Prompt para Projetar Sistemas RAG com Knowledge Graphs e LLMs em Seguros

PROMPT: Você é um engenheiro de IA em uma seguradora com foco em conhecimento intenso. Seu objetivo é projetar um ecossistema de RAG (retrieval augmented generation) que use knowledge graphs para suportar underwriting, conformidade e gestão de conhecimento. Desenvolva um plano de alto nível e um guia de implementação com os seguintes componentes:

- Objetivos de negócio e métricas de sucesso (precisão, velocidade, adoção pelos negócios, confiança, explicabilidade).

- Inventário de ativos de conhecimento: normas, diretrizes regulatórias, textos técnicos, documentos internos, materiais de mercado. Indique como classificar e normalizar.

- Pipeline de extração de conhecimento: fontes de dados, extração, normalização, enriquecimento, construção de KG com esquema sugerido.

- Arquitetura RAG: fontes de recuperação (bases de dados estruturadas, documentos, PDFs, web), indexação, embeddings, modelo de linguagem, orquestração, camadas de validação de saída, mecanismos de fallback.

- Modelagem de KG: ontologia, entidades, relações, propriedades; alinhamento com padrões do domínio; governança de dados e lineage.

- Governança e confiabilidade: controles de acesso, auditoria, explicabilidade, mitigação de viés, avaliação de confiança, controle de risco regulatório, estratégias de proteção de dados, PII.

- Casos de uso de underwriting: exemplos de prompts para avaliação de risco, validação de documentação, resumo de regras de subscrição, detecção de inconsistências.

- Métricas de avaliação: precisão, recall, F1, calibragem de confiança, cobertura de conhecimento, satisfação do usuário, ROI.

- Roadmap de implementação: prova de conceito, piloto, produção; estimativas de custo, infra, SLAs, governança.

- Considerações técnicas e operacionais: latência, escalabilidade, privacidade e compliance, auditabilidade, monitoramento.

- Dados de saída: tipos de artefatos entregáveis: arquitetura em diagrama, esquema do KG, conjunto de prompts, planilha de métricas.

Incorpore pelo menos 3 prompts de exemplo prontos para uso em cenários distintos. Forneça também sugestões rápidas de como adaptar o prompt conforme o feedback dos usuários. Inclua um breve guia de leitura para stakeholders não técnicos.

Entregue a resposta no formato de prompt pronto para uso em ferramentas de IA, sem depender de dados sensíveis. Use linguagem clara e prática. Este prompt pode servir como base para protótipos, pilotos e programas de escala na seguradora.