1. Propósito e Escopo
Este documento define todos os prompts e detalhes de requisitos para um agente de IA que analisa registros de crédito para identificar e sinalizar possíveis anomalias ou fraudes. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é garantir a segurança e integridade dos registros de crédito através da detecção de padrões anômalos e irregularidades, permitindo uma resposta rápida a possíveis fraudes.
2. Contexto e Problema
Cenário Atual
A indústria financeira enfrenta desafios significativos na detecção de fraudes em registros de crédito. Transações fraudulentas podem resultar em perdas financeiras substanciais e danos à reputação. Os métodos tradicionais de detecção são frequentemente reativos e lentos para responder a novas técnicas de fraude.
Problemas Identificados
- Identificação de Padrões Anômalos: A detecção de padrões que possam indicar fraudes é complexa e requer análise avançada.
- Análise Contínua: A necessidade de monitorar continuamente os registros para detectar irregularidades em tempo real.
- Sinalização Rápida: A capacidade de sinalizar rapidamente possíveis fraudes para investigação é crítica para mitigar riscos.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Reduzir o tempo de resposta a fraudes em registros de crédito.
- Aumentar a precisão na identificação de anomalias e fraudes.
- Melhorar a eficiência da equipe de segurança através de alertas automatizados.
- Proteger a integridade dos registros de crédito e reduzir perdas financeiras.
4. Visão Geral da Solução
O agente de IA para detecção de anomalias em registros de crédito analisa dados em formato CSV para identificar padrões anômalos e sinalizar possíveis fraudes. 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 detecção de fraudes em registros de crédito.
A solução consiste em um fluxo de automação que monitora continuamente os registros de crédito, aplicando algoritmos de detecção de anomalias baseados em IA.
A execução do agente é contínua e em tempo real, garantindo a segurança e a integridade dos registros de crédito.
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o funcionamento do agente e os resultados esperados. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Detecção de Anomalias em Registros de Crédito
1.1 Tarefa do Agente
Analisar registros de crédito para identificar e sinalizar possíveis anomalias ou fraudes.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo registros de crédito em formato CSV. Estes registros contêm informações como 'cliente_id', 'valor_transacao', 'data_transacao', entre outros. # 2. Objetivo Identificar padrões anômalos que possam indicar fraudes e sinalizar rapidamente possíveis irregularidades para investigação. # 3. Regras que você deve seguir para gerar sua resposta - Aplique técnicas de machine learning e análise estatística para detectar padrões anômalos, considerando variações em transações, frequências de compras e valores atípicos. - Implemente um sistema de monitoramento em tempo real para verificar continuamente os registros de crédito, atualizando a análise com novos dados. - Classifique as anomalias detectadas conforme o nível de risco, priorizando aquelas que requerem atenção imediata e gerando relatórios detalhados para cada caso. - Integre com sistemas de alerta para notificar automaticamente a equipe de segurança sobre anomalias de alto risco. - Realize revisões periódicas dos parâmetros de detecção para ajustar e melhorar a precisão, incorporando feedback da equipe de segurança e resultados de investigações anteriores.
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 registros de crédito em formato CSV 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 registros de crédito.
-
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 em JSON com anomalias detectadas, incluindo 'cliente_id', 'tipo_anomalia', 'descricao', e 'nivel_de_risco'.
-
Exemplo de Estrutura de Output:
{ "anomalias": [ { "cliente_id": "12345", "tipo_anomalia": "Transação Atípica", "descricao": "Transação de alto valor fora do padrão usual.", "nivel_de_risco": "Alto" } ] } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 3.000 caracteres, podendo variar conforme o número de anomalias detectadas.
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: Integra-se com sistemas de alerta para notificar automaticamente a equipe de segurança sobre anomalias de alto risco.
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 a equipe de segurança e sistemas de alerta.
1.3.6 Regras de Orquestração e Transição
A execução deste agente é contínua e em tempo real, garantindo a segurança e a integridade dos registros de crédito.