PrototipeAI | Agente de IA para Previsão de Alterações de Crédito

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para um agente de IA para previsão de alterações de crédito. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é prever alterações nos perfis de crédito dos clientes, permitindo que as empresas tomem decisões proativas baseadas nas previsões realizadas.

2. Contexto e Problema

As empresas enfrentam dificuldades em prever alterações nos perfis de crédito dos clientes, o que limita a capacidade de tomar decisões proativas. A ausência de um sistema eficaz de previsão pode resultar em decisões reativas e perda de oportunidades de negócio.

Dificuldade em prever alterações nos perfis de crédito dos clientes.
Falta de capacidade para tomar decisões proativas baseadas em previsões de crédito.
Necessidade de um sistema que antecipe mudanças no perfil de crédito de clientes.

3. Impactos Esperados

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

Aumento da precisão na previsão de alterações de crédito.
Tomada de decisões proativas com base nas previsões de crédito.
Antecipação de mudanças nos perfis de crédito dos clientes, melhorando a gestão de risco.

4. Visão Geral da Solução

O agente de IA para previsão de alterações de crédito analisa dados de crédito dos clientes, aplica algoritmos preditivos e fornece insights que permitem ações proativas. 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 previsão de alterações de crédito.

A solução consiste em um fluxo de automação composto por 4 agentes de IA. O processo inicia com a validação e padronização dos dados de crédito dos clientes e termina com recomendações de ações proativas baseadas nas previsões realizadas.

Agentes	Função Principal
`Agente de Validação e Padronização de Dados de Crédito` (RF 1)	Validar e padronizar os dados de crédito de clientes para uso no fluxo preditivo.
`Agente de Engenharia de Atributos de Risco` (RF 2)	Gerar atributos derivados e sinais de risco a partir dos dados padronizados.
`Agente de Previsão de Alterações de Crédito` (RF 3)	Prever alterações prováveis no perfil de crédito por cliente em horizontes de 30, 60 e 90 dias.
`Agente de Recomendação de Ações Proativas` (RF 4)	Transformar previsões em ações operacionais proativas com segmentação e métricas esperadas.

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.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Validação e Padronização de Dados de Crédito

1.1 Tarefa do Agente

Validar esquema, consistência e padronizar os dados de crédito de clientes para uso no fluxo preditivo.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com uma lista de clientes contendo informações detalhadas sobre seus perfis de crédito.

# 2. Objetivo
Validar e padronizar os dados de crédito para garantir consistência e prontidão para uso nos agentes subsequentes.

# 3. Regras que você deve seguir para gerar sua resposta
- Validar presença de campos obrigatórios; se ausentes, adicionar em data_quality_issues com o caminho do campo e marcar dados_validados=false quando faltarem campos críticos.
- Normalizar tipos: converter números em ponto flutuante; garantir score_atual entre 0 e 1000; limitar utilizacao_limite_atual ao intervalo 0-1; valores negativos devem ser truncados para 0.
- Imputar faltantes não críticos com regras predefinidas.
- Calcular data_quality_score como 1 - (0,25*(qtd_campos_criticos_faltantes) + 0,10*(qtd_campos_nao_criticos_faltantes) + 0,05*(qtd_ajustes_coercao_tipo)) normalizado para [0,1].
- Definir dados_validados=true apenas se data_quality_score>=0,7 e não houver campos críticos faltantes.
- Preencher schema_version="v1.0-credito" e amostra_estatisticas com média, min, max de campos relevantes.

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 JSON com dados de crédito 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: O input inicial é um JSON contendo dados de crédito dos clientes.
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 100.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser um JSON com os dados padronizados e informações de qualidade dos dados.

Exemplo de Estrutura de Output:

 {
  "clientes_padronizados": [...],
  "dados_validados": true,
  "data_quality_score": 0.85,
  "data_quality_issues": [...],
  "schema_version": "v1.0-credito",
  "amostra_estatisticas": {...}
}

Número de caracteres esperado: O JSON gerado deve ser conciso, com um tamanho estimado em torno de 5.000 caracteres.

1.3.3 Parâmetros de Geração

Modelo: GPT-5
Temperatura: 0.5

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 Engenharia de Atributos de Risco (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Engenharia de Atributos de Risco (RF 2).

RF 2. Agente de Engenharia de Atributos de Risco

2.1 Tarefa do Agente

Gerar atributos derivados e sinais de risco a partir dos dados padronizados para suportar a previsão de alterações de crédito.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com clientes padronizados e informações de qualidade dos dados.

# 2. Objetivo
Gerar atributos derivados e sinais de risco para cada cliente, que serão usados para prever alterações de crédito.

# 3. Regras que você deve seguir para gerar sua resposta
- Reconstituir séries: usar historico_pagamentos_meses para calcular métricas de atraso e pagamento.
- Calcular trend_score, divida_renda, utilizacao_media_3m e outras métricas conforme regras predefinidas.
- Gerar sinais de risco com base em métricas calculadas e regras específicas.
- Incluir rationale textual explicando valores e limiares atingidos para cada sinal.

2.3 Configurações do Agente

2.3.1 Especificação do Input

Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
Tipo do input: Este agente deve ser apto a receber um JSON com clientes padronizados e dados validados.
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 50.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um JSON com atributos derivados e sinais de risco para cada cliente.

Exemplo de Estrutura de Output:

 {
  "features_por_cliente": [...],
  "risk_signals": [...]
}

Número de caracteres esperado: O JSON gerado deve ser conciso, com um tamanho estimado em torno de 5.000 caracteres.

2.3.3 Parâmetros de Geração

Modelo: GPT-5
Temperatura: 0.5

2.3.4 Ferramentas do Agente

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

2.3.5 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 Previsão de Alterações de Crédito (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Previsão de Alterações de Crédito (RF 3).

RF 3. Agente de Previsão de Alterações de Crédito

3.1 Tarefa do Agente

Prever alterações prováveis no perfil de crédito por cliente em horizontes de 30, 60 e 90 dias, com confiança e justificativa.

3.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com features e sinais de risco para cada cliente.

# 2. Objetivo
Prever alterações no perfil de crédito de cada cliente e fornecer uma justificativa detalhada para cada previsão.

# 3. Regras que você deve seguir para gerar sua resposta
- Determinar classe base pela hierarquia de risco e ajustar com base em sinais positivos ou recuperação.
- Definir horizonte de previsão de acordo com a classe de risco.
- Calcular confiança na previsão e incluir rationale com sinais contribuintes.

3.3 Configurações do Agente

3.3.1 Especificação do Input

Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 2).
Tipo do input: Este agente deve ser apto a receber um JSON com features e sinais de risco para cada cliente.
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 50.000 caracteres.

3.3.2 Especificação do Output

Formato de output: O output deve ser um JSON com previsões detalhadas para cada cliente.
Exemplo de Estrutura de Output:
```
 {
  "previsoes": [...]
} 
```
Número de caracteres esperado: O JSON gerado deve ser conciso, com um tamanho estimado em torno de 5.000 caracteres.

3.3.3 Parâmetros de Geração

Modelo: GPT-5
Temperatura: 0.5

3.3.4 Ferramentas do Agente

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

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 gerada por este agente deve ser visível para o Agente de Recomendação de Ações Proativas (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendação de Ações Proativas (RF 4).

RF 4. Agente de Recomendação de Ações Proativas

4.1 Tarefa do Agente

Transformar previsões em ações operacionais proativas com segmentação, janela de execução e métricas esperadas.

4.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com previsões de alterações de crédito para cada cliente.

# 2. Objetivo
Converter as previsões em ações operacionais proativas, definindo prioridades e métricas de sucesso.

# 3. Regras que você deve seguir para gerar sua resposta
- Mapear previsões para ações proativas específicas com base em classes de risco e confiança.
- Definir prioridades, janelas de execução e métricas esperadas para cada ação recomendada.
- Incluir justificativa detalhada para cada ação, referenciando previsões e sinais contribuintes.

4.3 Configurações do Agente

4.3.1 Especificação do Input

Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 3).
Tipo do input: Este agente deve ser apto a receber um JSON com previsões de alterações de crédito para cada cliente.
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 50.000 caracteres.

4.3.2 Especificação do Output

Formato de output: O output deve ser um JSON com recomendações de ações proativas para cada cliente.
Exemplo de Estrutura de Output:
```
 {
  "recomendacoes": [...]
} 
```
Número de caracteres esperado: O JSON gerado deve ser conciso, com um tamanho estimado em torno de 5.000 caracteres.

4.3.3 Parâmetros de Geração

Modelo: GPT-5
Temperatura: 0.5

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 é o entregável final e não é passada para outros agentes internos.

4.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. As recomendações geradas são o resultado que deve ser disponibilizado ao usuário.

Agente de IA para Previsão de Alterações de Crédito