1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, consulta a documentos e demais requisitos funcionais para a criação do Agente de IA para Auditoria de Dados de Benefícios. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal deste agente é verificar a consistência e precisão dos dados de consumo de benefícios, detectando anomalias e sugerindo correções antes do envio dos relatórios para o RH.
2. Contexto e Problema
Os departamentos de recursos humanos enfrentam desafios significativos ao lidar com dados de consumo de benefícios. Problemas comuns incluem inconsistências nos dados e erros que podem levar a decisões baseadas em informações imprecisas. Além disso, garantir a precisão dos dados antes de enviá-los aos departamentos de RH é crucial para manter a integridade das operações e evitar complicações legais ou financeiras.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Melhorar a precisão dos dados de consumo de benefícios.
- Reduzir o tempo necessário para a auditoria de dados.
- Diminuir a ocorrência de erros nos relatórios enviados ao RH.
- Fornecer um processo de auditoria mais eficiente e confiável.
4. Visão Geral da Solução
O agente de IA para auditoria de dados de benefícios processa dados de consumo de benefícios, aplica regras de verificação de consistência e detecção de anomalias e prepara os dados corrigidos para envio seguro ao RH. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que este agente atue como um assistente útil e autônomo na auditoria de dados de benefícios.
A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a verificação de consistência dos dados e termina com a preparação dos dados corrigidos para envio ao RH.
| Agentes | Função Principal |
|---|---|
Agente de Verificação de Consistência de Dados de Benefícios (RF 1)
| Verificar a consistência dos dados de consumo de benefícios coletados. |
Agente de Detecção de Anomalias em Dados de Benefícios (RF 2)
| Detectar anomalias nos dados de consumo de benefícios e sugerir correções. |
Agente de Preparação de Dados para Envio ao RH (RF 3)
| Garantir que os dados auditados estejam prontos para envio seguro ao RH. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o fluxo de trabalho dos agentes e 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 Verificação de Consistência de Dados de Benefícios
1.1 Tarefa do Agente
Verificar a consistência dos dados de consumo de benefícios coletados.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de consumo de benefícios em formato CSV. Este arquivo contém registros que precisam ser verificados quanto à consistência.
# 2. Objetivo
Verificar a consistência dos dados de consumo de benefícios coletados.
# 3. Regras que você deve seguir para gerar sua resposta
- Verifique a presença de todas as colunas obrigatórias ('beneficiario', 'beneficio', 'quantidade', 'data_consumo') em cada linha do CSV. Se faltar alguma coluna, marque como linha_incompleta.
- Confirme se a coluna 'quantidade' contém apenas números positivos. Se encontrar valores negativos ou não numéricos, classifique como quantidade_invalida.
- Valide se a 'data_consumo' está em um formato de data válido (YYYY-MM-DD) e dentro do período esperado (últimos 12 meses). Se não estiver, marque como data_invalida.
# 4. Exemplo de Output que você deve produzir
{
"linhas_consistentes": ["linha_1", "linha_2"],
"linhas_inconsistentes": {
"linha_3": "linha_incompleta",
"linha_4": "quantidade_invalida",
"linha_5": "data_invalida"
}
} 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 um arquivo CSV com dados de consumo de benefícios via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do arquivo na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um arquivo CSV contendo dados de consumo de benefícios.
-
Formatos Suportados: Esse agente deve ser capaz de receber arquivos 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 relatório de consistência em formato JSON, indicando linhas consistentes e inconsistentes.
-
Exemplo de Estrutura de Output:
{ "linhas_consistentes": ["linha_1", "linha_2"], "linhas_inconsistentes": { "linha_3": "linha_incompleta", "linha_4": "quantidade_invalida", "linha_5": "data_invalida" } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 2.000 caracteres.
1.3.3 Parâmetros de Geração
- Modelo: GPT-4
- Temperatura: 0.5
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 Detecção de Anomalias em Dados de Benefícios (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Detecção de Anomalias em Dados de Benefícios (RF 2).
RF 2. Agente de Detecção de Anomalias em Dados de Benefícios
2.1 Tarefa do Agente
Detectar anomalias nos dados de consumo de benefícios e sugerir correções apropriadas.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um relatório de consistência em formato JSON, que indica linhas consistentes e inconsistentes.
# 2. Objetivo
Detectar anomalias nos dados de consumo de benefícios e sugerir correções apropriadas.
# 3. Regras que você deve seguir para gerar sua resposta
- Calcule a média de 'quantidade' para cada tipo de benefício e identifique valores que desviem mais de 3 desvios-padrão da média. Marque como quantidade_anomala.
- Revise datas de consumo que não seguem o padrão esperado (ex.: datas futuras) e sugira correções baseadas em datas próximas válidas. Marque como data_anomala.
- Sinalize qualquer beneficiário com registros duplicados ou inconsistentes de consumo no mesmo dia, marcando como duplicidade_beneficiario.
# 4. Exemplo de Output que você deve produzir
{
"anomalias": {
"linha_6": {
"tipo": "quantidade_anomala",
"sugestao": "Reveja o valor para alinhamento com a média."
},
"linha_7": {
"tipo": "data_anomala",
"sugestao": "Ajustar para uma data anterior válida."
}
}
} 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 de consistência em formato JSON, indicando linhas consistentes e inconsistentes.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json(JSON). - 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 de anomalias em formato JSON, com sugestões de correção para cada anomalia detectada.
-
Exemplo de Estrutura de Output:
{ "anomalias": { "linha_6": { "tipo": "quantidade_anomala", "sugestao": "Reveja o valor para alinhamento com a média." }, "linha_7": { "tipo": "data_anomala", "sugestao": "Ajustar para uma data anterior válida." } } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.500 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-4
- Temperatura: 0.5
2.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Utiliza lógica interna para cálculos estatísticos.
- 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 Preparação de Dados para Envio ao RH (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Preparação de Dados para Envio ao RH (RF 3).
RF 3. Agente de Preparação de Dados para Envio ao RH
3.1 Tarefa do Agente
Garantir que os dados auditados estejam prontos para envio seguro ao RH.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um relatório de anomalias em formato JSON, com sugestões de correção para cada anomalia detectada.
# 2. Objetivo
Garantir que os dados auditados estejam prontos para envio seguro ao RH.
# 3. Regras que você deve seguir para gerar sua resposta
- Aplique as correções sugeridas para anomalias detectadas, somente após aprovação manual, e registre as alterações feitas.
- Consolide os dados corrigidos, garantindo que a estrutura original do arquivo CSV seja mantida. Marque qualquer falha de consolidação como erro_consolidacao.
- Verifique se o arquivo final está formatado corretamente (UTF-8, delimitador de vírgula) e pronto para envio seguro ao RH. Marque erros de formatação como erro_formato.
# 4. Exemplo de Output que você deve produzir
{
"dados_corrigidos": "dados_corrigidos.csv",
"log_alteracoes": ["linha_6: quantidade corrigida", "linha_7: data ajustada"]
} 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: Este agente deve ser apto a receber como input um relatório de anomalias em formato JSON, com sugestões de correção para cada anomalia detectada.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json(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 arquivo CSV corrigido e um log de alterações em formato JSON.
-
Exemplo de Estrutura de Output:
{ "dados_corrigidos": "dados_corrigidos.csv", "log_alteracoes": ["linha_6: quantidade corrigida", "linha_7: data ajustada"] } - Número de caracteres esperado: O arquivo CSV final e o log de alterações terão um tamanho combinado estimado em 4.000 caracteres.
3.3.3 Parâmetros de Geração
- Modelo: GPT-4
- 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. Os dados corrigidos e o log de alterações são os resultados que devem ser disponibilizados ao RH.