Introdução
A inflação é um dos principais indicadores monitorados por economistas, analistas e formuladores de política monetária. Entender sua trajetória exige o acompanhamento de diversos componentes, como o IPCA cheio, núcleos de inflação e os grupos que mais influenciam a variação mensal do índice.
Neste exercício, mostramos como automatizar a análise da inflação com o uso de agentes inteligentes, capazes de consultar bases de dados estruturadas, interpretar os resultados e gerar análises em linguagem natural. Para isso, utilizamos o framework LangGraph, que permite orquestrar agentes especializados em tarefas específicas, como geração de consultas SQL e produção de comentários econômicos.
Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.
Organização dos dados
O primeiro passo do exercício foi estruturar os dados em um banco SQLite a partir de diferentes fontes oficiais:
-
IPCA Cheio (SGS/BCB): Com indicadores como IPCA acumulado em 12 meses, IPCA dessazonalizado em média móvel trimestral anualizada (MM3M SAAR), além das metas de inflação e seus limites.
-
Núcleos de Inflação (SGS/BCB): Média dos principais núcleos, com cálculo do núcleo em 12 meses e o núcleo MM3M SAAR.
-
Grupos do IPCA (SIDRA/IBGE): Variações mensais e pesos dos principais grupos, além de suas contribuições mensais para o índice geral.
Esses dados foram tratados e organizados em três tabelas relacionais: ipca_cheio, ipca_nucleos e ipca_grupos.
Construção do sistema de agentes
O sistema utiliza dois agentes principais conectados por um grafo de execução com estado persistente:
-
Agente SQL: Interpreta a pergunta do usuário, gera uma consulta SQL específica e extrai os dados da tabela correta.
-
Agente Analista: Recebe o resultado da consulta e elabora uma análise conjuntural concisa com base nas informações retornadas.
Esse fluxo é orquestrado pelo LangGraph, que garante a execução ordenada das tarefas e o retorno da resposta final em linguagem natural.
Aplicações práticas
Com o sistema funcionando, o usuário pode fazer perguntas como:
“
Faça uma análise da inflação do Brasil em 2025 usando dados do núcleo de inflação. Faça ponderações sobre a trajetória dos principais indicadores de preços, e qual deve ser o caminho da política monetária”
A resposta gerada automaticamente foi:
================================ Human Message =================================
Faça uma análise da inflação do Brasil em 2025 usando dados do núcleo de inflação. Faça ponderações sobre a trajetória dos principais indicadores de preços, e qual deve ser o caminho da política monetária
================================== Ai Message ==================================
Name: sql_agent
Com base nos dados do núcleo de inflação para 2025, podemos observar as seguintes tendências:
* **Meta:** A meta de inflação permanece constante em 3.0% ao longo do primeiro semestre de 2025.
* **Núcleo 12m:** O núcleo da inflação em 12 meses apresenta uma trajetória crescente no primeiro quadrimestre, atingindo um pico em abril (5.26%), seguido por uma leve queda em maio e junho, mas ainda se mantendo acima da meta.
* **Núcleo MM3M SAAR:** O núcleo da inflação MM3M SAAR (Média Móvel Trimestral Dessazonalizada Anualizada) também mostra uma tendência de alta nos primeiros meses, atingindo um pico em março (6.19%) e depois diminuindo gradualmente até junho (4.52%).
**Ponderações e Implicações para a Política Monetária:**
* A persistência do núcleo da inflação (tanto o de 12 meses quanto o MM3M SAAR) acima da meta indica que ainda existem pressões inflacionárias na economia.
* A trajetória decrescente do núcleo MM3M SAAR a partir de março pode sugerir que as medidas de política monetária implementadas estão começando a ter algum efeito, mas a inflação ainda não está convergindo para a meta de forma sustentável.
* O Banco Central deve monitorar de perto a evolução desses indicadores, bem como outros dados relevantes (como o IPCA cheio e os grupos do IPCA), para avaliar se a política monetária atual é suficiente para garantir a convergência da inflação para a meta no horizonte relevante.
* Caso as pressões inflacionárias persistam, o Banco Central pode precisar manter uma postura mais restritiva, com possível elevação da taxa de juros, para garantir o cumprimento da meta de inflação. Por outro lado, se a trajetória de queda da inflação se confirmar, pode haver espaço para uma flexibilização gradual da política monetária. ================================== Ai Message ==================================
Outro exemplo:
“
Faça uma análise da inflação do Brasil em 2025 usando dados de grupos do IPCA. Qual o grupo colaborou para a aceleração do índice no ano?”
================================ Human Message =================================
Faça uma análise da inflação do Brasil em 2025 usando dados de grupos do IPCA. Qual o grupo colaborou para a aceleração do índice no ano? ================================== Ai Message ==================================
Name: sql_agent Com base nos dados dos grupos do IPCA para 2025, os grupos que mais colaboraram para a aceleração do índice no ano, considerando os 5 maiores impactos positivos, foram:
* **Habitação:** Em fevereiro, o grupo Habitação apresentou uma contribuição de 0.647, indicando um impacto positivo significativo na inflação geral.
* **Educação:** Em fevereiro, o grupo Educação apresentou uma contribuição de 0.280, indicando um impacto positivo considerável na inflação geral.
* **Transportes:** Em janeiro, o grupo Transportes apresentou uma contribuição de 0.268, indicando um impacto positivo relevante na inflação geral.
* **Alimentação e Bebidas:** Em março, o grupo Alimentação e Bebidas apresentou uma contribuição de 0.254 e em janeiro de 0.208, indicando um impacto positivo relevante na inflação geral.
É importante notar que essa análise se baseia apenas nos dados disponíveis e nos maiores impactos positivos. Uma análise mais completa exigiria a consideração de todos os grupos e seus respectivos pesos no cálculo do IPCA.
================================== Ai Message ==================================
Conclusão
Este exercício demonstra como a inteligência artificial pode ser aplicada à análise macroeconômica de forma prática e automatizada. Com o uso de agentes integrados ao LangGraph, conseguimos transformar dados públicos e complexos em diagnósticos econômicos úteis e acionáveis.
A abordagem pode ser expandida para outros indicadores econômicos e utilizada em aplicações como geração de relatórios, dashboards analíticos e suporte à decisão em tempo real.
Quer aprender mais?
Conheça nossa Formação do Zero à Análise de Dados Econômicos e Financeiros usando Python e Inteligência Artificial. Aprenda do ZERO a coletar, tratar, construir modelos e apresentar dados econômicos e financeiros com o uso de Python e IA.
Referências
- LangGraph – Framework de agentes baseados em grafos
https://langchain-ai.github.io/langgraph/
