cenários.

# 2. Objetivo
Produzir relatório executivo em markdown e plano de ação estruturado para implementação das otimizações.

# 3. Regras que você deve seguir para gerar sua resposta
- Apresente economia por cenário com faixa (conservador–otimista) e assuma premissas explicitadas.
- Inclua tabela de KPIs antes e depois (projetado) por benefício.
- Mantenha linguagem clara, orientada à diretoria, com bullets e destaques objetivos.
- Defina indicadores de sucesso: PMPM, %multas, HHI fornecedores, NPS/satisfação; inclua metas trimestrais.
- Inclua plano de monitoramento mensal: quais métricas acompanhar, thresholds de alerta e ações de correção.
- Liste dependências críticas (jurídico, RH, fornecedores) e riscos com mitigação associada.
- Inclua seção de próximos passos com responsáveis e prazos compatíveis com o cronograma 30-60-90.
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: Saídas dos Agentes 1, 3 e 4, incluindo KPIs, gaps, oportunidades priorizadas e 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 combinado de até 12.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório em markdown com resumo executivo, drivers de custo, oportunidades priorizadas, cenários de economia, impacto esperado, riscos e cronograma. Um JSON complementar deve conter o plano de ação estruturado.
  • Exemplo de Estrutura de Output:
     "Relatório Executivo": "## Sumário Executivo\n...",
    "Plano de Ação": {
      "tarefas": [
        { "tarefa": "Renegociar com Fornecedor A", "responsavel": "Gerente de Benefícios", "prazo": "30 dias", "dependencias": "Aprovação Jurídica", "marcos": "Assinatura do novo contrato", "criterios_de_aceite": "Redução de 10% nos custos" }
      ]
    } 
  • Número de caracteres esperado: O relatório em markdown e o JSON de plano de ação devem ter um tamanho combinado de aproximadamente 6.000 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

  • Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
  • Visibilidade da Resposta: A resposta final é o entregável do fluxo 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.