Agente de IA para Simulação de Planos de Previdência

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

Como criar um agente de IA que simula diferentes cenários de previdência baseados em contribuições e retornos esperados.

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 "Simulação de Planos de Previdência", uma ferramenta projetada para simular diferentes cenários de previdência baseados em contribuições e retornos esperados. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é auxiliar consultores no aconselhamento de clientes sobre planos de previdência, proporcionando simulações realistas baseadas em dados históricos e projeções futuras.

2. Contexto e Problema

O planejamento previdenciário é uma tarefa complexa, repleta de incertezas sobre o desempenho futuro dos planos de previdência. Os consultores enfrentam desafios significativos ao tentar simular cenários financeiros que ajudem seus clientes a tomar decisões informadas.

Atualmente, os consultores precisam de ferramentas que possam simular cenários baseados em contribuições e retornos esperados, oferecendo opções de planos ajustáveis. Além disso, é fundamental fornecer relatórios claros e compreensíveis para que tanto consultores quanto clientes possam entender as projeções e tomar decisões fundamentadas.

3. Impactos Esperados

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

  • Reduzir a incerteza sobre o desempenho futuro dos planos de previdência.
  • Aumentar a precisão e personalização das simulações de cenários.
  • Prover relatórios compreensíveis que auxiliem consultores e clientes na tomada de decisão.
  • Facilitar o aconselhamento de clientes por parte dos consultores.

4. Visão Geral da Solução

O agente de IA para simulação de planos de previdência processa dados de entrada, aplica modelos de simulação baseados em dados históricos e projeções, e gera relatórios detalhados para consultores e clientes. 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 simulação de planos de previdência personalizados.

A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a validação e normalização dos dados de entrada e termina com a geração de um relatório detalhado para consultoria.

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

Agentes Função Principal
Agente de Validação e Normalização de Entradas de Previdência (RF 1) Validar, normalizar e enriquecer os parâmetros de simulação de previdência antes do cálculo.
Agente de Simulação Determinística de Previdência (RF 2) Calcular a evolução do saldo, benefícios e impactos de taxas e tributos em cenários base/otimista/pessimista.
Agente de Geração de Relatório para Consultoria (RF 3) Transformar os resultados da simulação em um relatório claro e acionável para consultores e clientes.

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 Validação e Normalização de Entradas de Previdência

1.1 Tarefa do Agente

Validar, normalizar e enriquecer os parâmetros de simulação de previdência antes do cálculo, garantindo consistência temporal, fiscal e financeira.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com os parâmetros de simulação de previdência. Este JSON contém informações detalhadas sobre contribuições, retornos esperados e outras variáveis relevantes.

# 2. Objetivo
Validar, normalizar e enriquecer os parâmetros antes do cálculo, garantindo que todos os campos obrigatórios estejam completos e que os valores estejam em bases coerentes.

# 3. Regras que você deve seguir para gerar sua resposta
- Converta periodicidade de contribuição para granularidade mensal de cálculo. Se contribuicao.periodicidade='anual', distribua por 12 meses iguais; mantenha aportes_extras na data/ano informados.
- Se preco_base='real', converta retornos nominais informados para reais: (1+r_nominal)/(1+inflacao)-1. Se preco_base='nominal' e retornos informados são reais, inverta a fórmula para nominal. Padronize todos os cálculos na mesma base definida em preco_base.
- Se retornos.tipo='serie' e a série for menor que o horizonte até expectativa_vida ou idade_aposentadoria+fase_beneficio, prolongue usando o último valor da série. Se retornos.tipo='cagr', gere série anual constante para base/otimista/pessimista a partir de cagr_* informados. Se cagr_otimista/pessimista faltarem, defina: otimista = base + 2 p.p.; pessmista = base - 2 p.p. (não menor que -100%).
- Defaults: inflacao_anual_%=4% se ausente; taxa_carteira_anual_%=0% se ausente; taxa_carregamento_entrada_% e taxa_carregamento_saida_%=0% se ausentes; expectativa_vida = idade_aposentadoria + 25 anos se ausente; renda.tipo default='prazo_certo' com anos=25 se ausente.
- Valide faixas: 0<=taxas<=10% a.a. para adm/carteira; -100%=16; idade_aposentadoria>idade_atual; expectativa_vida>idade_aposentadoria. Registre violações em inconsistencias[] com {campo, valor, regra_quebrada, severidade: 'erro'|'alerta'}.
- Tributação: se tributacao.regime='comparar', preserve como 'comparar' para cálculo posterior; valide tributacao.base ∈ {PGBL,VGBL}. PGBL: IR sobre total resgatado/benefício; VGBL: IR apenas sobre rendimentos.
- Indexação de contribuições: se indexar_por_inflacao=true e preco_base='nominal', aumente contribuições anuais por inflacao_anual_%. Se preco_base='real', mantenha contribuição constante em termos reais.
- Normalize datas para anos relativos: t=0 no data_referencia_ano; marque o início da aposentadoria em t_apos = idade_aposentadoria - idade_atual.
- Saídas devem conter: calendario_mensal_configurado (metadados de períodos), serie_retorno_anual_{base,otimista,pessimista}, contribuicoes_mensais_normalizadas[], aportes_extras_normalizados[], parametros_fiscais_resolvidos, flags de base de preço e indexação, e inconsistencias[]. Se houver 'erro' em inconsistencias, inclua pode_prosseguir=false; caso contrário, pode_prosseguir=true. 
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 os parâmetros de simulação 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 para o fluxo é um JSON contendo os parâmetros de simulação de previdência.
  • 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 normalizado contendo os campos obrigatórios completos e valores em bases coerentes, além de uma lista de inconsistências.
  • Exemplo de Estrutura de Output:
     {
      "payload_normalizado": {
        "calendario_mensal_configurado": [...],
        "serie_retorno_anual_base": [...],
        "contribuicoes_mensais_normalizadas": [...],
        "aportes_extras_normalizados": [...],
        "parametros_fiscais_resolvidos": {...},
        "pode_prosseguir": true,
        "inconsistencias": []
      }
    } 
  • Número de caracteres esperado: O JSON final deve ser claro e direto, com um tamanho estimado em 5.000 caracteres.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Simulação Determinística de Previdência (RF 2).

RF 2. Agente de Simulação Determinística de Previdência

2.1 Tarefa do Agente

Calcular a evolução do saldo, benefícios e impactos de taxas e tributos em cenários base/otimista/pessimista a partir do payload normalizado.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload normalizado contendo os parâmetros de simulação de previdência, incluindo contribuições, retornos esperados e outras variáveis relevantes.

# 2. Objetivo
Calcular a evolução do saldo, benefícios e impactos de taxas e tributos em diferentes cenários, gerando um JSON com os resultados detalhados.

# 3. Regras que você deve seguir para gerar sua resposta
- Cálculo mensal de acumulação até t_apos: saldo_m = (saldo_{m-1} + contrib_liquida_m + aporte_extra_m) * (1 + r_liq_m) - taxa_adm_m - taxa_carteira_m - carregamento_saida_m (se aplicável). Use r_liq_m derivado do retorno anual do cenário convertido para taxa mensal equivalente: (1+r_anual)^(1/12)-1, após deduzir taxas percentuais se forem cobradas como redução de retorno. Taxa de administração: se informada a.a., transforme para mensal proporcional simples (a.a./12) aplicado sobre saldo_médio do mês; alternativamente, trate como redução do retorno se taxa for do tipo percentual sobre PL (assuma redução do retorno por padrão).
- Carregamento de entrada: aplique no ato da contribuição/aporte: contrib_liquida_m = contrib_bruta_m * (1 - taxa_carregamento_entrada). Carregamento de saída: aplique somente em resgates parciais/benefícios se informado.
- Agregação anual: some fluxos mensais por ano e converta para a base de preço configurada (nominal ou real). Se base='real', deflacionar valores anuais por (1+inflacao)^ano.
- Início da renda em t_apos: implemente conforme renda.tipo:
  • prazo_certo: calcule benefício anual constante tal que zere o saldo ao fim de 'anos' com a mesma série de retorno do cenário na fase de benefício (aprox. anuidades com taxa equivalente anual do cenário). Se saldo residual negativo/positivo em simulação, ajuste benefício em ±0,5% iterativamente até erro <1% do saldo inicial.
  • percentual_saldo: benefício anual = percentual_anual_% * saldo no início de cada ano.
  • rentabilidade: benefício anual = rendimento do período (pay-as-you-earn), mantendo principal.
- Tributação: 
  • Regime regressivo (previdência): aplique alíquota por tempo de aporte até resgate/benefício: <=2 anos 35%, >2–4: 30%, >4–6: 25%, >6–8: 20%, >8–10: 15%, >10: 10%. Calcule por método FIFO de origem de cada contribuição/aporte. Base de cálculo: PGBL = valor bruto; VGBL = rendimentos.
  • Regime progressivo: estime IR sobre benefício anual via tabela progressiva vigente simplificada; retenção na fonte 15% como antecipação e ajuste anual ao final (aproximação). PGBL sobre valor bruto; VGBL sobre rendimentos.
  • Se tributacao.regime='comparar', calcule ambos e selecione o menor imposto total ao longo do horizonte, mantendo também o detalhamento dos dois para transparência.
- KPIs: 
  • saldo_na_aposentadoria = saldo ao final do mês anterior ao início dos benefícios. 
  • renda_inicial_estimativa = primeiro benefício anual/12 (valor mensal) na base de preço escolhida.
  • TIR_nominal: taxa i que zera NPV dos fluxos (contribuições negativas, benefícios positivos). TIR_real: (1+TIR_nominal)/(1+inflacao)-1.
  • cobertura_meses: saldo_na_aposentadoria / (renda_inicial_estimativa) em meses se renda for constante.
- Sensibilidade: recalcule rapidamente 4 cenários adicionais: contribuição ±10% e retorno anual ±1 p.p. mantendo demais parâmetros; reporte variações em KPIs.
- Integridade: preserve rastreabilidade por ano com campos decompostos (contribuições, aportes, rendimentos, taxas, impostos). Marque assumptions_utilizadas[] quando defaults forem aplicados. 
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 1).
  • Tipo do input: Este agente deve ser apto a receber como input um JSON normalizado contendo os parâmetros de simulação de previdência.
  • 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: O output deve ser um JSON contendo os resultados detalhados da simulação para cada cenário, incluindo KPIs e análise de sensibilidade.
  • Exemplo de Estrutura de Output:
     {
      "simulation_results": {
        "cenarios": {
          "base": {
            "linha_do_tempo_anual": [...],
            "KPIs": {...},
            "projecao_beneficio": [...]
          },
          "otimista": {...},
          "pessimista": {...}
        },
        "sensibilidade": {
          ...
        }
      }
    } 
  • Número de caracteres esperado: O JSON final pode ser extenso, com um tamanho estimado em 20.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para cálculos financeiros e fiscais.
  • 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 Geração de Relatório para Consultoria (RF 3).

RF 3. Agente de Geração de Relatório para Consultoria

3.1 Tarefa do Agente

Transformar os resultados da simulação em um relatório claro e acionável para consultores e clientes, com comparações entre cenários e recomendações.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo os resultados da simulação de previdência, incluindo dados detalhados para cada cenário (base, otimista, pessimista).

# 2. Objetivo
Transformar os resultados em um relatório claro e acionável, destacando comparações entre cenários e fornecendo recomendações práticas.

# 3. Regras que você deve seguir para gerar sua resposta
- Estrutura do markdown: 
  1) Resumo Executivo (bullets com KPIs principais por cenário). 
  2) Parâmetros e Premissas (explicitar defaults aplicados e base de preço). 
  3) Resultados por Cenário (tabela com ano, contribuições, rendimentos, taxas, impostos, saldo final). 
  4) Fase de Benefício (renda inicial, trajetória, saldo residual). 
  5) Sensibilidade (tabela com deltas em KPIs). 
  6) Tributação (comparativo regressivo vs progressivo e PGBL vs VGBL quando aplicável). 
  7) Recomendações (ex.: ajustar idade de aposentadoria, alterar contribuição, escolher regime fiscal) com justificativas quantificadas. 
  8) Alertas e Limitações.
- Clareza: explique termos técnicos em linguagem simples entre parênteses na primeira ocorrência (ex.: TIR – taxa interna de retorno). Evite jargões sem definição.
- Destacar visualmente cenários: use rótulos consistentes (Base, Otimista, Pessimista) e ícones/textos para melhor leitura; não use imagens, apenas tabelas Markdown e listas.
- Se simulation_results contiver inconsistencias ou assumptions_utilizadas, inclua seção "Observações e Assunções" listando impactos práticos.
- Apresente valores na moeda definida (padrão BRL), com separador de milhar e precisão de 2 casas. Indique se os valores estão em termos nominais ou reais conforme preco_base.
- chart_data: inclua arrays por cenário para {anos[], saldo[], contribuicoes_acumuladas[], rendimentos_acumulados[], taxas_acumuladas[], impostos_acumulados[], renda_mensal[]}. 
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: Este agente deve ser apto a receber como input um JSON contendo os resultados detalhados da simulação de previdência.
  • 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: O output deve ser um relatório em Markdown com seções detalhadas sobre os resultados da simulação, comparações entre cenários e recomendações.
  • Exemplo de Estrutura de Output:
     ## Resumo Executivo
    - Cenário Base: Saldo na aposentadoria: R$ 500.000,00; Renda inicial estimativa: R$ 2.000,00/mês
    - Cenário Otimista: ...
    
    ## Parâmetros e Premissas
    - Base de preço: Real
    - Taxa de inflação: 4%
    
    ## Resultados por Cenário
    | Ano | Contribuições | Rendimentos | ... |
    |-----|---------------|-------------|-----|
    
    ## Fase de Benefício
    - Renda inicial: R$ 2.000,00/mês
    
    ## Sensibilidade
    - Variação de contribuição: ...
    
    ## Tributação
    - Comparativo regressivo vs progressivo: ...
    
    ## Recomendações
    - Ajustar idade de aposentadoria para 65 anos
    
    ## Alertas e Limitações
    - Observações e Assunções: ... 
  • Número de caracteres esperado: O relatório final em Markdown será detalhado, com um tamanho estimado em 10.000 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

  • 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.

3.3.6 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.