Navegando em Dados Oceanográficos com Agentes Baseados em LLM: Uma Demonstração das Capacidades de IA na Plataforma SADD

• Almir Monteiro Universidade Federal do Rio de Janeiro (UFRJ)
• Cláudio Alves Universidade Federal do Rio de Janeiro (UFRJ)
• Carla Lage Instituto Nacional de Pesquisas Oceânicas (INPO)
• Fernando Monteiro Instituto Nacional de Pesquisas Oceânicas (INPO)
• Janice Trotte Instituto Nacional de Pesquisas Oceânicas (INPO)
• José Roberto Blaschek Instituto Nacional de Pesquisas Oceânicas (INPO)
• Eduardo Bezerra Universidade Federal do Rio de Janeiro (UFRJ) / Centro Federal de Educação Tecnológica Celso Suckow da Fonseca (CEFET/RJ)
• Pedro Henrique González Universidade Federal do Rio de Janeiro (UFRJ)

DOI: https://doi.org/10.5753/sbbd_estendido.2026.249400

Resumo

O armazenamento, a disponibilização e a análise de dados oceanográficos envolvem fluxos de trabalho complexos, que demandam conhecimento de domínio e familiaridade técnica com os sistemas subjacentes. Este artigo apresenta a integração de Agentes de IA baseados em LLM nos módulos do Sistema de Armazenamento e Disponibilização de Dados Oceanográficos (SADD), abrangendo atividades de submissão, curadoria e análise de dados. No módulo de submissão, o agente sugere de forma autônoma a indexação de variáveis ao mapear os campos do conjunto de dados para o vocabulário de busca da plataforma, mantendo com o usuário o controle sobre a decisão final. No módulo de análise, são suportados dois modos de operação: um modo para não especialistas, no qual usuários sem conhecimento em programação podem solicitar análises e visualizações oceanográficas por meio de linguagem natural; e um modo especialista, no qual oceanógrafos interagem com código Python em um Jupyter Notebook online por meio de comandos em linguagem natural, acelerando tarefas que, de outra forma, exigiriam codificação manual. Esta demonstração evidencia como agentes baseados em LLM podem reduzir a barreira de entrada para usuários não especialistas, ao mesmo tempo em que aumentam a produtividade de usuários experientes em uma plataforma real de dados científicos.

Palavras-chave: oceanografia, ciência de dados, agentes, inteligência artificial

Referências

Aylak, B. L. (2025). Sustai-scm: Intelligent supply chain process automation with agentic ai for sustainability and cost efficiency. Sustainability, 17(6):2453.

Guo, X., Yang, X., Peng, M., Lu, H., Zhu, M., and Yang, H. (2025). Automating traffic model enhancement with ai research agent. Transportation Research Part C: Emerging Technologies, 178:105187.

Howe, B., Lawson, P., Bellinger, R., Anderson, E., Santos, E., Freire, J., Scheidegger, C., Baptista, A., and Silva, C. (2008). End-to-end escience: Integrating workflow, query, visualization, and provenance at an ocean observatory. In 2008 IEEE Fourth International Conference on eScience, page 127–134. IEEE.

Kessavane, I. (2025). A study of reducing hr redundancy processes with agentic ai. Journal of Advances in Developmental Research.

Monteiro, A., Alves, C., Trotte, J., Monteiro, F., Bezerra, E., and González, P. H. (2025). SADD - sistema de armazenamento e disponibilização de dados oceanográficos. In Anais Estendidos do XL Simpósio Brasileiro de Bancos de Dados (SBBD 2025), page 118–123. Sociedade Brasileira de Computação - SBC.

Pati, A. K. (2025). Agentic ai: A comprehensive survey of technologies, applications, and societal implications. IEEE Access, 13:151824–151837.