1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, busca online, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Análise de Risco de Crédito Empresarial", uma solução de automação projetada para avaliar o risco de crédito de empresas com base em dados financeiros e históricos de crédito. 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 o input de dados financeiros e históricos de crédito em insights claros e acionáveis para decisões de crédito mais seguras.
2. Contexto e Problema
Cenário Atual
O processo de avaliação de risco de crédito empresarial enfrenta desafios significativos:
- Avaliação de risco de crédito demorada e sujeita a erros humanos.
- Dificuldade em integrar e analisar grandes volumes de dados históricos e financeiros.
- Necessidade de insights precisos para decisões de crédito mais seguras.
Atualmente, as decisões de crédito são feitas manualmente, o que pode levar a inconsistências e a uma análise não padronizada. A falta de integração entre diferentes fontes de dados financeiros e históricos torna o processo ainda mais complexo e sujeito a erros.
Problemas Identificados
- Consumo de tempo: O processo manual de avaliação de risco consome um tempo valioso dos analistas, que poderia ser utilizado em atividades de maior valor agregado.
- Inconsistência na análise: A variabilidade na interpretação dos dados por diferentes analistas pode levar a decisões de crédito inconsistentes.
- Dificuldade de acesso a dados: A integração de grandes volumes de dados de diferentes fontes é desafiadora e propensa a erros.
- Risco de crédito subestimado: A falta de uma análise preditiva robusta pode resultar em uma subestimação dos riscos de crédito, impactando negativamente a carteira de crédito.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Reduzir o tempo de avaliação de risco em pelo menos 70%.
- Aumentar a precisão das análises de risco de crédito através de modelos preditivos avançados.
- Padronizar a qualidade e o formato das análises de risco de crédito.
- Facilitar a integração de dados de diferentes fontes de forma automatizada.
- Melhorar a segurança das decisões de crédito, proporcionando insights mais precisos e acionáveis.
4. Visão Geral da Solução
O agente de IA para análise de risco de crédito empresarial processa dados financeiros e históricos de crédito, aplica modelos preditivos para identificar padrões de risco e gera relatórios com insights claros e acionáveis. 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 avaliação de risco de crédito empresarial.
A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a coleta e integração de dados financeiros e termina com a geração de relatórios de crédito.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Coleta e Integração de Dados Financeiros (RF 1)
| Coletar e integrar dados financeiros e históricos de crédito de forma automatizada. |
Agente de Análise Preditiva de Risco de Crédito (RF 2)
| Aplicar modelos de IA para análise preditiva e identificação de padrões de risco. |
Agente de Geração de Relatórios de Crédito (RF 3)
| Gerar relatórios com insights claros e acionáveis para suporte à decisão de crédito. |
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 Coleta e Integração de Dados Financeiros
1.1 Tarefa do Agente
Coletar e integrar dados financeiros e históricos de crédito de forma automatizada.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo uma solicitação com parâmetros de empresas para análise. Este texto é o ponto de partida para a coleta de dados financeiros e históricos de crédito. # 2. Objetivo Coletar e integrar dados financeiros e históricos de crédito de forma automatizada, assegurando a atualização e precisão das informações. # 3. Regras que você deve seguir para gerar sua resposta - Identificar e acessar fontes confiáveis de dados financeiros, tais como bancos de dados internos e externos, incluindo registros de crédito público. - Automatizar o processo de coleta dos dados relevantes, assegurando a atualização e precisão das informações. - Integrar os dados coletados em um formato unificado, eliminando duplicações e inconsistências para garantir a integridade dos dados. # 4. Exemplo de Output que você deve produzir Dados financeiros e históricos de crédito integrados e prontos para análise.
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 uma solicitação de análise de crédito 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 uma solicitação com parâmetros de empresas para análise de crédito.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.json,.csv. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um conjunto de dados integrados e prontos para análise, estruturados de forma unificada.
-
Exemplo de Estrutura de Output:
Dados financeiros e históricos de crédito integrados e prontos para análise.
- Número de caracteres esperado: O conjunto de dados integrado deve ser conciso e informativo, com um tamanho estimado em torno de 10.000 caracteres, podendo variar conforme a complexidade dos dados coletados.
1.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
1.3.4 Ferramentas do Agente
- Documentos: Consulta a bancos de dados internos e externos para coleta de dados financeiros.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Conecta-se a sistemas de registros de crédito público para coleta de dados.
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 Risco 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 Risco de Crédito (RF 2).
RF 2. Agente de Análise Preditiva de Risco de Crédito
2.1 Tarefa do Agente
Aplicar modelos de IA para análise preditiva e identificação de padrões de risco.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados financeiros e históricos de crédito integrados. Este é o ponto de partida para a análise preditiva de risco de crédito. # 2. Objetivo Aplicar modelos de IA para análise preditiva e identificação de padrões de risco, avaliando a probabilidade de inadimplência. # 3. Regras que você deve seguir para gerar sua resposta - Utilizar algoritmos de aprendizado de máquina para identificar tendências e padrões nos dados financeiros e de crédito. - Avaliar a probabilidade de inadimplência com base em modelos preditivos que considerem variáveis macroeconômicas e setoriais. - Validar a precisão dos modelos preditivos regularmente, ajustando-os conforme necessário para melhorar a acurácia. # 4. Exemplo de Output que você deve produzir Análise preditiva de risco de crédito com identificação de padrões de risco.
2.3 Configurações do Agente
2.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
- Tipo do input: Este agente deve ser apto a receber como input dados financeiros e históricos de crédito integrados.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json,.csv. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 10.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser uma análise preditiva de risco de crédito, destacando os principais padrões de risco identificados.
-
Exemplo de Estrutura de Output:
Análise preditiva de risco de crédito com identificação de padrões de risco.
- Número de caracteres esperado: A análise preditiva deve ser concisa e informativa, com um tamanho estimado em torno de 5.000 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
2.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
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 de Crédito (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatórios de Crédito (RF 3).
RF 3. Agente de Geração de Relatórios de Crédito
3.1 Tarefa do Agente
Gerar relatórios com insights claros e acionáveis para suporte à decisão de crédito.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo uma análise preditiva de risco de crédito. Este é o ponto de partida para a geração de relatórios de crédito. # 2. Objetivo Gerar relatórios que sintetizem as análises preditivas, destacando os principais riscos identificados e incluindo recomendações específicas. # 3. Regras que você deve seguir para gerar sua resposta - Elaborar relatórios detalhados que sintetizem as análises preditivas, destacando os principais riscos identificados. - Incluir recomendações específicas baseadas nos insights dos dados, sugerindo ações mitigadoras para os riscos de crédito identificados. - Estruturar os relatórios de forma clara e acessível, facilitando a interpretação por parte dos tomadores de decisão. # 4. Exemplo de Output que você deve produzir Relatórios de crédito com insights claros e acionáveis.
3.3 Configurações do Agente
3.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 2).
- Tipo do input: Este agente deve ser apto a receber como input uma análise preditiva de risco de crédito.
-
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 texto com até 5.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório de crédito detalhado, incluindo insights e recomendações para suporte à decisão de crédito.
-
Exemplo de Estrutura de Output:
Relatórios de crédito com insights claros e acionáveis.
- Número de caracteres esperado: O relatório final deve ser claro e detalhado, com um tamanho estimado em torno de 8.000 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.