● Produção ID: UwsLxUDVK1HPHNiD 30 nós Atualizado Jul/26 n8n · webhook.digital-ai.tech Julho 2026

EVOPE Gerador

Documentação técnica do workflow EVOPE — Gerador de Relatório de Automação.
Processa arquivos de dados XLSX/XLS/CSV, analisa com IA e entrega o relatório HTML por email.

📊 Este workflow é o ponto de entrada da plataforma EVOPE — gera o relatório HTML que depois alimenta o Agente Conversacional para análise interativa.
Total de Nós
26
Workflow n8n
Formatos Suportados
3
XLSX · XLS · CSV
Canais de Entrada
2
Formulário · Webhook
Saídas
2
Email OK · Email Erro
AtributoValor
NomeEVOPE — Gerador de Relatório de Automação
ID do WorkflowUwsLxUDVK1HPHNiD
Status● Produção
Total de Nós26 nós, 23 conexões
Modelo de IAgpt-5.4-mini com ferramentas Think + Calculator
Serviço de EmailGmail via OAuth2 (nó nativo n8n)
Trigger principalFormulário EVOPE (n8n-nodes-base.formTrigger)
Trigger alternativoWebhook externo (n8n-nodes-base.webhook)

1Canais de Entrada #

O workflow aceita arquivos por dois canais independentes. Ambos convergem para o mesmo pipeline de validação e processamento.

CanalNodeQuando UsarResposta
Formulário EVOPE n8n-nodes-base.formTrigger Upload manual pelo usuário final via UI do n8n Resultado enviado por email — sem resposta inline
Webhook Externo n8n-nodes-base.webhook Integração programática — a plataforma EVOPE envia o arquivo automaticamente Responde 202 Accepted imediatamente (async), resultado por email

Fluxo do Webhook (assíncrono)

O webhook retorna resposta imediata para não travar a requisição enquanto o processamento ocorre em background:

fluxo webhook
POST /webhook/evope/gerador
    │
    ├── Webhook (recebe arquivo binário)
    │       │
    │   Preparar Dados Webhook (normaliza estrutura para o pipeline)
    │       │
    │   Responder Webhook ─────────────────► 202 {"status":"processing"} (imediato)
    │       │
    │   Validar Estrutura do Arquivo
    │       │
    │   [pipeline continua...] → Email com resultado

2Mapa de Nós (26) #

formTrigger
Formulário EVOPE
Interface de upload para o usuário final. Aceita arquivo como entrada principal.
webhook
Webhook
Endpoint HTTP para integração programática. Retorna 202 imediato via Responder Webhook.
respondToWebhook
Responder Webhook
Responde 202 imediatamente ao chamador do webhook. Pipeline continua em background.
code
Preparar Dados Webhook
Normaliza o payload do webhook para o mesmo formato do formulário antes do pipeline.
code
Validar e Sanitizar Arquivo
Valida tipo, tamanho e integridade do arquivo. Sanitiza nome e metadados.
switch
Switch
Roteamento por extensão: XLSX → fromXLSX, XLS → fromXLS, CSV → Normalizar Encoding.
extractFromFile
fromXLSX
Extrai dados de arquivos .xlsx (Excel moderno). Output: JSON com linhas e colunas.
extractFromFile
fromXLS
Extrai dados de arquivos .xls (Excel legado). Output: JSON com linhas e colunas.
code
Normalizar Encoding CSV
Normaliza encoding do CSV (UTF-8, Latin-1) antes de extrair. Evita caracteres corrompidos.
extractFromFile
fromCSV
Extrai dados de arquivos .csv. Recebe após normalização de encoding.
code · validar-estrutura
Validar Estrutura do Arquivo
Verifica se as colunas obrigatórias estão presentes e se os dados são consistentes.
if
Verificar Erro
Bifurcação: se erro de validação → pipeline de erro; se OK → processamento normal.
set
Configuração de Ferramentas
Prepara variáveis e configurações globais antes do processamento com IA.
code · v3.4
Processar e Agregar Dados
Agrega métricas por colaborador: aproveitamento, entretenimento, apps, horas. Output estruturado para a IA.
agent · gpt-5.4-mini
AI Agent — Análise
Analisa os dados agregados, gera insights, rankings e recomendações. Usa Think + Calculator.
lmChatOpenAi
OpenAI Chat Model
Modelo de linguagem: gpt-5.4-mini. Sub-nó do AI Agent — Análise.
toolThink
Think
Ferramenta de raciocínio encadeado. Permite ao agente "pensar" antes de responder.
toolCalculator
Calculator
Calculadora para o agente. Garante precisão em médias, percentuais e comparações numéricas.
code
Extrair JSON da IA
Extrai e parseia o JSON estruturado do output do AI Agent. Valida schema antes de prosseguir.
code
Gerar HTML Final
Gera o relatório HTML completo a partir do JSON da IA. Inclui estilos inline para compatibilidade de email.
code
Preparar Email e Anexo
Monta o corpo do email, assunto e o HTML gerado como anexo ou corpo inline.
gmail
Enviar Email Gmail
Envia o relatório por email via Gmail OAuth2. Destinatário configurado pelo usuário no formulário.
code
Preparar Email de Erro
Monta email de erro com diagnóstico: tipo de erro, arquivo recebido, colunas encontradas vs esperadas.
gmail
Enviar Email de Erro
Envia email de erro ao usuário com instruções para corrigir o arquivo e tentar novamente.
manualTrigger · disabled
Trigger Manual
Trigger de desenvolvimento. Desabilitado em produção — acionado apenas para testes manuais no editor n8n.
stickyNote
📋 Regras de Negócio
Nota interna com regras de negócio e decisões de implementação. Não executa.

3Pipeline Completo #

fluxo principal — Formulário EVOPE
Formulário EVOPE (upload de arquivo)
    │
    Validar e Sanitizar Arquivo
    │
    Switch (por extensão do arquivo)
     ├── .xlsx ──► fromXLSX ──────────────────────────────────────┐
     ├── .xls  ──► fromXLS  ──────────────────────────────────────┤
     └── .csv  ──► Normalizar Encoding CSV ──► fromCSV ───────────┘
                                                                   │
                                               Validar Estrutura do Arquivo
                                                                   │
                                               Verificar Erro
                                                ├── [ERRO] ──► Preparar Email de Erro ──► Enviar Email de Erro
                                                │
                                                └── [OK]  ──► Configuração de Ferramentas
                                                                       │
                                                               Processar e Agregar Dados
                                                                       │
                                                               AI Agent — Análise (gpt-5.4-mini)
                                                               ├── Tools: Think, Calculator
                                                                       │
                                                               Extrair JSON da IA
                                                                       │
                                                               Gerar HTML Final
                                                                       │
                                                               Preparar Email e Anexo
                                                                       │
                                                               Enviar Email Gmail ──► ✅ Relatório entregue

4Conversão de Formatos #

O workflow suporta três formatos. Cada um tem um nó específico de extração, com normalização de encoding para CSV (problema comum com arquivos exportados pelo Windows).

FormatoObservação
.xlsx fromXLSX Excel 2007+. Formato preferencial — preserva tipos de dados e encoding UTF-8 nativamente.
.xls fromXLS Excel legado (97-2003). Suportado para compatibilidade com exports de sistemas antigos.
.csv Normalizar Encoding CSVfromCSV Passa por normalização antes da extração. Detecta e converte Latin-1/Windows-1252 para UTF-8.

5Validação de Estrutura #

Após a extração, o nó Validar Estrutura do Arquivo verifica se os dados têm o formato esperado pelo EVOPE.

VerificaçãoAção se Falhar
Colunas obrigatórias presentesErro → email com lista de colunas faltantes vs esperadas
Arquivo não vazio (pelo menos 1 linha de dados)Erro → email informando arquivo vazio
Tipos de dados coerentesErro → email com diagnóstico da coluna problemática
⚠️ Nó Verificar Erro: É um nó if que bifurca o fluxo. A saída 0 (true) vai para o pipeline de erro; a saída 1 (false) continua o processamento normal.

6Processamento e Análise de IA #

Após validação, os dados passam por dois estágios: agregação determinística (JavaScript) e análise semântica (IA).

Estágio 1 — Processar e Agregar Dados (JavaScript)

AtributoValor
Versãov3.4
FunçãoAgrega métricas por colaborador: aproveitamento, entretenimento, apps, horas trabalhadas
OutputJSON estruturado com arrays de colaboradores e métricas normalizadas

Estágio 2 — AI Agent — Análise (gpt-5.4-mini)

AtributoValor
Modelogpt-5.4-mini
FerramentasThink (raciocínio encadeado) + Calculator (precisão numérica)
Output esperadoJSON com insights, rankings, recomendações e análise de jornada excessiva
Pós-processamentoExtrair JSON da IA faz parse e validação do schema antes de prosseguir

7Geração do Relatório HTML #

O nó Gerar HTML Final converte o JSON da IA em um relatório HTML completo.

CaracterísticaDetalhe
FormatoHTML com CSS inline (compatível com clientes de email)
ConteúdoRankings de colaboradores, métricas de aproveitamento, entretenimento, horas, jornada excessiva, recomendações e apps mais usados
Uso posteriorO mesmo HTML alimenta o Agente Conversacional como base de análise interativa

8Envio de Email #

AtributoValor
ServiçoGmail via OAuth2 (nó nativo n8n)
Enviar Email Gmail
PreparaçãoPreparar Email e Anexo monta assunto, corpo e anexos antes do envio
ConteúdoRelatório HTML no corpo do email ou como anexo

9Pipeline de Tratamento de Erros #

Quando a validação falha, o workflow não quebra — envia um email de diagnóstico ao usuário com instruções claras.

fluxo de erro
Verificar Erro [SAÍDA 0 = erro detectado]
    │
    Preparar Email de Erro
    │   Inclui:
    │   - Tipo de erro (estrutura inválida / arquivo vazio / encoding)
    │   - Colunas encontradas vs colunas esperadas
    │   - Nome do arquivo recebido
    │   - Instruções para corrigir e reenviar
    │
    Enviar Email de Erro (Gmail)
Design de resiliência: Nenhum erro quebra silenciosamente. O usuário sempre recebe feedback — seja o relatório ou um email explicando o problema.

10Webhook API #

AtributoValor
EndpointPOST /webhook/evope/gerador
Hostwebhook.digital-ai.tech
Corpo esperadoArquivo binário ou multipart/form-data
Resposta imediata202 {"status":"processing"}
Resultado finalEmail com relatório (assíncrono)

12Atualizações — Julho 2026 #

Sessão de melhorias pós-reunião EVOPE 24/07. Workflow afetado: qY8CpZceebW3CpPW[EVOPE] Mapa - Funções Colaboradores.
Execução de validação: #15945102 — status ● success · 32.8s · HTML 18.795 chars.
Tipo de MudançaProblema Resolvido
Configuração de Ferramentas2 novos parâmetrosEntretenimento e threshold σ agora configuráveis sem tocar código
Processar e Agregar Dados v2.12Lógica JS expandidaDetecção de entretenimento + jornada excessiva automática via σ
AI Agent — Análise (system prompt)3 novas regrasMín. 5 itens de otimização, regra entretenimento, regra jornada σ
Preparar Prompt CaminhosGuard _semCaminhosEvita enviar payload multi-chave para LangChain quando sem caminhos
AI Agent — CaminhoscontinueOnFailWorkflow não trava quando não há dados de caminhos
Extrair Análise CaminhosGuard de erroLê output com segurança mesmo se agente anterior falhou

1. Configuração de Ferramentas — 2 novos parâmetros #

Adicionados dois campos ao nó Set de configuração global para que ajustes de negócio não exijam alteração de código:

CampoValor padrãoFunção
config_ferramentas_entretenimento youtube, netflix, spotify, tiktok, instagram, facebook, twitter, amazon prime, disney+, twitch, reddit, steam, pinterest, 9gag, globoplay, deezer Lista CSV de apps classificados como entretenimento. Processar e Agregar Dados compara cada aplicativo/funcionalidade contra esta lista.
config_jornada_sigma_threshold 1.5 Multiplicador do desvio padrão (σ) para definir o threshold de jornada excessiva. Colaboradores com horas > média + (σ × threshold) são flagados.

Para adicionar novos apps de entretenimento, editar apenas este nó — sem alterar o código do Processar e Agregar Dados.

2. Processar e Agregar Dados (v2.12) — Entretenimento + Desvio Padrão #

Problema resolvido: YouTube estava sendo categorizado como ferramenta de processo. O AI Agent sugeria "integrar API do YouTube para coletar métricas de engajamento" — uma recomendação completamente fora de contexto. Com a detecção de entretenimento, o agente passa a sugerir políticas de uso e controles MDM em vez de integração.

2a — Detecção de Entretenimento

Para cada grupo no loop, verifica se aplicativo ou funcionalidade da linha bate (case-insensitive) com algum app da lista appsEnt (lida de config_ferramentas_entretenimento). Campos adicionados ao objeto de grupo:

CampoTipoDescrição
isEntretenimentobooleantrue se o grupo tem qualquer uso de entretenimento detectado
percEntretenimentonumber (0–100)% de horas do grupo gastas em apps de entretenimento

Exemplo: grupo "Atendimento" com 60% das horas em YouTube → isEntretenimento: true, percEntretenimento: 60. Esse dado é passado ao AI Agent — Análise que aplica a regra de resposta adequada.

2b — Jornada Excessiva via Desvio Padrão (σ)

Por que desvio padrão em vez de um número fixo?
Um threshold hardcoded (ex: "mais de 10h = excessivo") ignora o contexto da empresa. Se todos trabalham muito por natureza do setor, o sistema flagaria todos. Com desvio padrão, o threshold se adapta automaticamente à realidade do grupo — só flagando quem está significativamente acima da média dos próprios colegas.

Como o cálculo funciona (passo a passo)

Exemplo com 5 colaboradores e suas horas registradas no período:

ColaboradorHoras
João8h
Maria10h
Carlos12h
Ana Paula26h
Marcos Rocha30h

Passo 1 — Média (μ):

μ = (8 + 10 + 12 + 26 + 30) / 5 = 86 / 5 = 17.2h

Passo 2 — Desvio padrão (σ):
Calcula o quanto cada pessoa desvia da média, eleva ao quadrado (para eliminar negativos), tira a média e extrai a raiz:

σ = √[ ((8−17.2)² + (10−17.2)² + (12−17.2)² + (26−17.2)² + (30−17.2)²) / 5 ]
σ = √[ (84.6 + 51.8 + 27.0 + 77.4 + 163.8) / 5 ]
σ = √[ 404.6 / 5 ]
σ = √80.9 ≈ 9.0h

Passo 3 — Threshold dinâmico (com config_jornada_sigma_threshold = 1.5):

threshold = μ + (σ × 1.5)
threshold = 17.2 + (9.0 × 1.5)
threshold = 17.2 + 13.5 = 30.7h  ← quem ultrapassar este valor é flagado

Passo 4 — Comparação e output:

ColaboradorHorasAcima do threshold (30.7h)?Desvios (σ)
João8h
Maria10h
Carlos12h
Ana Paula26h— (26 < 30.7)
Marcos Rocha30h— (30 < 30.7)

Neste exemplo ninguém seria flagado — a variação é considerada normal dentro do grupo. O sistema não gera alarme falso.

O que o sigma controla

sigma (threshold)SensibilidadeQuando usar
1.0σAlta — ~16% podem ser flagadosEmpresas com jornadas muito homogêneas
1.5σ ← padrãoBalanceada — pega os outliers reaisUso geral recomendado
2.0σConservadora — apenas casos extremosSetor com jornadas naturalmente variáveis
3.0σMuito conservadora — quase ninguémSó para desvios gravíssimos

Output do nó

// Campo jornadaExcessiva no objeto de output do nó:
{
  "colaboradores": [
    { "nome": "Marcos Rocha", "horasH": 30, "desvios": "2.0σ" },
    { "nome": "Ana Paula",    "horasH": 26, "desvios": "1.6σ" }
  ],
  "media": 12.2,
  "desvioPadrao": 8.9,
  "threshold": 25.5,   // média + 1.5σ (valores reais da execução #15945102)
  "sigma": 1.5
}

Colaboradores com horasH > threshold são incluídos em colaboradores[]. Threshold 0 é ignorado (sem dados suficientes). Para ajustar a sensibilidade, alterar config_jornada_sigma_threshold em Configuração de Ferramentas.

3. AI Agent — Análise (system prompt) — 3 novas regras #

Três regras adicionadas ao system prompt do agente para garantir qualidade e coerência nas análises:

Regra 1 — Mínimo de planos de ação

Problema: Em algumas execuções, o agente retornava apenas 1 item no array planosAcao. O HTML gerado ficava com uma tabela de otimização quase vazia — sem valor para o cliente.

Instrução adicionada ao prompt:

OBRIGATÓRIO: planosAcao deve ter MÍNIMO 5 e MÁXIMO 8 itens.
Nunca retorne menos de 5 planos de ação, mesmo que os dados sejam simples.

O agente é livre para criar planos de ação complementares (treinamentos, governança, políticas internas) quando os dados brutos não gerarem 5 oportunidades óbvias.

Regra 2 — Tratamento de Apps de Entretenimento

Problema: Agente sugeria "integrar API do YouTube" para grupos com alto consumo de vídeos — recomendação tecnicamente errada e irrelevante para o cliente.

Lógica de decisão adicionada ao prompt:

SE isEntretenimento = true OU percEntretenimento > 20%:
  → NUNCA sugerir integração de API da ferramenta de entretenimento
  → SEMPRE sugerir uma das opções abaixo:
     1. Política de Uso Aceitável (AUP) — documento formal de TI
     2. Bloqueio via MDM/UEM (Microsoft Intune ou Jamf para Mac)
     3. Relatório periódico de consumo com alerta de gestores

O campo percEntretenimento vem do Processar e Agregar Dados e é passado diretamente ao agente no JSON de análise.

Regra 3 — Jornada Excessiva via σ

Problema: A seção de jornada excessiva no relatório HTML não citava colaboradores específicos — ficava genérica e sem valor acionável para o RH.

Instrução adicionada ao prompt:

Use o campo jornadaExcessiva do JSON recebido.
Mencione os colaboradores flagados com seus desvios.
Formato obrigatório: "X colaboradores acima do threshold (média Xh + 1.5σ = Xh)"
Exemplo: "2 colaboradores acima do threshold (média 12.2h + 1.5σ = 25.5h):
  - Marcos Rocha: 30h (2.0σ acima da média)
  - Ana Paula: 26h (1.6σ acima da média)"

Quando jornadaExcessiva.colaboradores está vazio, o agente omite a seção — sem alerta falso.

4. Pipeline Caminhos — Bug LangChain BufferMemory corrigido (3 nós) #

O bug

Erro original: "input values have 2 keys, you must specify an input key or pass only 1 key as input"

Contexto: AI Agent — Caminhos usa LangChain BufferMemory. Essa memória exige receber exatamente 1 chave como input. Quando o payload não continha dados de caminhos (links vazios), o nó anterior (Preparar Prompt Caminhos) passava o objeto dadosAnalise completo — com múltiplas chaves (grupo, colaboradores, topApps, etc.) — causando o crash. O workflow inteiro travava e nenhum relatório era gerado.

Fix em 3 camadas

Camada 1 — Preparar Prompt Caminhos (prevenção upstream):

// Antes (bugado): passava dadosAnalise completo mesmo sem caminhos
return [{ json: dadosAnalise }];  // ← múltiplas chaves → crash BufferMemory

// Depois (correto): guard quando sem dados
if (links.length === 0) {
  return [{ json: { _semCaminhos: true } }];  // ← 1 chave apenas → sem crash
}
return [{ json: { prompt: promptFormatado } }];  // ← 1 chave → OK

Camada 2 — AI Agent — Caminhos (tolerância a falha):

// Configuração adicionada ao nó:
onError: "continueRegularOutput"  // = continueOnFail habilitado

// Efeito: mesmo que o agente falhe internamente,
// o item de erro é passado adiante e o workflow continua.
// Sem isso, qualquer erro aqui travava toda a execução.

Camada 3 — Extrair Análise Caminhos (guard downstream):

// Antes (bugado): acessava output diretamente
const aiResponse = items[0].json.output;  // ← quebra se output não existe

// Depois (correto): verifica flags antes de acessar
const firstItem = items[0]?.json || {};
const aiResponse = (!firstItem._semCaminhos && !firstItem.error)
  ? (firstItem.output || firstItem.text || '')
  : '';  // string vazia — Gerar HTML Final trata ausência omitindo a seção
Tipo de fixEfeito
Preparar Prompt CaminhosPrevenção — guard upstreamGarante que apenas 1 chave chegue ao BufferMemory
AI Agent — CaminhosTolerância — continueOnFailWorkflow não trava se agente falhar internamente
Extrair Análise CaminhosDefesa — guard downstreamRetorna string vazia de forma segura; HTML omite seção

Regra geral aprendida: Nós LangChain com BufferMemory sempre devem receber exatamente 1 chave de input. Quando dados podem estar ausentes, usar guard _semCaminhos + continueOnFail + guard no nó seguinte é o padrão de segurança adotado.

Workflow: Relatório de Grupos — Correções Jul/26

Workflow: eJ4CTb9f4fxSS04d · Nó modificado: Processar Dados Grupos + AI Agent - Analise (system prompt) · Validado em 25/07/2026

1. Remoção do totalizador "Master" da análise #

Problema identificado: A primeira linha de GruposDetalhes sempre é o grupo-raiz (ex: "Master") — um consolidado de todos os subgrupos. O workflow anterior tratava essa linha como um grupo real, causando:
  • Média de aproveitamento distorcida (63,3% virava a referência em vez dos subgrupos reais)
  • "Pergunta que muda o jogo" comparando o total com suas próprias partes — incoerente
  • Totalizador podendo aparecer como "Destaque Negativo" mesmo sendo só um consolidado

Fix aplicado — filtro por nome (robusto)

Em vez de slice(1) cego (que dependia da posição), o fix detecta o totalizador pelo campo GrupoID ou por grupos sem subgrupos abaixo deles. Isso é robusto para qualquer estrutura que a EVOPE envie:

// Antes (frágil): removia sempre a 1ª linha por posição
const grupos = allGrupos.slice(1);

// Depois (robusto): identifica totalizador por GrupoID === "0" ou por nome de contexto
const totalizador = allGrupos.find(g =>
  g.GrupoID === '0' || g.GrupoID === 0 ||
  (nomeGrupoContexto && g.GrupoColaborador &&
   g.GrupoColaborador.toLowerCase() === nomeGrupoContexto.toLowerCase())
) || allGrupos[0];

const grupos = allGrupos.filter(g => g !== totalizador);

// totalColaboradores vem do totalizador (dado correto), não dos subgrupos
var totalColabs = totalizador
  ? (totalizador.QtdColaboradoresTotal || 0)
  : (grupos.length > 0 ? (grupos[0].QtdColaboradoresTotal || 0) : 0);
AntesDepois
"4 grupos" (incluía Master)"3 grupos" (apenas subgrupos reais)
Média de 63,3% (puxada pelo total)Média de 65,1% (calculada nos subgrupos)
Master podia aparecer como Destaque NegativoMaster nunca aparece na análise
totalColaboradores pego do 1º grupototalColaboradores sempre vem do totalizador

2. Renomeação dos campos: Burnout → Jornada Excessiva #

Problema identificado: A EVOPE estava enviando os campos com nome PropBurnout / PropBurnoutPercentage, que não representavam corretamente o dado (na verdade, jornada excessiva de trabalho). Isso causava:
  • A IA analisava os dados mas não conseguia identificar corretamente o contexto ("não existe informação de jornada excessiva por grupo" — erro reportado em produção)
  • Output do relatório exibia "Burnout: 38,5%" no lugar de "Jornada Excessiva: 38,5%"
  • Critérios de grupo positivo/negativo usavam PropBurnoutPercentage como threshold — confuso para o cliente

Campos renomeados na EVOPE

Campo antigo (EVOPE)Campo novo (EVOPE)Usado no workflow como
PropBurnoutJornadaExcessivajornadaExcessivaQtd (quantidade)
PropBurnoutPercentageJornadaExcessivaPercentagejornadaExcessivaPct (percentual)

Mudanças no system prompt do AI Agent

Todas as referências a PropBurnoutPercentage e burnout% foram substituídas no prompt do AI Agent - Analise:

Antes (prompt)Depois (prompt)
PropBurnoutPercentage < 15%jornadaExcessivaPct < 15%
burnout% nos labels de grupojornada excessiva%
"grupo com burnout mais elevado""grupo com jornada excessiva mais elevada"
qtdColaboradoresEmBurnout, percentualEmBurnoutjornadaExcessivaQtd, jornadaExcessivaPct

3. Validação com payloads reais #

Após as correções, foram realizados testes com os payloads reais das 2 execuções disponíveis no histórico do n8n, mais 2 simulações com dados de grupos e campos novos:

ExecuçãoEmpresaTipoResultado
15918466 (23/07)EmpresaID 187Mapa (real)✅ Score 24/100 · gargalos corretos · sem referência a Burnout
15932523 (24/07)EmpresaID 8Mapa (real)✅ Score gerado · fluxos críticos multi-métrica corretos
Simulação (25/07)TesteGrupos (3 subgrupos)✅ Master removido · 3 grupos analisados · label "jornada excessiva" correto
Simulação (25/07)TesteGrupos c/ jornada alta✅ Grupos negativos por jornadaExcessivaPct ≥ 15% · critérios corretos

Nota: Não existem execuções reais de Grupos com os campos JornadaExcessiva no histórico do n8n — o sistema EVOPE ainda estava enviando PropBurnout nas execuções anteriores. A validação dos campos novos foi feita via simulação com payload idêntico ao formato documentado acima.

11AI Agent — Análise #

AtributoDetalhe
Tipo@n8n/n8n-nodes-langchain.agent
Modelogpt-5.4-mini (nó OpenAI Chat Model)
Ferramenta Think @n8n/n8n-nodes-langchain.toolThink
Permite ao agente raciocinar em etapas antes de formular a análise final
Ferramenta Calculator @n8n/n8n-nodes-langchain.toolCalculator
Garante precisão em cálculos de médias, percentuais e comparações
Diferença vs AI Agent ChatEste agente é stateless — sem memória de sessão. Cada geração de relatório é independente. O AI Agent Chat (Agente Conversacional) tem memória PostgreSQL.