Agente de IA para Previsão de Demanda de Vale-Transporte

12 de November de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que prevê a demanda de vale-transporte com base em dados históricos e tendências atuais.

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 Demanda de Vale-Transporte", uma solução de automação projetada para prever a demanda de vale-transporte com base em dados históricos e tendências atuais. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é utilizar dados históricos e tendências atuais para prever a demanda futura de vale-transporte, auxiliando no planejamento de estoques para evitar falta ou excesso de suprimentos.

2. Contexto e Problema

Problemas Específicos

O setor de transporte enfrenta dificuldades em prever a demanda de vale-transporte de forma precisa, o que leva a ineficiências no planejamento de estoques de bilhetes devido a previsões imprecisas.

  • Dificuldade em prever a demanda de vale-transporte de forma precisa.
  • Ineficiências no planejamento de estoques de bilhetes devido a previsões imprecisas.

Com a utilização de um agente de IA, espera-se melhorar a precisão das previsões e otimizar o planejamento de estoques.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

  • Aumentar a precisão das previsões de demanda de vale-transporte.
  • Otimizar o planejamento de estoques de bilhetes para evitar falta ou excesso de suprimentos.
  • Reduzir ineficiências no processo de gestão de estoques.

4. Visão Geral da Solução

O agente de IA para previsão de demanda de vale-transporte analisa dados históricos e tendências atuais para prever a demanda futura, auxiliando no planejamento de estoques de bilhetes. 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 demanda de vale-transporte.

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 recomendações de estoque.

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 de uso de vale-transporte para identificar padrões e tendências.
Agente de Previsão de Demanda (RF 2) Utilizar dados históricos e tendências atuais para prever a demanda futura de vale-transporte.
Agente de Planejamento de Estoques (RF 3) Auxiliar no planejamento de estoques de bilhetes de vale-transporte com base nas previsões de demanda.

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 uso de vale-transporte para identificar padrões e tendências.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de dados históricos de uso de vale-transporte. Este conjunto de dados contém informações sobre datas, quantidades e localidades de uso.

# 2. Objetivo
Analisar os dados para identificar padrões de uso, calcular médias diárias, semanais e mensais, e destacar variações sazonais.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcular médias diárias, semanais e mensais de uso de vale-transporte.
- Identificar variações sazonais e correlacionar com eventos específicos como feriados e eventos locais.
- Destacar picos de demanda e períodos de baixa utilização para otimizar o planejamento de estoques.

# 4. Exemplo de Output que você deve produzir
{
  "media_diaria": 150,
  "media_semanal": 1050,
  "media_mensal": 4500,
  "picos_demanda": ["01-12-2025", "15-12-2025"],
  "baixa_utilizacao": ["25-12-2025"]
} 
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 conjunto de dados históricos de uso de vale-transporte 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 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 históricos em formato CSV.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado com padrões identificados, como médias diárias, semanais e mensais de uso, além de picos de demanda e períodos de baixa utilização.
  • Exemplo de Estrutura de Output:
     {
      "media_diaria": 150,
      "media_semanal": 1050,
      "media_mensal": 4500,
      "picos_demanda": ["01-12-2025", "15-12-2025"],
      "baixa_utilizacao": ["25-12-2025"]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 1.200 caracteres.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos estatísticos básicos.
  • 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 Previsão de Demanda (RF 2).

1.3.6 Regras de Orquestração e Transição

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

RF 2. Agente de Previsão de Demanda

2.1 Tarefa do Agente

Utilizar dados históricos e tendências atuais para prever a demanda futura de vale-transporte.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com padrões de uso de vale-transporte identificados e dados de tendências atuais.

# 2. Objetivo
Aplicar modelos estatísticos e algoritmos preditivos para gerar previsões de demanda de vale-transporte para períodos futuros.

# 3. Regras que você deve seguir para gerar sua resposta
- Aplicar modelos estatísticos e algoritmos preditivos para gerar previsões de demanda.
- Atualizar previsões em tempo real com novos dados para aumentar a precisão.
- Incorporar variáveis externas relevantes, como previsões climáticas e eventos locais, que possam impactar a demanda.

# 4. Exemplo de Output que você deve produzir
{
  "previsao_demanda": {
    "01-01-2026": 160,
    "02-01-2026": 170,
    "03-01-2026": 180
  },
  "intervalo_confianca": "95%"
} 
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 contendo padrões de uso identificados e dados de tendências atuais.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 6.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com previsões de demanda de vale-transporte para períodos futuros, incluindo intervalos de confiança.
  • Exemplo de Estrutura de Output:
     {
      "previsao_demanda": {
        "01-01-2026": 160,
        "02-01-2026": 170,
        "03-01-2026": 180
      },
      "intervalo_confianca": "95%"
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 1.500 caracteres.

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 previsões estatísticas.
  • 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 Planejamento de Estoques (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Planejamento de Estoques (RF 3).

RF 3. Agente de Planejamento de Estoques

3.1 Tarefa do Agente

Auxiliar no planejamento de estoques de bilhetes de vale-transporte com base nas previsões de demanda.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com previsões de demanda de vale-transporte.

# 2. Objetivo
Analisar as previsões de demanda e calcular quantidades ideais de estoque para evitar falta ou excesso de bilhetes.

# 3. Regras que você deve seguir para gerar sua resposta
- Analisar previsões de demanda e calcular quantidades ideais de estoque para cada período.
- Sugerir estratégias de reabastecimento considerando níveis de estoque atual e previsões futuras.
- Emitir alertas para desvios significativos entre previsões e consumo real, propondo ajustes nas estratégias de estoque.

# 4. Exemplo de Output que você deve produzir
{
  "estoque_recomendado": {
    "01-01-2026": 160,
    "02-01-2026": 170,
    "03-01-2026": 180
  },
  "alertas": ["Desvio significativo em 02-01-2026"]
} 
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 JSON com previsões de demanda de vale-transporte.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 2.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com recomendações de quantidade de bilhetes a serem estocados e alertas para desvios significativos nas previsões.
  • Exemplo de Estrutura de Output:
     {
      "estoque_recomendado": {
        "01-01-2026": 160,
        "02-01-2026": 170,
        "03-01-2026": 180
      },
      "alertas": ["Desvio significativo em 02-01-2026"]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 1.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para planejamento de estoques.
  • 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. As recomendações de estoque e alertas gerados são o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.