PrototipeAI | Agente de IA para Previsão de Cancelamentos de Planos de Saúde

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória e transição entre estados necessários para o fluxo de agentes "Previsão de Cancelamentos de Planos de Saúde". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é prever potenciais cancelamentos de planos de saúde utilizando dados históricos e sugerir intervenções proativas para retenção de clientes.

2. Contexto e Problema

Cenário Atual

As operadoras de planos de saúde enfrentam desafios significativos com taxas elevadas de cancelamento de planos, o que impacta diretamente sua sustentabilidade financeira. Atualmente, a falta de previsibilidade e ações proativas para retenção de clientes é um problema crítico.

Problemas Identificados

Taxas elevadas de cancelamento: As operadoras não conseguem prever quais clientes estão em risco de cancelar seus planos.
Falta de previsibilidade: A ausência de modelos preditivos eficazes impede ações de retenção proativas.
Ausência de intervenções proativas: Sem insights claros, as operadoras não conseguem implementar estratégias de retenção eficazes.

3. Impactos Esperados

A implementação deste agente de IA tem como objetivo alcançar os seguintes resultados:

Reduzir as taxas de cancelamento em pelo menos 30% através de ações proativas.
Melhorar a previsibilidade sobre quais clientes estão em risco de cancelar seus planos.
Aumentar a eficácia das intervenções de retenção de clientes.

4. Visão Geral da Solução

O agente de IA para previsão de cancelamentos de planos de saúde utiliza dados históricos para identificar indicadores de cancelamento e sugerir intervenções proativas. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue de forma eficaz na retenção de clientes.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo começa com a análise de dados históricos e termina com a sugestão de intervenções para retenção de clientes.

A execução dos agentes segue a ordem definida na tabela abaixo.

Agentes	Função Principal
`Agente de Análise de Dados Históricos` (RF 1)	Analisar dados históricos para identificar indicadores de cancelamento de planos de saúde.
`Agente de Sugestão de Intervenções` (RF 2)	Sugerir intervenções proativas para retenção de clientes com base nos indicadores identificados.

5. Protótipos

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos que demonstram o fluxo de trabalho dos agentes. Explore os links abaixo para entender melhor a solução em ação.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Análise de Dados Históricos

1.1 Tarefa do Agente

Analisar dados históricos para identificar indicadores de cancelamento de planos de saúde.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados históricos de clientes, incluindo informações sobre cancelamentos anteriores de planos de saúde.

# 2. Objetivo
Analisar os dados para identificar padrões e indicadores de cancelamento, focando em atrasos de pagamento, baixo uso dos serviços e reclamações frequentes.

# 3. Regras que você deve seguir para gerar sua resposta
- Extraia padrões recorrentes de cancelamento nos dados históricos.
- Utilize métodos estatísticos avançados para identificar correlações significativas entre fatores de risco e o cancelamento de planos.
- Estruture os indicadores de risco identificados para análises preditivas subsequentes.

# 4. Exemplo de Output que você deve produzir
{"indicadores_cancelamento": ["atraso_pagamento", "uso_baixo", "reclamações_frequentes"]}

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 dados históricos de clientes via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados por upload de um arquivo CSV na interface da Prototipe AI, para acelerar o processo de validação.
Tipo do input: O input inicial para o fluxo é um conjunto de dados tabulares, que inclui informações históricas sobre cancelamentos de planos.
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv, .xls.
Número de caracteres esperado: Este agente deve ter capacidade para processar um conjunto de dados com até 100.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser um JSON estruturado que destaca os indicadores de risco de cancelamento identificados.

Exemplo de Estrutura de Output:

{"indicadores_cancelamento": ["atraso_pagamento", "uso_baixo", "reclamações_frequentes"]}

Número de caracteres esperado: O JSON gerado deve ser conciso e direto, com um tamanho estimado em 500 caracteres.

1.3.3 Parâmetros de Geração

Modelo: GPT-5
Temperatura: 0.4

1.3.4 Ferramentas do Agente

Documentos: Não consulta documentos externos.
Calculadora: Utiliza lógica interna para análise de dados.
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 Sugestão de Intervenções (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sugestão de Intervenções (RF 2).

RF 2. Agente de Sugestão de Intervenções

2.1 Tarefa do Agente

Sugerir intervenções proativas para retenção de clientes com base nos indicadores identificados.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo indicadores de cancelamento identificados pelo agente anterior.

# 2. Objetivo
Sugerir intervenções proativas para retenção de clientes, associando cada indicador de cancelamento a intervenções específicas.

# 3. Regras que você deve seguir para gerar sua resposta
- Associe cada indicador de cancelamento identificado a intervenções específicas que historicamente reduziram cancelamentos, como ofertas de desconto e programas de fidelidade.
- Avalie o impacto potencial e custo-benefício de cada intervenção sugerida, priorizando as de maior eficácia e menor custo.
- Apresente as intervenções sugeridas de forma estruturada, destacando as que oferecem maior potencial de retenção de clientes.

# 4. Exemplo de Output que você deve produzir
{"intervencoes_sugeridas": ["oferta_desconto", "programa_fidelidade", "melhoria_atendimento"]}

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 um JSON estruturado, que contém os indicadores de risco de cancelamento identificados pelo agente anterior.
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 até 1.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um JSON estruturado que apresenta as intervenções sugeridas para retenção de clientes.