Agente de IA para Análise de Dados de Pronto Atendimento

Este documento define todos os prompts e detalhes de requisitos para o Fluxo de Agentes "Análise de Dados de Pronto Atendimento", uma solução de automação projetada para identificar padrões de atendimento, tempo de espera e eficiência operacional em prontos-socorros. 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 brutos de atendimento em insights acionáveis que permitam a melhoria contínua dos serviços de saúde, reduzindo tempos de espera e otimizando a alocação de recursos.

Cenário Atual

Os prontos-socorros enfrentam desafios significativos relacionados à falta de visibilidade sobre padrões de atendimento e dificuldades em medir e melhorar tempos de espera e eficiência operacional.

• Falta de visibilidade sobre padrões de atendimento em prontos-socorros.
• Dificuldade em medir e melhorar tempos de espera e eficiência operacional.

Atualmente, a coleta de dados é manual e os relatórios são gerados sem análise aprofundada, o que impede uma tomada de decisão eficaz para a melhoria dos serviços.

Problemas Identificados

• Dados desconectados: A ausência de um sistema integrado dificulta a análise completa e a identificação de padrões de atendimento.
• Tempo de resposta lento: A demora na análise dos dados impede a implementação rápida de melhorias operacionais.
• Subutilização de recursos: A falta de insights sobre a alocação ideal de recursos leva a ineficiências operacionais.
• Falta de relatórios precisos: Os relatórios gerados atualmente não fornecem informações acionáveis para a gestão de pronto atendimento.

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

• Aumentar a visibilidade sobre padrões de atendimento e uso de recursos.
• Reduzir tempos de espera através de insights acionáveis e alocação otimizada de recursos.
• Melhorar a eficiência operacional com relatórios detalhados que destacam áreas de melhoria.
• Facilitar a tomada de decisão com dados e análises precisas e em tempo hábil.

O agente de IA para análise de dados de pronto atendimento processa dados de atendimento de prontos-socorros, aplica regras para identificar padrões e tendências, e gera relatórios que destacam áreas de melhoria e sucesso. 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 dados de pronto atendimento.

A solução consiste em um fluxo de automação composto por um agente de IA. O processo inicia com a coleta de dados de atendimento e termina com a geração de relatórios em formato markdown.

A execução do agente é linear, seguindo a ordem definida na tabela abaixo.

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram tanto o fluxo de trabalho do agente quanto o resultado final que o cliente receberá. Explore os links abaixo para entender melhor a solução em ação.

RF 1. Agente de Análise de Dados de Pronto Atendimento

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de atendimento de prontos-socorros em formato CSV. Esses dados incluem tempos de espera, tipo de atendimento e dados demográficos dos pacientes.

# 2. Objetivo
Coletar e analisar os dados para identificar padrões e tendências, monitorar tempos de espera e sugerir melhorias para a eficiência operacional.

# 3. Regras que você deve seguir para gerar sua resposta
- Extraia e categorize tipos de casos atendidos, identificando frequências e padrões sazonais.
- Calcule o tempo médio de espera por tipo de atendimento e compare com padrões de mercado, destacando variações significativas.
- Detecte picos de demanda e analise a relação com a alocação de recursos, recomendando ajustes para otimização.
- Elabore relatórios que identifiquem áreas com necessidade imediata de intervenção e setores que apresentam alta eficiência.
- Proponha ações concretas para reduzir tempos de espera, utilizando dados históricos e previsões de demanda para fundamentar as sugestões.

# 4. Exemplo de Output que você deve produzir
**Relatório de Análise de Dados de Pronto Atendimento**
- **Padrões Identificados:** Durante o verão, há um aumento de 20% nos casos de desidratação.
- **Tempo Médio de Espera:** O tempo médio de espera para casos não urgentes é de 45 minutos, enquanto o padrão de mercado é de 30 minutos.
- **Recomendações:**
  1. Alocar mais recursos durante os meses de verão para lidar com o aumento de casos de desidratação.
  2. Implementar triagem mais eficiente para reduzir o tempo de espera em 15 minutos.