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
- 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 e Benchmarking de Custos de Benefícios (RF 3).
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_searchfor 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
- Visibilidade das Instruções (Prompt): As instruções deste agente podem ser acessadas posteriormente para fins de auditoria.
- Visibilidade da Resposta: A resposta (benchmarks coletados) deve ser visível para o Agente de Análise e Benchmarking de Custos de Benefícios (RF 3).
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
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta deve ser visível para o Agente de Modelagem de Otimizações e Cenários (RF 4).
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
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta deve ser visível para o Agente de Síntese Executiva e Plano de Ação (RF 5).
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.