Agente de IA para Previsão de Demandas no Pronto Atendimento

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

Como criar um agente de IA que prevê a demanda por serviços no pronto atendimento com base em dados históricos e tendências sazonais.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Previsão de Demandas no Pronto Atendimento", uma solução de automação projetada para prever a demanda por serviços no pronto atendimento com base em dados históricos e tendências sazonais. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é fornecer previsões de demanda em tempo real, integrando-se com sistemas de gestão para otimização de recursos e pessoal, além de oferecer relatórios e dashboards para acompanhamento das previsões e ajustes necessários.

2. Contexto e Problema

Cenário Atual

O pronto atendimento enfrenta dificuldades em prever a demanda por serviços, resultando em falta de recursos e impacto negativo no serviço devido a picos inesperados de atendimento. A necessidade de otimizar a alocação de recursos com base em previsões precisas de demanda é evidente.

Atualmente, a falta de previsões precisas e em tempo real torna desafiador o planejamento eficiente e a alocação de pessoal e recursos, levando a atrasos no atendimento e sobrecarga das equipes.


Problemas Identificados

  • Previsão inadequada: A incapacidade de prever com precisão a demanda futura resulta em alocação ineficiente de recursos.
  • Picos inesperados: A falta de previsões leva a picos de atendimento não previstos, resultando em tempos de espera elevados e insatisfação dos pacientes.
  • Recursos subutilizados: Em períodos de baixa demanda, recursos podem ficar ociosos, enquanto em picos, há escassez.

3. Impactos Esperados

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

  • Melhoria na previsão de demanda com uma precisão aumentada em pelo menos 70%.
  • Otimização na alocação de recursos com base em previsões precisas, reduzindo o tempo de espera dos pacientes.
  • Redução de custos operacionais através de uma gestão mais eficiente dos recursos.
  • Aumento da satisfação do paciente devido à redução nos tempos de espera e melhoria na qualidade do atendimento.

4. Visão Geral da Solução

O agente de IA para previsão de demandas no pronto atendimento analisa dados históricos e tendências sazonais para prever a demanda futura, fornecendo previsões em tempo real e integrando-se com sistemas de gestão para otimizar a alocação de recursos e pessoal. 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 demandas no pronto atendimento.

A solução consiste em um fluxo de automação composto por 7 agentes de IA. O processo inicia com a preparação do escopo de dados e termina com a geração de relatórios e dashboards para acompanhamento das previsões e do plano de alocação.

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

Agentes Função Principal
Agente de Preparação de Escopo de Dados (RF 1) Validar e estruturar os parâmetros de coleta e preparo dos dados históricos para previsão de demanda do pronto atendimento.
Agente de Execução de Consultas em Banco de Dados (RF 2) Realizar conexão com o Data Warehouse hospitalar para obter séries históricas de atendimentos do pronto atendimento.
Agente de Enriquecimento Sazonal e Qualidade de Dados (RF 3) Tratar qualidade do dataset e gerar variáveis sazonais e de calendário para suporte à previsão.
Agente de Previsão de Demanda (RF 4) Gerar previsões de demanda por hora para cada serviço do pronto atendimento, incorporando efeitos sazonais e eventos.
Agente de Execução de Chamada à API (RF 5) Realizar chamada à API do Sistema de Gestão Hospitalar para obter capacidade atual de recursos.
Agente de Otimização de Recursos (RF 6) Transformar previsões de demanda e capacidade disponível em um plano de alocação de recursos e pessoal por turno.
Agente de Relatórios e Dashboards (RF 7) Gerar relatórios e dashboards para acompanhamento das previsões e do plano de alocação, com destaques de riscos e recomendações.

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 Escopo de Dados

1.1 Tarefa do Agente

Validar e estruturar os parâmetros de coleta e preparo dos dados históricos para previsão de demanda do pronto atendimento.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com parâmetros para coleta e preparo de dados históricos para previsão de demanda do pronto atendimento.

# 2. Objetivo
Validar e estruturar esses parâmetros, garantindo que atendem aos requisitos mínimos para previsão de demanda.

# 3. Regras que você deve seguir para gerar sua resposta
- Verifique se janela_minima_meses >= 36; se < 36, defina 'permitir_previsao' = false e 'motivo' = 'dados_insuficientes'.
- Normalize lista_servicos para nomes canônicos; se serviço desconhecido, mova para 'servicos_ignorados'.
- Defina periodo_fim = input.periodo_fim ou now(); periodo_inicio = periodo_fim - janela_minima_meses.
- Configure granularidade = 'hora' obrigatória; ajuste timezone para o da unidade (default 'America/Sao_Paulo').
- Defina campos_requeridos: ['timestamp_atendimento','servico','classificacao_risco','qtd_atendimentos','tempo_espera_min','origem_demanda'].
- Crie filtros_exclusao para excluir registros simulados/testes (ex.: origem='teste', pacientes_dummy=true).
- Defina chaves_de_agrupamento = ['timestamp_trunc_hora','servico'].
- Se calendarios forem fornecidos, inclua em lista_eventos_sazonais_solicitados = ['feriados_nacionais','feriados_locais','vesperas','pos-feriado','calendario_escolar'].
- Em caso de parâmetros inválidos, retorne 'erro_validacao' com campo e motivo; não prossiga o fluxo.
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 parâmetros para coleta de dados 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: JSON com parâmetros de coleta de dados.
  • 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 até 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON 'query_params' estruturado com os parâmetros validados e ajustados para consulta.
  • Exemplo de Estrutura de Output:
     {
      "periodo_inicio": "2022-01-01T00:00:00Z",
      "periodo_fim": "2025-12-05T12:55:00Z",
      "granularidade": "hora",
      "unidade_id": "123",
      "lista_servicos": ["clinico_geral","ortopedia"],
      "campos_requeridos": ["timestamp_atendimento","servico","classificacao_risco","qtd_atendimentos","tempo_espera_min","origem_demanda"],
      "filtros_exclusao": ["origem='teste'","pacientes_dummy=true"],
      "chaves_de_agrupamento": ["timestamp_trunc_hora","servico"],
      "timezone": "America/Sao_Paulo",
      "lista_eventos_sazonais_solicitados": ["feriados_nacionais","feriados_locais","vesperas","pos-feriado","calendario_escolar"]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 800 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

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Consultas em Banco de Dados (RF 2).

RF 2. Agente de Execução de Consultas em Banco de Dados

2.1 Tarefa do Agente

Realizar conexão com o Data Warehouse hospitalar para obter séries históricas de atendimentos do pronto atendimento.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON 'query_params' que contém os parâmetros necessários para executar consultas no Data Warehouse hospitalar.

# 2. Objetivo
Executar a consulta no Data Warehouse usando os parâmetros recebidos e retornar os dados recuperados.

# 3. Regras que você deve seguir para gerar sua resposta
- Conecte-se ao Data Warehouse hospitalar usando as credenciais e endpoint fornecidos no contexto.
- Execute a consulta usando os parâmetros detalhados no JSON 'query_params'.
- Retorne os dados recuperados em formato JSON, sem realizar processamento adicional.
- Em caso de erro de conexão ou falha na consulta, registre o erro e interrompa o fluxo.

# 4. Exemplo de Output que você deve produzir
{
  "timestamp_trunc_hora": "2025-12-05T12:00:00Z",
  "servico": "clinico_geral",
  "qtd_atendimentos": 25,
  "tempo_medio_espera_min": 30,
  "classificacao_risco_distribuicao": {"baixa": 15, "media": 5, "alta": 5},
  "origem_demanda_distribuicao": {"emergencia": 15, "agendamento": 10}
} 
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: JSON 'query_params' com os parâmetros validados e ajustados para consulta.
  • 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 até 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: Dataset JSON com os dados recuperados do Data Warehouse.
  • Exemplo de Estrutura de Output:
     {
      "timestamp_trunc_hora": "2025-12-05T12:00:00Z",
      "servico": "clinico_geral",
      "qtd_atendimentos": 25,
      "tempo_medio_espera_min": 30,
      "classificacao_risco_distribuicao": {"baixa": 15, "media": 5, "alta": 5},
      "origem_demanda_distribuicao": {"emergencia": 15, "agendamento": 10}
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.000 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: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Conecta-se ao Data Warehouse hospitalar para execução de consultas.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Enriquecimento Sazonal e Qualidade de Dados (RF 3).

RF 3. Agente de Enriquecimento Sazonal e Qualidade de Dados

3.1 Tarefa do Agente

Tratar qualidade do dataset e gerar variáveis sazonais e de calendário para suporte à previsão.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset histórico por hora do pronto atendimento e, quando disponível, listas de feriados/eventos do 'query_params'.

# 2. Objetivo
Tratar a qualidade dos dados e enriquecer o dataset com variáveis sazonais e de calendário para melhorar a precisão das previsões.

# 3. Regras que você deve seguir para gerar sua resposta
- Gere features: dow (0-6), hora_do_dia (0-23), dia_mes (1-31), semana_ano (1-53), mes (1-12), fim_de_semana (bool), feriado (bool), vespera_feriado (bool), pos_feriado (bool), periodo_escolar (bool), sazonalidade_anual (1-12), sazonalidade_semanal (0-167).
- Identifique e trate outliers em 'qtd_atendimentos' por combinação [servico, hora_do_dia]: calcule mediana e MAD; marque como outlier se |x - mediana| > 3*MAD; crie campo 'is_outlier'. Não remova; limite (winsorize) para p1/p99 por grupo.
- Impute intervalos ausentes até 6 horas consecutivas com média histórica do mesmo [servico, dow, hora_do_dia]; acima disso, marcar 'gap_longo' e não imputar.
- Corrija valores negativos para zero; campos não numéricos vazios viram null.
- Calcule 'trafego_base' = mediana de 8 semanas atrás para mesma combinação [servico, dow, hora_do_dia].
- Se completude < 90% no período, definir 'qualidade_dados'='baixa' e listar datas afetadas.
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 2).
  • Tipo do input: Dataset histórico por hora do pronto atendimento e, quando disponível, listas de feriados/eventos.
  • 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 até 20.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: JSON com dataset enriquecido e relatório de qualidade dos dados.
  • Exemplo de Estrutura de Output:
     {
      "dataset_enriquecido": [
        {
          "timestamp_trunc_hora": "2025-12-05T12:00:00Z",
          "servico": "clinico_geral",
          "qtd_atendimentos": 25,
          "is_outlier": false,
          "dow": 2,
          "hora_do_dia": 12,
          "trafego_base": 22
        }
      ],
      "relatorio_qualidade": {
        "completude": 95,
        "outliers": 5,
        "datas_faltantes": ["2025-11-01","2025-11-02"]
      }
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 2.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos estatísticos e de qualidade dos dados.
  • 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 Previsão de Demanda (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Previsão de Demanda (RF 4).

RF 4. Agente de Previsão de Demanda

4.1 Tarefa do Agente

Gerar previsões de demanda por hora para cada serviço do pronto atendimento, incorporando efeitos sazonais e eventos.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset enriquecido que contém variáveis sazonais e de calendário para suporte à previsão de demanda.

# 2. Objetivo
Gerar previsões de demanda por hora para cada serviço do pronto atendimento, incorporando efeitos sazonais e eventos.

# 3. Regras que você deve seguir para gerar sua resposta
- Horizonte padrão: 168h; granularidade: hora. Gere previsões contínuas sem buracos temporais.
- Incorpore variáveis sazonais (dow, hora_do_dia, mês), marcadores de feriado/vespera/pos_feriado e periodo_escolar como fatores multiplicativos/adição de efeito.
- Atualize previsões quando janela_atualizacao_min expirar ou quando novos dados chegarem após data_referencia.
- Realize backtest de 4 semanas rolantes; calcule MAPE/MAE por serviço. Rotule 'qualidade_previsao'='baixa' se MAPE>25% ou se 'qualidade_dados'='baixa'.
- Calcule intervalos de confiança (pi_inferior/pi_superior) a partir da distribuição dos erros do backtest por [servico, hora_do_dia], usando percentis 10 e 90.
- Se não houver dados suficientes para um serviço, retorne demanda_prevista=null e 'motivo'='dados_insuficientes' para esse serviço.
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: Dataset enriquecido com variáveis sazonais e de calendário.
  • 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 até 20.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: JSON 'previsoes' com previsões de demanda e métricas de backtest.
  • Exemplo de Estrutura de Output:
     {
      "previsoes": [
        {
          "timestamp": "2025-12-06T00:00:00Z",
          "servico": "clinico_geral",
          "demanda_prevista": 30,
          "pi_inferior": 25,
          "pi_superior": 35,
          "qualidade_previsao": "alta",
          "metricas_backtest": {"MAPE": 10, "MAE": 2, "RMSE": 3}
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 2.500 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: Utiliza lógica interna para cálculos de previsão e métricas de backtest.
  • 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 Execução de Chamada à API (RF 5).

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API (RF 5).

RF 5. Agente de Execução de Chamada à API

5.1 Tarefa do Agente

Realizar chamada à API do Sistema de Gestão Hospitalar para obter capacidade atual de recursos.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload pronto para realizar uma chamada à API do Sistema de Gestão Hospitalar.

# 2. Objetivo
Executar a chamada à API usando o payload recebido e retornar os dados de capacidade de recursos.
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: Payload pronto com endpoint, headers e filtros para a chamada à API.
  • 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 até 5.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: JSON 'recursos_disponiveis' com dados de capacidade de recursos.
  • Exemplo de Estrutura de Output:
     {
      "recursos_disponiveis": {
        "headcount": {"clinico_geral": 10, "ortopedia": 5},
        "produtividade_por_profissional_h": {"clinico_geral": 5, "ortopedia": 4},
        "restricoes": {"leitos": 20, "salas": 5},
        "janelas_indisponibilidade": ["2025-12-06T00:00:00Z","2025-12-06T01:00:00Z"]
      }
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.500 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: Conecta-se ao Sistema de Gestão Hospitalar para execução de chamadas à API.

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 deve ser visível para o Agente de Otimização de Recursos (RF 6).

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Otimização de Recursos (RF 6).

RF 6. Agente de Otimização de Recursos

6.1 Tarefa do Agente

Transformar previsões de demanda e capacidade disponível em um plano de alocação de recursos e pessoal por turno.

6.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo previsões de demanda e dados de capacidade de recursos para otimizar a alocação de recursos e pessoal.

# 2. Objetivo
Transformar essas informações em um plano de alocação de recursos e pessoal por turno, respeitando restrições e SLAs.
6.3 Configurações do Agente

6.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 5).
  • Tipo do input: Previsões de demanda e dados de capacidade de recursos.
  • 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 até 10.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: JSON 'plano_otimizado' com plano de alocação de recursos e pessoal.
  • Exemplo de Estrutura de Output:
     {
      "plano_otimizado": [
        {
          "turno": "manha",
          "servico": "clinico_geral",
          "headcount_sugerido": 12,
          "variacao_vs_atual": 2,
          "necessidade_sobreaviso": false,
          "leitos_sugeridos": 15,
          "salas_sugeridas": 3,
          "risco_SLA": "baixo",
          "kpis": {"utilizacao_prevista": 85, "tempo_espera_previsto_p50": 10, "tempo_espera_previsto_p90": 20}
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 2.500 caracteres.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para otimização de recursos e cálculos de KPIs.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

6.3.5 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 Relatórios e Dashboards (RF 7).

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Relatórios e Dashboards (RF 7).

RF 7. Agente de Relatórios e Dashboards

7.1 Tarefa do Agente

Gerar relatórios e dashboards para acompanhamento das previsões e do plano de alocação, com destaques de riscos e recomendações.

7.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo previsões de demanda, métricas de backtest e plano otimizado de alocação de recursos.

# 2. Objetivo
Gerar relatórios e dashboards para acompanhamento das previsões e do plano de alocação, com destaques de riscos e recomendações.
7.3 Configurações do Agente

7.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 6).
  • Tipo do input: Previsões de demanda, métricas de backtest e plano otimizado de alocação de recursos.
  • 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 até 20.000 caracteres.

7.3.2 Especificação do Output

  • Formato de output: Relatório em HTML/JSON com visão executiva, operacional e de qualidade.
  • Exemplo de Estrutura de Output:
     {
      "relatorio": {
        "visao_executiva": "Resumo da demanda prevista e impacto em headcount.",
        "visao_operacional": "Tabela por turno/serviço com headcount_sugerido e risco_SLA.",
        "visao_qualidade": "MAPE/MAE por serviço e períodos com qualidade baixa."
      }
    } 
  • Número de caracteres esperado: O relatório gerado deve ser claro e direto, com um tamanho estimado em 3.000 caracteres.

7.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

7.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para geração de relatórios e dashboards.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

7.3.5 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.

7.3.6 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.