Agente de IA para Relatórios de Desempenho Financeiro

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

Como criar um agente de IA que compila dados históricos de desempenho financeiro de clientes e gera relatórios detalhados sobre tendências e insights.

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 para Relatórios de Desempenho Financeiro. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é compilar dados históricos de desempenho financeiro de clientes e gerar relatórios que destaquem tendências e insights relevantes para a tomada de decisão financeira.

2. Contexto e Problema

Cenário Atual

As empresas enfrentam dificuldades em compilar e analisar dados históricos de desempenho financeiro. Isso resulta em uma falta de insights claros e acionáveis extraídos dos dados financeiros.


Problemas Identificados

  • Dificuldade em compilar dados: Os dados financeiros estão frequentemente dispersos em diferentes formatos e fontes, dificultando sua análise integrada.
  • Falta de insights acionáveis: Mesmo quando os dados são compilados, muitas vezes carecem de análise que destaque tendências significativas e insights para decisões estratégicas.

3. Impactos Esperados

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

  • Automatizar a compilação de dados financeiros de múltiplas fontes e formatos.
  • Gerar relatórios padronizados que oferecem insights claros e acionáveis.
  • Melhorar a precisão na análise de tendências financeiras.

4. Visão Geral da Solução

O agente de IA para relatórios de desempenho financeiro processa dados históricos de desempenho financeiro de clientes, aplica regras de análise e gera relatórios detalhados com insights claros e acionáveis. 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 geração de relatórios financeiros que seguem as especificidades da sua empresa.

A solução é composta por um fluxo de automação que inclui quatro agentes de IA. O processo começa com a leitura e normalização dos dados financeiros e termina com a geração de um relatório detalhado em markdown.

A execução dos agentes é sequencial, conforme detalhado na tabela abaixo.

Agentes Função Principal
Agente de Perfilamento e Normalização de Dados Financeiros (RF 1) Ler arquivos de desempenho financeiro histórico de clientes, perfilar e normalizar os dados.
Agente Preparador de Script de Consolidação e Cálculo Financeiro (RF 2) Gerar script Python para consolidação de dados e cálculo de KPIs.
Agente de Execução de Consolidação e Cálculo (RF 3) Executar o script gerado para consolidar os dados e calcular KPIs.
Agente de Geração de Relatório e Insights Financeiros (RF 4) Produzir um relatório em markdown com tendências e insights financeiros.

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 Perfilamento e Normalização de Dados Financeiros

1.1 Tarefa do Agente

Ler arquivos de desempenho financeiro histórico de clientes, perfilar a estrutura, validar qualidade dos dados e produzir um mapeamento padronizado para consolidação temporal e por dimensões.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo arquivos contendo dados históricos financeiros de clientes. Os dados estão em diferentes formatos e precisam ser padronizados para análise.

# 2. Objetivo
Compilar dados históricos de desempenho financeiro de forma precisa e organizada.

# 3. Regras que você deve seguir para gerar sua resposta
- Identificação determinística de colunas: mapeie colunas por similaridade semântica e aliases conhecidos.
- Normalização de nomes: converta todos para snake_case sem acentos, espaços ou símbolos.
- Inferência de granularidade: escolha a menor granularidade consistente presente em ≥80% dos registros.
- Intervalo temporal e lacunas: calcule primeiro e último período e liste lacunas consecutivas.
- Duplicidades: defina chave natural = [periodo + dimensões disponíveis entre cliente/produto/regiao/moeda].
- Tipos e unidades: padronize separador decimal como ponto.
- Moeda e câmbio: liste moedas detectadas.
- Nulos e outliers: calcule percentual de nulos por coluna.

# 4. Exemplo de Output que você deve produzir
{"schema_padronizado": {"periodo_col": "data", "formato_periodo": "AAAA-MM|AAAA-Tn|AAAA", "granularidade": "mensal|trimestral|anual", "chaves_dimensoes": ["cliente", "produto", "regiao", "moeda"], "metricas_valor": ["receita", "custo", "lucro", "despesa_operacional"], "moeda_base": "BRL", "taxa_cambio_aplicada": false}, "regras_transformacao": ["normalizar nomes de colunas para snake_case", "converter datas para AAAA-MM-DD"], "diagnostico_qualidade": {"linhas_totais": 0, "intervalo_temporal": {"inicio": "", "fim": ""}, "perc_nulos_por_coluna": {"col": 0.0}, "lacunas_temporais": [{"inicio": "", "fim": ""}], "duplicidades": {"chave": ["periodo", "cliente", "produto", "regiao", "moeda"], "qtd_registros_afetados": 0}, "outliers_suspeitos": [{"coluna": "receita", "regra": "> P99.5", "qtd": 0}], "moedas_detectadas": ["BRL"]}, "padronizacao_realizada": "sim", "justificativa_padronizacao": "Padronização realizada conforme especificações."}
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 arquivos de dados financeiros via API. Na fase de testes, os dados serão enviados diretamente por upload na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: Arquivos contendo dados históricos financeiros de clientes.
  • Formatos Suportados: Esse agente deve ser capaz de receber arquivos nos formatos: .xlsx, .xls, .csv, .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 objeto JSON estruturado que descreve o esquema padronizado, regras de transformação e diagnóstico de qualidade dos dados.
  • Exemplo de Estrutura de Output:
     {"schema_padronizado": {"periodo_col": "data", "formato_periodo": "AAAA-MM|AAAA-Tn|AAAA", "granularidade": "mensal|trimestral|anual", "chaves_dimensoes": ["cliente", "produto", "regiao", "moeda"], "metricas_valor": ["receita", "custo", "lucro", "despesa_operacional"], "moeda_base": "BRL", "taxa_cambio_aplicada": false}, "regras_transformacao": ["normalizar nomes de colunas para snake_case", "converter datas para AAAA-MM-DD"], "diagnostico_qualidade": {"linhas_totais": 0, "intervalo_temporal": {"inicio": "", "fim": ""}, "perc_nulos_por_coluna": {"col": 0.0}, "lacunas_temporais": [{"inicio": "", "fim": ""}], "duplicidades": {"chave": ["periodo", "cliente", "produto", "regiao", "moeda"], "qtd_registros_afetados": 0}, "outliers_suspeitos": [{"coluna": "receita", "regra": "> P99.5", "qtd": 0}], "moedas_detectadas": ["BRL"]}, "padronizacao_realizada": "sim", "justificativa_padronizacao": "Padronização realizada conforme especificações."}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.000 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 Preparador de Script de Consolidação e Cálculo Financeiro (RF 2).

RF 2. Agente Preparador de Script de Consolidação e Cálculo Financeiro

2.1 Tarefa do Agente

Gerar o script determinístico (Python/pandas) que consolida os dados conforme o schema padronizado e calcula KPIs e variações temporais necessárias à análise de tendências.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um objeto JSON gerado pelo agente anterior contendo schema_padronizado, regras_transformacao, diagnostico_qualidade, além da lista de arquivos de dados de entrada.

# 2. Objetivo
Gerar o script determinístico que consolida os dados e calcula KPIs e variações temporais.

# 3. Regras que você deve seguir para gerar sua resposta
- Estrutura fixa do script: inclua seções claramente comentadas.
- Leitura robusta: trate .csv, .xlsx/.xls, .json.
- Granularidade: gere a coluna periodo padronizada conforme granularidade_alvo.
- Agregação: agregue por [periodo + dimensões presentes].
- KPIs e fórmulas: lucro = (receita_total - custo_total).
- Proteções numéricas: sempre trate divisões por zero retornando NaN.
- Determinismo: não use aleatoriedade.
- Saída: exporte uma lista de objetos JSON com chaves especificadas.
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: Objeto JSON contendo schema_padronizado, regras_transformacao, diagnostico_qualidade.
  • 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 3.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo o script Python gerado para consolidação e cálculo financeiro.
  • Exemplo de Estrutura de Output:
     {"script": "# código Python pandas para ler arquivos, aplicar mapeamentos, agregar por período e dimensões, e calcular KPIs (receita, custo, lucro, margem_bruta, margem_operacional, var_MoM, var_YoY, CAGR)", "parametros_execucao": {"engine": "python3.11+pandas", "arquivos": ["path_ou_id_1", "path_ou_id_2"], "saida_formato": "json"}}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.500 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • 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 Execução de Consolidação e Cálculo (RF 3).

RF 3. Agente de Execução de Consolidação e Cálculo

3.1 Tarefa do Agente

Executar o script Python/pandas gerado para consolidar os dados e calcular KPIs sobre os arquivos informados, retornando os resultados em JSON.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o script Python gerado pelo agente anterior e os parâmetros de execução necessários.

# 2. Objetivo
Executar o script para consolidar os dados e calcular os KPIs, retornando os resultados em JSON.

# 3. Regras que você deve seguir para gerar sua resposta
- Execute o script utilizando o engine Python/pandas especificado.
- Retorne um JSON com a lista de registros agregados contendo as métricas calculadas.
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: Payload pronto com o script Python e parâmetros de execução.
  • 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.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com lista de registros agregados contendo as métricas calculadas.
  • Exemplo de Estrutura de Output:
     {"periodo": "AAAA-MM", "dimensoes": {"cliente": "...", "produto": "...", "regiao": "...", "moeda": "..."}, "metricas": {"receita_total": 0.0, "custo_total": 0.0, "lucro": 0.0, "margem_bruta_%": 0.0, "margem_operacional_%": 0.0, "var_MoM_%": 0.0, "var_YoY_%": 0.0, "CAGR_%": 0.0}}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 3.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • 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 Geração de Relatório e Insights Financeiros (RF 4).

RF 4. Agente de Geração de Relatório e Insights Financeiros

4.1 Tarefa do Agente

Analisar os resultados consolidados e produzir um relatório em markdown com tendências, variações relevantes e insights acionáveis para decisão.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON contendo a série temporal de métricas por período e dimensões.

# 2. Objetivo
Produzir um relatório em markdown com tendências, variações relevantes e insights acionáveis para decisão.

# 3. Regras que você deve seguir para gerar sua resposta
- Estrutura obrigatória: sempre gerar as seções listadas no expected_output, nesta ordem.
- Seleção de destaques: calcular e listar top 3 aumentos e top 3 quedas por impacto absoluto.
- Tendências: apresentar trajetória de 3, 6 e 12 períodos.
- Outliers e movimentos atípicos: identificar pontos além de P99.5 ou abaixo de P0.5.
- Recomendações acionáveis: escrever cada recomendação no imperativo.
- Qualidade e riscos: transportar para o relatório os alertas do diagnostico_qualidade.
- Visualização: incluir um bloco de código JSON com especificação de gráfico para cada tendência principal.
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: JSON contendo série temporal de métricas por período e dimensões.
  • 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 6.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório em markdown com a estrutura especificada, apresentando insights financeiros.
  • Exemplo de Estrutura de Output:
     # Relatório de Desempenho Financeiro
    
    ## Resumo Executivo
    - Principais destaques (3–5 bullets)
    
    ## Contexto e Metodologia
    - Fontes, período analisado, granularidade e notas de qualidade
    
    ## Tendências Temporais
    - Receita, custo, lucro, margens: evolução e variações (MoM/YoY)
    
    ## Análise por Segmentos
    - Quebras por cliente/produto/região/moeda com top movimentos e outliers
    
    ## Insights Acionáveis
    - Recomendações objetivas (verbo no imperativo)
    
    ## Riscos e Limitações
    - Observações sobre lacunas, moedas não convertidas, dados ausentes
    
    ## Apêndice
    - Tabelas resumo e especificações de gráficos
  • Número de caracteres esperado: O relatório gerado deve ter um tamanho estimado em torno de 4.500 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • 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 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. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.