1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, busca online, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Retenção de Clientes em Serviços de Benefícios". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é desenvolver um agente que monitore continuamente o comportamento dos clientes, utilizando modelos preditivos para identificar sinais de insatisfação e risco de cancelamento, e proponha ações de retenção personalizadas com base no perfil e histórico do cliente.
2. Contexto e Problema
Problemas Específicos
A retenção de clientes é um desafio crítico para empresas de serviços de benefícios. Atualmente, os problemas identificados incluem:
- Identificação tardia de clientes em risco de cancelar serviços.
- Falta de ações personalizadas para reter clientes que demonstram insatisfação.
Para enfrentar esses desafios, é essencial implementar um sistema que não apenas identifique rapidamente os clientes em risco, mas que também ofereça soluções personalizadas para cada caso.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Reduzir o tempo de identificação de clientes em risco de cancelar serviços.
- Aumentar a eficácia das ações de retenção através de personalização.
- Melhorar a satisfação do cliente e reduzir a taxa de churn.
- Otimizar o uso dos recursos dedicados à retenção de clientes.
4. Visão Geral da Solução
O agente de IA para retenção de clientes em serviços de benefícios monitora continuamente o comportamento dos clientes, utiliza modelos preditivos para identificar sinais de insatisfação e risco de cancelamento, e propõe ações de retenção personalizadas com base no perfil e histórico do cliente. 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 retenção de clientes em serviços de benefícios.
A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com o monitoramento do comportamento do cliente e termina com a sugestão de ações de retenção personalizadas.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Monitoramento de Comportamento do Cliente (RF 1)
| Monitorar continuamente o comportamento dos clientes em relação ao uso dos serviços. |
Agente de Predição de Risco de Cancelamento (RF 2)
| Utilizar modelos preditivos para identificar sinais de insatisfação ou risco de cancelamento. |
Agente de Ações de Retenção Personalizadas (RF 3)
| Sugerir ações de retenção personalizadas com base no perfil e histórico do cliente. |
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 Monitoramento de Comportamento do Cliente
1.1 Tarefa do Agente
Monitorar continuamente o comportamento dos clientes em relação ao uso dos serviços.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados de uso dos serviços pelos clientes. Este input representa o comportamento contínuo de interação dos clientes com os serviços oferecidos. # 2. Objetivo Monitorar continuamente o comportamento dos clientes, identificando padrões de uso e comportamentos atípicos que possam indicar insatisfação ou risco de cancelamento. # 3. Regras que você deve seguir para gerar sua resposta - Coletar e analisar dados de uso dos serviços em tempo real para identificar padrões de comportamento. - Detectar automaticamente desvios significativos no uso que possam indicar insatisfação ou risco de cancelamento. - Registrar e atualizar continuamente o histórico de interações dos clientes com os serviços para fornecer contexto em análises futuras. # 4. Exemplo de Output que você deve produzir **Relatório de Comportamento do Cliente:** - Cliente: João Silva - Serviço: Plano de Saúde - Padrão de Uso: Redução significativa no uso de consultas online nas últimas 4 semanas. - Comportamento Atípico: Cancelamento de consultas recorrentes sem reagendamento.
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 de uso dos serviços via API. Na fase de testes, os dados serão enviados diretamente por upload de um csv na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: Dados estruturados de uso dos serviços pelos clientes.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv,.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 100.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório formatado em **Markdown**. A estrutura deve iniciar com um cabeçalho contendo os campos `Cliente`, `Serviço`, `Padrão de Uso` e `Comportamento Atípico` em negrito. Logo após, uma descrição detalhada dos padrões identificados deve ser apresentada.
-
Exemplo de Estrutura de Output:
**Relatório de Comportamento do Cliente:** - Cliente: João Silva - Serviço: Plano de Saúde - Padrão de Uso: Redução significativa no uso de consultas online nas últimas 4 semanas. - Comportamento Atípico: Cancelamento de consultas recorrentes sem reagendamento.
- Número de caracteres esperado: O relatório final deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 caracteres.
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: 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 Predição de Risco de Cancelamento (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Predição de Risco de Cancelamento (RF 2).
RF 2. Agente de Predição de Risco de Cancelamento
2.1 Tarefa do Agente
Utilizar modelos preditivos para identificar sinais de insatisfação ou risco de cancelamento.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um relatório de padrões de uso e comportamentos atípicos. Este relatório foi gerado por um agente anterior e detalha o comportamento dos clientes em relação ao uso dos serviços. # 2. Objetivo Utilizar modelos preditivos para identificar sinais de insatisfação ou risco de cancelamento, classificando os clientes em diferentes níveis de risco. # 3. Regras que você deve seguir para gerar sua resposta - Aplicar modelos de machine learning para prever a probabilidade de cancelamento com base nos dados de comportamento do cliente. - Classificar os clientes em diferentes níveis de risco e identificar os fatores mais influentes para cada cliente. - Ajustar e melhorar continuamente os modelos preditivos com base em novos dados e resultados observados. # 4. Exemplo de Output que você deve produzir **Lista de Clientes com Risco de Cancelamento:** - Cliente: João Silva - Nível de Risco: Alto - Fatores de Risco: Redução no uso de consultas, cancelamento de consultas recorrentes.
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 relatório formatado em Markdown, que corresponde aos padrões de uso e comportamentos atípicos identificados pelo agente anterior.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.md(Markdown). - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 6.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório formatado em **Markdown**. A estrutura deve incluir os campos `Cliente`, `Nível de Risco` e `Fatores de Risco` em negrito, seguidos por uma descrição detalhada dos fatores de risco identificados.
-
Exemplo de Estrutura de Output:
**Lista de Clientes com Risco de Cancelamento:** - Cliente: João Silva - Nível de Risco: Alto - Fatores de Risco: Redução no uso de consultas, cancelamento de consultas recorrentes.
- Número de caracteres esperado: O relatório final deve ser claro e direto, com um tamanho estimado em torno de 4.000 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
2.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
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 Ações de Retenção Personalizadas (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Ações de Retenção Personalizadas (RF 3).
RF 3. Agente de Ações de Retenção Personalizadas
3.1 Tarefa do Agente
Sugerir ações de retenção personalizadas com base no perfil e histórico do cliente.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo uma lista de clientes com risco de cancelamento e fatores de risco identificados. Este documento foi gerado por um agente anterior e detalha os clientes em risco e os fatores que contribuem para esse risco. # 2. Objetivo Sugerir ações de retenção personalizadas para cada cliente, considerando seu histórico e perfil de uso. # 3. Regras que você deve seguir para gerar sua resposta - Desenvolver estratégias de retenção específicas para cada cliente, considerando seu histórico e perfil de uso. - Priorizar ações de retenção que tenham mostrado eficácia em casos semelhantes no passado. - Incorporar feedback anterior do cliente nas sugestões de retenção para aumentar a probabilidade de sucesso. # 4. Exemplo de Output que você deve produzir **Ações de Retenção Personalizadas:** - Cliente: João Silva - Ação Recomendada: Oferecer desconto de 20% na próxima renovação do plano. - Justificativa: Histórico de cancelamento de consultas e feedback positivo sobre descontos anteriores.
3.3 Configurações do Agente
3.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 2).
- Tipo do input: Este agente deve ser apto a receber como input uma lista formatada em Markdown, que corresponde aos clientes em risco de cancelamento e seus fatores de risco.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.md(Markdown). - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 6.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório formatado em **Markdown**. A estrutura deve incluir os campos `Cliente`, `Ação Recomendada` e `Justificativa` em negrito, seguidos por uma descrição detalhada das ações sugeridas.
-
Exemplo de Estrutura de Output:
**Ações de Retenção Personalizadas:** - Cliente: João Silva - Ação Recomendada: Oferecer desconto de 20% na próxima renovação do plano. - Justificativa: Histórico de cancelamento de consultas e feedback positivo sobre descontos anteriores.
- Número de caracteres esperado: O relatório final deve ser claro e direto, com um tamanho estimado em torno de 4.000 caracteres.
3.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
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 devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta gerada por este agente conclui o fluxo e não é passada para outros agentes internos.
3.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. As ações de retenção sugeridas são o resultado que deve ser disponibilizado ao usuário.