PrototipeAI | Agente de IA para Análise de Dados de Faturamento Hospitalar

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 "Análise de Dados de Faturamento Hospitalar", uma solução projetada para identificar tendências, padrões de cobrança e áreas de melhoria nos processos financeiros hospitalares. 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 grandes volumes de dados de faturamento hospitalar em insights acionáveis que otimizem os processos financeiros e melhorem a eficiência operacional.

2. Contexto e Problema

Cenário Atual

O setor financeiro hospitalar enfrenta desafios significativos na análise de grandes volumes de dados de faturamento, o que dificulta a identificação de tendências e padrões de cobrança. Além disso, há uma falta de insights claros sobre as áreas de melhoria nos processos financeiros, o que pode impactar a rentabilidade e a eficiência operacional.

Problemas Identificados

Dificuldade em identificar tendências e padrões de cobrança: A análise manual de grandes volumes de dados é demorada e sujeita a erros, dificultando a identificação de padrões significativos.
Falta de insights sobre áreas de melhoria: Sem uma análise estruturada, é desafiador determinar onde os processos financeiros podem ser otimizados para melhorar a eficiência e a rentabilidade.

3. Impactos Esperados

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

Identificação precisa de tendências e padrões de cobrança para melhorar a tomada de decisão financeira.
Geração de insights acionáveis que destacam áreas de potencial melhoria nos processos financeiros.
Otimização dos processos de faturamento, resultando em maior eficiência e rentabilidade.

4. Visão Geral da Solução

O agente de IA para análise de dados de faturamento hospitalar processa grandes volumes de dados, identifica padrões e tendências, e gera relatórios com recomendações de melhoria. 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 otimização dos processos financeiros hospitalares.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a análise de dados de faturamento e culmina na geração de relatórios de melhoria.

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

Agentes	Função Principal
`Agente de Análise de Tendências e Padrões de Cobrança` (RF 1)	Analisar grandes volumes de dados de faturamento hospitalar para identificar tendências e padrões de cobrança.
`Agente de Geração de Relatórios de Melhoria` (RF 2)	Gerar relatórios que destacam áreas de potencial melhoria nos processos financeiros de faturamento hospitalar.

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 Análise de Tendências e Padrões de Cobrança

1.1 Tarefa do Agente

Analisar grandes volumes de dados de faturamento hospitalar para identificar tendências e padrões de cobrança.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de faturamento hospitalar em formato CSV, contendo colunas como 'data', 'valor_cobrado', 'procedimento', 'prestador'.

# 2. Objetivo
Analisar os dados para identificar padrões de cobrança recorrentes e variações sazonais.

# 3. Regras que você deve seguir para gerar sua resposta
- Analise os dados para identificar padrões de cobrança recorrentes e variações sazonais.
- Identifique e destaque procedimentos ou prestadores com cobranças anômalas.
- Utilize técnicas de agrupamento para segmentar os dados por tipo de procedimento ou prestador.
- Aplique filtros para destacar apenas os dados mais relevantes para a análise de tendências.

# 4. Exemplo de Output que você deve produzir
Relatório em formato markdown destacando tendências e padrões de cobrança identificados.

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 de faturamento hospitalar em formato CSV via API. Na fase de testes, os dados serão enviados pelo agente diretamente por upload de um csv na interface da Prototipe AI, para acelerar o processo de validação.
Tipo do input: O input inicial para o fluxo é um arquivo CSV que contém dados de faturamento hospitalar.
Formatos Suportados: Esse agente deve ser capaz de receber dados de faturamento nos formatos: .csv.
Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 500.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser um relatório em formato **Markdown** que destaca tendências e padrões de cobrança identificados nos dados analisados.

Exemplo de Estrutura de Output:

 Relatório em formato markdown destacando tendências e padrões de cobrança identificados.

Número de caracteres esperado: O relatório final deve ser informativo, com um tamanho estimado em torno de 5.000 caracteres, podendo variar conforme a complexidade dos dados analisados.

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

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 de Melhoria (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatórios de Melhoria (RF 2).

RF 2. Agente de Geração de Relatórios de Melhoria

2.1 Tarefa do Agente

Gerar relatórios que destacam áreas de potencial melhoria nos processos financeiros de faturamento hospitalar.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um relatório de tendências e padrões de cobrança em formato markdown.

# 2. Objetivo
Analisar o relatório de tendências e padrões para identificar áreas de melhoria específicas.

# 3. Regras que você deve seguir para gerar sua resposta
- Analisar o relatório de tendências e padrões para identificar áreas de melhoria específicas.
- Propor recomendações práticas e baseadas em dados para otimizar os processos de faturamento.
- Priorizar as áreas de melhoria com base no impacto potencial e facilidade de implementação.
- Incluir métricas de sucesso para cada recomendação, permitindo a avaliação de sua eficácia.

# 4. Exemplo de Output que você deve produzir
Relatório em formato markdown com áreas destacadas para melhoria nos processos financeiros.

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 relatório em formato markdown, que corresponde ao output do agente anterior.
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .md (Markdown).
Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 5.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um relatório em formato **Markdown** que destaca áreas de potencial melhoria nos processos financeiros, com recomendações práticas e métricas de sucesso.