Construindo um Motor de Análise Macroeconômica com Typebot, FastAPI e IA Generativa

Introdução

A Inteligência Artificial vem transformando a forma como analisamos informações complexas. No mercado financeiro, a capacidade de interpretar cenários macroeconômicos rapidamente pode auxiliar investidores e profissionais na tomada de decisões mais estratégicas.Com esse objetivo, desenvolvi o Motor de Análise Macroeconômica, uma solução que combina IA Generativa, APIs modernas e interfaces conversacionais para transformar descrições de cenários econômicos em análises objetivas sobre oportunidades e riscos na B3.Neste artigo, apresento a arquitetura, as tecnologias utilizadas e os principais aprendizados durante a construção do projeto.

Objetivo do Projeto

O sistema foi criado para receber cenários econômicos escritos em linguagem natural e gerar análises estratégicas relacionadas ao mercado financeiro brasileiro.

Por exemplo:

Entrada do usuário:

"Dólar em forte alta e expectativa de aumento da inflação."

Resposta gerada pela IA:

"Exportadoras e empresas ligadas a commodities podem se beneficiar. Setores dependentes de importação exigem cautela."

A proposta é oferecer respostas rápidas, claras e adequadas para um ambiente conversacional.

Arquitetura da Solução

A arquitetura foi desenvolvida para ser simples, escalável e de fácil manutenção.

Usuário
 ↓
Typebot
 ↓
Webhook HTTP
 ↓
FastAPI
 ↓
Groq Cloud
 ↓
Llama 3.3 70B
 ↓
Análise Macroeconômica
 ↓
Resposta ao Usuário

Fluxo de funcionamento

1. O usuário informa um cenário econômico pelo chat.
2. O Typebot captura a mensagem.
3. O conteúdo é enviado para uma API construída com FastAPI.
4. A API envia o contexto para o modelo Llama 3.3 70B hospedado na Groq Cloud.
5. A IA interpreta o cenário e gera uma análise.
6. A resposta retorna para o Typebot.
7. O usuário recebe a recomendação em tempo real.

Tecnologias Utilizadas

Typebot

Responsável pela interface conversacional.

O Typebot permite criar fluxos visuais sem necessidade de desenvolvimento front-end complexo, além de facilitar integrações com APIs externas.

FastAPI

Framework utilizado para construção da API.

Entre suas vantagens estão:

• Alto desempenho;
• Facilidade de desenvolvimento;
• Documentação automática;
• Integração simples com aplicações baseadas em IA.

Python

Utilizado como linguagem principal para a lógica de negócio e integração entre os serviços.

Groq Cloud

Plataforma responsável pela inferência dos modelos de linguagem.

Sua principal vantagem é a velocidade de resposta, permitindo experiências conversacionais muito mais fluidas.

Llama 3.3 70B Versatile

Modelo de linguagem utilizado para interpretar os cenários econômicos e gerar as análises.

O modelo apresenta excelente capacidade de compreensão contextual, produção de texto e raciocínio aplicado.

Engenharia de Prompt

Um dos pontos mais importantes do projeto foi a construção do prompt responsável por direcionar o comportamento do modelo.

prompt = f"""
Você é um especialista em análise macroeconômica para o mercado financeiro brasileiro.

Analise o seguinte cenário enviado pelo usuário e traga uma recomendação estratégica clara, humanizada e direta de quais setores ou investimentos na B3 podem se beneficiar ou exigir cautela.

Cenário: {texto_recebido}

Traga uma resposta direta, sem introduções longas, ideal para leitura em um chat de suporte.
"""

A estrutura foi projetada para:

• Contextualizar o papel da IA;
• Limitar o escopo para o mercado brasileiro;
• Priorizar objetividade;
• Produzir respostas adequadas para interfaces de chat.

Desenvolvimento da API

A API recebe os dados enviados pelo Typebot através de um endpoint HTTP.

Exemplo de requisição:

{
"texto": "Dólar em forte alta e expectativa de aumento da inflação."
}

Exemplo de resposta:

{
"analise": "Exportadoras e empresas ligadas a commodities podem se beneficiar. Setores dependentes de importação exigem cautela."
}

Para aumentar a robustez da aplicação, foram implementados blocos de tratamento de exceções utilizando try/except, evitando falhas inesperadas durante a comunicação com a IA.

Personalização da Experiência

Além da análise econômica, o sistema também utiliza variáveis dinâmicas para personalizar a conversa.

O usuário informa seu nome no início da interação e passa a receber respostas mais naturais e contextualizadas, tornando a experiência mais próxima de um atendimento consultivo.

Principais Aprendizados

Durante o desenvolvimento do projeto, alguns aprendizados se destacaram:

• Integração prática entre IA Generativa e APIs REST;
• Construção de fluxos conversacionais com Typebot;
• Engenharia de Prompt aplicada ao mercado financeiro;
• Desenvolvimento de aplicações com FastAPI;
• Consumo de modelos de linguagem hospedados na nuvem;
• Tratamento de erros e melhoria da experiência do usuário.

Possíveis Evoluções

O projeto foi concebido de forma modular, permitindo diversas expansões futuras:

• Integração com APIs de mercado em tempo real;
• Consulta automática de indicadores econômicos;
• Histórico de análises realizadas;
• Dashboard analítico;
• Recomendações por perfil de investidor;
• Integração direta com dados da B3;
• Geração automática de relatórios em PDF.

Conclusão

A combinação entre IA Generativa, FastAPI e Typebot possibilita a criação de soluções inteligentes capazes de transformar informações complexas em respostas acessíveis e úteis para o usuário final.

O Motor de Análise Macroeconômica demonstra como tecnologias modernas podem ser utilizadas para automatizar análises, apoiar a tomada de decisão e oferecer experiências conversacionais mais sofisticadas.

Mais do que um exercício técnico, este projeto representa a aplicação prática de conceitos de inteligência artificial, engenharia de software e integração de sistemas em um cenário próximo ao mundo real.

Patricia Oliveira - Analista e Desenvolvedora de Software

LinkedIn: https://www.linkedin.com/in/savarezi/