1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, consulta a documentos e demais requisitos funcionais para o Agente de IA "Análise de Logs de Transações Financeiras", uma solução projetada para revisar logs de transações financeiras e identificar padrões anômalos e possíveis fraudes, alertando equipes de segurança. 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 logs de transações financeiras em insights acionáveis que permitam a detecção de fraudes em tempo hábil e a notificação imediata de equipes de segurança.
2. Contexto e Problema
Cenário Atual
As instituições financeiras enfrentam o desafio contínuo de identificar e mitigar fraudes em transações financeiras. Com o aumento do volume de transações e a sofisticação das técnicas de fraude, é crucial implementar soluções automatizadas que possam analisar grandes volumes de dados em tempo real.
- Identificação de padrões anômalos em transações financeiras.
- Detecção de possíveis fraudes em tempo hábil.
- Alerta rápido para equipes de segurança sobre transações suspeitas.
Atualmente, a análise de logs de transações financeiras é um processo manual e demorado, muitas vezes resultando em atrasos na identificação de fraudes e, consequentemente, em prejuízos financeiros significativos.
Problemas Identificados
- Volume de dados: O grande volume de transações financeiras diárias torna inviável a análise manual.
- Sofisticação das fraudes: As técnicas de fraude estão se tornando cada vez mais sofisticadas e difíceis de detectar com métodos tradicionais.
- Tempo de resposta: A demora na identificação de fraudes pode resultar em perdas financeiras significativas.
- Falta de automação: A ausência de soluções automatizadas para análise de logs limita a capacidade de resposta rápida a fraudes.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Redução do tempo de detecção de fraudes em pelo menos 70%.
- Aumento da precisão na identificação de transações suspeitas.
- Automatização do processo de análise de logs de transações financeiras.
- Melhoria da segurança financeira através de alertas rápidos para equipes de segurança.
4. Visão Geral da Solução
O agente de IA para análise de logs de transações financeiras processa dados de transações em formato CSV, aplica algoritmos de machine learning para detecção de fraudes e gera alertas automáticos para equipes de segurança. 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 logs de transações financeiras.
A solução é composta por agentes de IA que analisam logs de transações financeiras, identificam padrões anômalos, classificam transações suspeitas e enviam alertas automáticos para equipes de segurança.
| Agentes | Função Principal |
|---|---|
Agente de Análise de Logs de Transações (RF 1)
| Revisar logs de transações financeiras para identificar padrões anômalos e possíveis fraudes. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos que demonstram o fluxo de trabalho do agente e o resultado final. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Análise de Logs de Transações
1.1 Tarefa do Agente
Revisar logs de transações financeiras para identificar padrões anômalos e possíveis fraudes.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo logs de transações financeiras em formato CSV com colunas 'data', 'valor', 'tipo_transacao', 'origem', 'destino'. # 2. Objetivo Revisar esses logs para identificar padrões anômalos e possíveis fraudes, e enviar alertas automáticos para as equipes de segurança. # 3. Regras que você deve seguir para gerar sua resposta - Identifique padrões anômalos em transações financeiras analisando desvios significativos nos valores e frequências das transações. - Classifique as transações como suspeitas se apresentarem características que historicamente indicaram fraudes, como valores acima de um limite específico ou transações frequentes em um curto período. - Priorize transações que envolvem países ou entidades conhecidas por atividades fraudulentas. - Envie alertas automáticos para equipes de segurança se uma transação for classificada acima de um determinado nível de suspeita. - Documente cada transação anômala identificada com detalhes como data, valor, e razão da suspeita para auditoria futura.
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 logs de transações financeiras via API após cada ciclo de transações. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do arquivo CSV na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: Logs de transações financeiras em formato CSV.
-
Formatos Suportados: Esse agente deve ser capaz de receber logs nos formatos:
.csv. - 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 arquivo no formato JSON com transações anômalas identificadas e classificadas por nível de suspeita.
-
Exemplo de Estrutura de Output:
{ "transacoes_anomalas": [ { "data": "2025-11-27", "valor": 10000, "tipo_transacao": "transferencia", "origem": "Banco X", "destino": "Banco Y", "nivel_suspeita": "alto", "razao_suspeita": "Valor acima do limite" } ] } - Número de caracteres esperado: O JSON gerado deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 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: Utiliza lógica interna para calcular desvios e frequências.
- 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 as equipes de segurança responsáveis pelo monitoramento de fraudes.
1.3.6 Regras de Orquestração e Transição
Após a análise, o agente envia alertas automáticos para as equipes de segurança caso uma transação seja classificada acima de um determinado nível de suspeita.