1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Fluxo de Agentes "Previsão de Comportamento de Pagamento", uma solução de automação projetada para prever o comportamento de pagamento futuro dos clientes com base em dados históricos. 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 históricos em previsões acionáveis que auxiliem na tomada de decisão de crédito, melhorando a eficiência e a precisão das operações financeiras da empresa.
2. Contexto e Problema
Cenário Atual
As empresas frequentemente enfrentam desafios na previsão do comportamento de pagamento dos clientes, o que pode levar a decisões de crédito inadequadas e aumentar o risco de inadimplência. Atualmente, a análise preditiva eficiente em grandes volumes de dados é uma lacuna significativa nas operações financeiras.
Problemas Identificados
- Previsão imprecisa: Métodos tradicionais de análise não conseguem capturar padrões complexos de comportamento de pagamento.
- Falta de ferramentas: Ausência de sistemas robustos para análise preditiva eficiente em grandes volumes de dados.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Aumentar a precisão das previsões de comportamento de pagamento em pelo menos 70%.
- Reduzir o risco de inadimplência com insights mais precisos e acionáveis.
- Otimizar a tomada de decisão de crédito com base em dados preditivos robustos.
4. Visão Geral da Solução
O agente de IA para previsão de comportamento de pagamento utiliza dados históricos para identificar padrões relevantes e estimar o comportamento de pagamento futuro dos clientes. 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 previsão de comportamento de pagamento.
A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a análise de dados históricos e termina com a geração de insights para decisão de crédito.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Análise de Dados Históricos (RF 1)
| Analisar dados históricos e identificar padrões relevantes para previsão. |
Agente de Estimativa de Comportamento de Pagamento Futuro (RF 2)
| Utilizar modelos preditivos para estimar o comportamento de pagamento futuro dos clientes. |
Agente de Geração de Insights para Decisão de Crédito (RF 3)
| Fornecer insights acionáveis para a tomada de decisão de crédito com base na previsão de comportamento de pagamento. |
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 Análise de Dados Históricos
1.1 Tarefa do Agente
Analisar dados históricos de pagamento dos clientes para identificar padrões relevantes que possam ser utilizados na previsão de comportamento futuro.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados históricos de pagamento dos clientes em formato CSV. Esses dados incluem informações sobre o cliente, datas de pagamento, valores pagos e status do pagamento.
# 2. Objetivo
Analisar os dados para identificar padrões de pagamento significativos, como atrasos frequentes ou antecipações, que possam influenciar previsões futuras.
# 3. Regras que você deve seguir para gerar sua resposta
- Elimine dados duplicados ou ausentes antes de iniciar a análise para garantir a integridade dos dados.
- Identifique padrões de pagamento, incluindo atrasos frequentes, pagamentos antecipados e variações sazonais.
- Marque clientes com tendências claras de atraso ou antecipação para futuras análises.
# 4. Exemplo de Output que você deve produzir
{
"cliente_id": "123",
"padrões_relevantes": {
"atrasos_frequentes": true,
"pagamentos_adiantados": false
}
} 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 pagamento dos clientes via API. Na fase de testes, os dados serão enviados para o agente diretamente 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 arquivo CSV contendo dados históricos de pagamento.
-
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 arquivo no formato JSON detalhando os padrões de pagamento identificados para cada cliente.
-
Exemplo de Estrutura de Output:
{ "cliente_id": "123", "padrões_relevantes": { "atrasos_frequentes": true, "pagamentos_adiantados": false } } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.000 caracteres por cliente.
1.3.3 Parâmetros de Geração
- Modelo: GPT-5
- 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 Estimativa de Comportamento de Pagamento Futuro (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Estimativa de Comportamento de Pagamento Futuro (RF 2).
RF 2. Agente de Estimativa de Comportamento de Pagamento Futuro
2.1 Tarefa do Agente
Utilizar modelos preditivos para estimar o comportamento de pagamento futuro dos clientes com base nos padrões identificados.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com padrões identificados de comportamento de pagamento dos clientes.
# 2. Objetivo
Aplicar modelos preditivos para estimar o comportamento de pagamento futuro de cada cliente e gerar uma previsão detalhada.
# 3. Regras que você deve seguir para gerar sua resposta
- Aplique algoritmos preditivos aos padrões identificados para prever o comportamento futuro.
- Calcule a probabilidade para cada previsão, medindo o grau de confiança.
- Considere fatores externos como mudanças econômicas ou políticas de crédito que possam influenciar o comportamento de pagamento.
- Atualize continuamente os modelos preditivos com novos dados para melhorar a precisão.
# 4. Exemplo de Output que você deve produzir
{
"cliente_id": "123",
"previsao_pagamento": "atrasado",
"probabilidade": 0.85
} 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 arquivo JSON que contém padrões de comportamento de pagamento identificados.
-
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 30.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo no formato JSON contendo as previsões detalhadas de comportamento de pagamento futuro para cada cliente.
-
Exemplo de Estrutura de Output:
{ "cliente_id": "123", "previsao_pagamento": "atrasado", "probabilidade": 0.85 } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.000 caracteres por cliente.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.5
2.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Utiliza lógica interna para cálculos preditivos.
- 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 Geração de Insights para Decisão de Crédito (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Geração de Insights para Decisão de Crédito (RF 3).
RF 3. Agente de Geração de Insights para Decisão de Crédito
3.1 Tarefa do Agente
Fornecer insights acionáveis para a tomada de decisão de crédito com base nas previsões de comportamento de pagamento.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um JSON com previsões detalhadas de comportamento de pagamento futuro dos clientes. # 2. Objetivo Analisar as previsões para gerar insights acionáveis que auxiliem na tomada de decisão de crédito, incluindo recomendações personalizadas para cada cliente. # 3. Regras que você deve seguir para gerar sua resposta - Analise as previsões de comportamento de pagamento para gerar insights relevantes. - Forneça recomendações personalizadas para cada cliente, como ajuste de limites de crédito ou condições de pagamento. - Considere a política de crédito da empresa ao sugerir ações. - Destaque clientes com alto risco de inadimplência para acompanhamento mais próximo. - Prepare o relatório em formato markdown para fácil leitura e distribuição. # 4. Exemplo de Output que você deve produzir **Relatório de Decisão de Crédito** **Cliente:** 123 **Previsão de Pagamento:** Atrasado **Probabilidade:** 85% **Recomendações:** - Ajustar limite de crédito para mitigar riscos. - Implementar condições de pagamento mais rígidas. - Monitorar de perto o comportamento de pagamento nos próximos meses.
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 arquivo JSON contendo previsões detalhadas de comportamento de pagamento futuro.
-
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 30.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório formatado em Markdown, contendo insights e recomendações para a tomada de decisão de crédito.
-
Exemplo de Estrutura de Output:
**Relatório de Decisão de Crédito** **Cliente:** 123 **Previsão de Pagamento:** Atrasado **Probabilidade:** 85% **Recomendações:** - Ajustar limite de crédito para mitigar riscos. - Implementar condições de pagamento mais rígidas. - Monitorar de perto o comportamento de pagamento nos próximos meses.
- Número de caracteres esperado: O relatório gerado deve ter um tamanho estimado em torno de 3.000 caracteres por cliente.
3.3.3 Parâmetros de Geração
- Modelo: GPT-5
- 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 são visíveis para agentes subsequentes.
- 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.