Ilustração "agente de IA + ata do Copom / Banco Central". Você gera/escolhe — largura cheia da coluna.
Toda reunião do Copom gera uma ata longa, e ler o documento para achar a Selic decidida e o tom do comitê consome tempo a cada decisão. Construímos um agente de IA que faz isso sozinho: você escolhe a reunião, ele busca a ata real na API do Banco Central, lê o documento inteiro e devolve um resumo com a Selic exata.
Por dentro são três agentes dividindo o trabalho — um lê a ata, um analisa o tom, um redige a resposta. Veja como funciona, com o resultado real e os bastidores de como foi montado.
A resposta final do agente para a 278ª reunião (terminal ou dashboard), mostrando a Selic e o resumo.
Por que "agente", e não só um ChatGPT
Um chat responde uma vez com o que já sabe. Um agente trabalha em ciclo: percebe o pedido, decide o próximo passo, age (chama uma ferramenta) e observa o resultado — e repete até concluir. É essa volta que permite ir buscar a ata certa no site do Banco Central, em vez de inventar números.
O time: três agentes, um mural compartilhado
Em vez de um agente fazer tudo, dividimos o trabalho em especialistas. Eles não conversam entre si diretamente: cada um lê e escreve num mural compartilhado (o "estado" do sistema). O leitor deixa a ata e os pontos no mural; o analista lê e acrescenta o tom; o redator lê tudo e escreve a resposta.
A vantagem de separar: cada agente tem uma tarefa só, e fica mais fácil de acertar, testar e melhorar. Trocar o redator não quebra o leitor.
Os números vêm da fonte, não da memória do modelo
O agente não "lembra" a Selic nem chuta um valor próximo. A cada execução ele vai buscá-la na fonte oficial, através de ferramentas que batem direto na API pública do Banco Central. Por isso o número que aparece no resumo é o que está na ata, e não uma aproximação que o modelo teria inventado.
Como a ata cabe folgada na janela do modelo, não cortamos o texto: o agente lê o documento inteiro e por isso capta a Selic exata (por exemplo, 14,75%), em vez de um número aproximado.
As ferramentas por trás
Para construir o agente usamos algumas peças. O papel de cada uma:
A tela em Streamlit — menu de reuniões + botão "Analisar ata" + resposta.
Quer os próximos guias como este?
Toda semana publicamos os bastidores de um projeto de IA aplicado à economia. Assine e receba direto no e-mail.
O que aprendemos construindo
- Ler o documento inteiro. Cortar a ata economizava processamento, mas perdia justamente a frase com a Selic. Ler tudo resolveu.
- Não inventar quando não há dado. Se a reunião pedida não existe, o agente responde "não encontrei", em vez de devolver um número que não veio de ata nenhuma.
- Separar leitura de redação. Um agente que lê e um que escreve produzem um resumo melhor do que um só tentando fazer as duas coisas.
Perguntas frequentes
De onde vêm os dados do agente?
Da API pública do Banco Central, que disponibiliza as atas do Copom. O agente consulta a fonte oficial a cada execução; nada é memorizado.
Preciso saber programar para acompanhar?
Ajuda ter noção de Python, mas o passo a passo da imersão começa pelo básico e explica cada peça. O projeto final roda numa página web, onde a pessoa escolhe a reunião e lê o resumo, sem precisar abrir o terminal.
Dá para usar com outros indicadores?
Sim. A mesma estrutura serve para IPCA, Selic, câmbio e outros — é o que fazemos nas aulas seguintes da imersão.
Quer construir agentes como este?
Este agente é a primeira aula da Imersão em Agentes Autônomos de IA. Nas cinco aulas você monta, peça por peça, sistemas de IA aplicados à economia: coleta de dados nas fontes oficiais, análise com um time de agentes, boletins que rodam sozinhos e dashboards para usar o resultado.
Conheça a Imersão →
Aponte o botão para: [INSIRA O LINK DA IMERSÃO AQUI]
Leia também: [POST RELACIONADO 1] · [POST RELACIONADO 2]
