Agente de IA para Análise de Crédito Empresarial

21 de November de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que avalia dados financeiros e históricos de crédito de empresas para fornecer recomendações de aprovação de crédito.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos e demais requisitos funcionais para o Agente de IA para Análise de Crédito Empresarial. 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 financeiros e históricos de crédito de empresas em recomendações de aprovação de crédito precisas e padronizadas, utilizando algoritmos de aprendizado de máquina para análise preditiva.

2. Contexto e Problema

Problemas Identificados

  • Análise demorada e manual: O processo atual de avaliação de crédito é lento e sujeito a erros devido à necessidade de análise manual de dados financeiros e históricos de crédito de empresas.
  • Dificuldade em padronizar a avaliação: A diversidade de fontes de dados e critérios de avaliação torna desafiadora a padronização do processo de análise de crédito.
  • Necessidade de recomendações rápidas e precisas: As instituições financeiras requerem decisões de crédito ágeis e baseadas em dados objetivos para aumentar a eficiência e reduzir riscos.

3. Impactos Esperados

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

  • Reduzir o tempo de análise de crédito em pelo menos 70%.
  • Padronizar a avaliação de crédito através de relatórios consistentes e objetivos.
  • Aumentar a precisão das recomendações com o uso de algoritmos de aprendizado de máquina.
  • Facilitar a tomada de decisão fornecendo insights claros e justificativas baseadas em dados.

4. Visão Geral da Solução

O agente de IA para análise de crédito empresarial processa dados financeiros e históricos de crédito de empresas, aplica algoritmos de aprendizado de máquina para análise preditiva e gera relatórios padronizados que suportam decisões de crédito. 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 análise de crédito empresarial.

A solução é composta por um fluxo de automação de três agentes de IA, que integram e analisam dados financeiros, aplicam modelos preditivos e geram relatórios.

Agentes Função Principal
Agente de Coleta e Integração de Dados Financeiros (RF 1) Coletar e integrar dados financeiros de múltiplas fontes para uma visão consolidada.
Agente de Análise Preditiva de Crédito (RF 2) Aplicar algoritmos de aprendizado de máquina para análise preditiva de crédito.
Agente de Geração de Relatórios (RF 3) Gerar relatórios padronizados que suportem decisões de crédito baseadas em dados objetivos.

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 Coleta e Integração de Dados Financeiros

1.1 Tarefa do Agente

Coletar e integrar dados financeiros de múltiplas fontes para uma visão consolidada.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados financeiros de várias fontes em formatos CSV, Excel, JSON. Estes dados são essenciais para a análise de crédito de empresas.

# 2. Objetivo
Coletar e integrar esses dados em um formato consolidado e padronizado, pronto para análise preditiva subsequente.

# 3. Regras que você deve seguir para gerar sua resposta
- Identifique e acesse todas as fontes de dados financeiras relevantes, assegurando que a coleta seja completa e atualizada.
- Utilize APIs ou conexões diretas para garantir a integridade e atualidade dos dados.
- Unifique os dados coletados em um formato padronizado, resolvendo discrepâncias através de algoritmos de reconciliação de dados e garantindo consistência nos dados para análise subsequente.

# 4. Exemplo de Output que você deve produzir
Dados financeiros consolidados em formato JSON.
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 dados financeiros via API de múltiplas fontes. 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: Dados financeiros em formatos CSV, Excel, JSON.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv, .xls, .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de dados com até 100.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo os dados financeiros consolidados.
  • Exemplo de Estrutura de Output: 
    { "dados_financeiros_consolidados": { ... } }
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 10.000 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: Conecta-se a sistemas externos para coleta de dados financeiros.

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 Preditiva de Crédito (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise Preditiva de Crédito (RF 2).

RF 2. Agente de Análise Preditiva de Crédito

2.1 Tarefa do Agente

Aplicar algoritmos de aprendizado de máquina para análise preditiva de crédito.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados financeiros consolidados em formato JSON. Estes dados são essenciais para a análise preditiva de crédito.

# 2. Objetivo
Aplicar algoritmos de aprendizado de máquina para prever a capacidade de crédito das empresas analisadas.

# 3. Regras que você deve seguir para gerar sua resposta
- Selecione e aplique modelos de aprendizado de máquina adequados aos dados financeiros.
- Ajuste os parâmetros dos modelos com base em técnicas de validação cruzada para otimizar a precisão preditiva.
- Analise variáveis financeiras e históricas críticas, assegurando que todas as influências significativas sobre a capacidade de crédito sejam consideradas.
- Utilize técnicas de feature engineering para melhorar a qualidade das predições.

# 4. Exemplo de Output que você deve produzir
Resultados de análise preditiva de crédito em formato JSON.
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: Dados financeiros consolidados em formato JSON.
  • 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 dados com até 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo os resultados da análise preditiva de crédito.
  • Exemplo de Estrutura de Output: 
    { "resultados_analise_preditiva": { ... } }
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 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 Geração de Relatórios (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatórios (RF 3).

RF 3. Agente de Geração de Relatórios

3.1 Tarefa do Agente

Gerar relatórios padronizados que suportem decisões de crédito baseadas em dados objetivos.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo os resultados de análise preditiva de crédito em formato JSON. Estes resultados são essenciais para a geração de relatórios de crédito.

# 2. Objetivo
Gerar relatórios padronizados que suportem decisões de crédito baseadas em dados objetivos.

# 3. Regras que você deve seguir para gerar sua resposta
- Formate o relatório destacando as principais descobertas e insights derivados da análise preditiva.
- Utilize visualizações de dados, como gráficos e tabelas, para garantir clareza e objetividade.
- Estruture o relatório para que suporte decisões rápidas, incluindo recomendações claras e justificadas baseadas nos dados analisados.
- Inclua uma seção de resumo executivo para facilitar a compreensão rápida por parte de gestores.

# 4. Exemplo de Output que você deve produzir
Relatórios de crédito em formato markdown.
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: Resultados de análise preditiva de crédito em formato JSON.
  • 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 dados com até 5.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato markdown contendo o relatório de crédito.
  • Exemplo de Estrutura de Output: 
    # Relatório de Crédito

## Resumo Executivo

Principais descobertas e insights...
  • Número de caracteres esperado: O relatório gerado deve ser claro e direto, com um tamanho estimado em 3.500 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 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.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.