Inside Shippy: Como um Agente de IA de Monitorização Oceânica Foi Construído para Ser Confiável, Não Apenas Inteligente

Pontos-chave

• O Shippy é um agente de IA, software que pode executar tarefas multi-etapas de forma autónoma, construído para ajudar analistas marítimos a rastrear pesca ilegal e atividade de embarcações em tempo real.
• O Shippy funciona atualmente no Claude Opus 4.6, um modelo de linguagem grande criado pela Anthropic, a tecnologia por trás de muitos chatbots de IA avançados.
• Cada utilizador obtém a sua própria sessão isolada: os dados de um oficial de pescas nas Filipinas nunca tocam em dados pertencentes a outra agência governamental.
• A equipa construiu uma ferramenta de linha de comando personalizada, uma interface simples baseada em texto, para evitar que a IA cometa erros subtis ao extrair dados ao vivo de satélites e sinais de embarcações.
• A Skylight serve centenas de agências governamentais e ONG em mais de 70 países.

Se uma embarcação de patrulha for enviada na direção errada porque uma IA deu uma resposta incorreta, pessoas reais em trabalhos perigosos pagam o preço. Este facto único moldou todas as decisões de design por trás do Shippy, o assistente de IA integrado na Skylight, uma plataforma para rastreamento de navios no mar.

A equipa publicou uma análise detalhada da sua abordagem no Hugging Face. O que descrevem é menos uma história sobre uma IA inteligente e mais uma história sobre construção de proteções em torno de uma.

O que realmente impede um agente de IA de cometer erros?

A resposta, descobriram os engenheiros da Skylight, são camadas. Não um modelo mais inteligente, mas uma série de passos previsíveis e testáveis que restringem o que a IA pode estragar em cada etapa.

O Shippy é construído em torno de três conceitos que a equipa chama de alma, capacidades e configuração. A alma é um conjunto de instruções escritas incorporadas no sistema que dizem ao Shippy o que é e o que não fará. Não decidirá se uma embarcação está a violar a lei. Não especulará além do que os dados mostram. Esses limites estão explicitamente escritos, o que significa que um humano pode lê-los e alterá-los.

As capacidades são ficheiros de instruções separados que lidam com tarefas específicas: procurar a posição de uma embarcação, encontrar o limite da Zona Económica Exclusiva de um país (a área marítima onde uma nação controla a pesca e os recursos), ou gerar uma ligação de mapa para que um analista possa verificar a resposta por si próprio.

A configuração abrange definições práticas: qual modelo de IA utilizar, qual framework de software executar. Trocar para um modelo diferente é uma mudança de uma linha, não uma reconstrução.

A parte mais complicada foi os dados. A API da Skylight, o ponto de conexão entre o Shippy e os dados de satélite ao vivo, lida com dezenas de tipos de entrada, filtros complexos e paginação, o que significa que entrega resultados em pedaços em vez de tudo de uma vez. As versões iniciais do Shippy construíram os seus próprios pedidos de dados do zero. Os resultados pareciam corretos mas estavam silenciosamente errados: registos em falta, dados de localização corrompidos, filtros mal interpretados.

A solução foi uma ferramenta de linha de comando personalizada que a equipa chama de Skylight CLI. Em vez de construir um pedido bruto, o Shippy emite um comando simples e o CLI lida com toda a complexidade por baixo. Cada camada do sistema pode ser testada independentemente. Se algo falhar, os engenheiros sabem exatamente aonde olhar.

O isolamento era igualmente crítico. Quando um oficial de pescas entra e faz uma pergunta ao Shippy, os seus dados e histórico de conversa nunca devem ser visíveis para nenhum outro utilizador. A equipa construiu um sistema de alojamento chamado Mothership que configura um ambiente fresco e contido para cada sessão de utilizador. Quando a conversa termina, esse ambiente desaparece.

Para pessoas comuns, a conclusão prática é esta: as decisões de design que tornam o Shippy confiável num contexto governamental de alto risco são as mesmas que importam sempre que a IA toca em decisões sensíveis. Limites explícitos, passos testáveis e separação rigorosa de dados não são extras opcionais.