Agente de IA para Padronização de Dados de Crédito

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Fluxo de Agentes "Padronização de Dados de Crédito", uma solução de automação projetada para padronizar e categorizar dados de crédito de várias fontes, facilitando a análise e a integração em sistemas de bureau 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 dados de crédito inconsistentes e não padronizados em informações estruturadas e categorizadas, prontas para análise e integração, garantindo a consistência e precisão dos dados.

Cenário Atual

Empresas de crédito enfrentam desafios significativos ao lidar com dados de crédito provenientes de múltiplas fontes, cada uma com seus próprios formatos e padrões. Isso resulta em dificuldades na análise de dados e na integração eficiente em sistemas de bureau de crédito.

Problemas específicos incluem:

• Dados de crédito inconsistentes e não padronizados que dificultam a análise.
• Necessidade de integração eficiente de dados de várias fontes em sistemas de bureau de crédito.

Problemas Identificados

• Inconsistência de Dados: Dados de crédito são frequentemente recebidos em formatos variados, levando a inconsistências que complicam a análise.
• Dificuldade de Integração: A falta de padronização impede a integração fluida dos dados em sistemas de bureau de crédito.
• Precisão Comprometida: Sem padronização, a precisão dos dados pode ser comprometida, afetando decisões baseadas nesses dados.

A implementação deste agente de padronização de dados de crédito visa alcançar os seguintes resultados:

• Melhorar a consistência dos dados de crédito através da padronização e categorização.
• Facilitar a integração dos dados em sistemas de bureau de crédito.
• Aumentar a precisão dos dados utilizados para análise e decisões de crédito.

O agente de IA para padronização de dados de crédito processa dados de várias fontes, aplica regras de padronização e categorização, e prepara os dados para integração em sistemas de bureau de crédito. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue de forma eficaz na padronização de dados de crédito.

A solução consiste em um fluxo de automação composto por um agente de IA que padroniza e categoriza os dados de crédito.

A execução do agente é linear, seguindo a ordem definida nas regras de padronização e categorização estabelecidas.

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

RF 1. Agente de Padronização de Dados de Crédito

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de crédito em formatos variados de diferentes fontes. Esses dados precisam ser padronizados e categorizados para facilitar a análise e integração em sistemas de bureau de crédito.

# 2. Objetivo
Padronizar e categorizar os dados de crédito recebidos, assegurando que estejam prontos para integração em sistemas de bureau de crédito.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1. Identifique o formato de cada conjunto de dados de crédito recebido e converta para um formato padrão previamente definido.
- Regra 2. Classifique cada elemento dos dados de crédito em categorias predefinidas, como tipo de crédito, valor, data de vencimento, etc.
- Regra 3. Verifique a consistência entre os dados padronizados e as categorias atribuídas, corrigindo quaisquer discrepâncias encontradas.
- Regra 4. Valide a precisão dos dados padronizados comparando com critérios de referência ou benchmarks estabelecidos.
- Regra 5. Gere um relatório de conformidade destacando quaisquer dados que não puderam ser padronizados ou categorizados corretamente.
- Regra 6. Facilite a integração dos dados padronizados em sistemas de bureau de crédito, assegurando que o formato final esteja de acordo com os requisitos específicos desses sistemas.

# 4. Exemplo de Output que você deve produzir
{
  "dados_padronizados": [
    {
      "tipo_credito": "pessoal",
      "valor": 10000,
      "data_vencimento": "2025-12-31"
    }
  ],
  "relatorio_conformidade": "Todos os dados foram padronizados com sucesso."
}