Paper Information | SBC BOOKS

Fill in your paper information

Language (*)

Title (*)

Keywords (*)

Abstract (*)

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.

Pages (*)

File Link

English Information

Title

Keywords

Abstract

The storage, provision and analysis of oceanographic data involve complex workflows that demand domain expertise and technical familiarity with the underlying systems. This paper presents the integration of LLM-based AI Agents into the Sistema de Armazenamento e Disponibilização de Dados Oceanográficos (SADD) modules, covering submission, curation, and data analysis activities. In the submission module, the agent autonomously suggests variable indexing by mapping dataset fields to the platform's search vocabulary, with the user retaining control over the final decision. In the analysis module, two operating modes are supported: a non-specialist mode, in which users without programming knowledge can request oceanographic visualizations through natural language; and a specialist mode, in which oceanographers interact with Python code in an online Jupyter Notebook through natural language commands, accelerating tasks that would otherwise require manual coding. This demonstration showcases how LLM-based agents can lower the barrier to entry for non-expert users while simultaneously enhancing the productivity of experienced ones within a real-world scientific data platform.

(*) To change the order drag the item to the new position.

Authors

#	Name
1	Almir Monteiro(amonteirojr@cos.ufrj.br)
2	Cláudio Alves(claudioalves@cos.ufrj.br)
3	Carla Lage(carla.lage@inpo.org.br)
4	Fernando Monteiro(fernando.monteiro@inpo.org.br)
5	Janice Trotte(janice.trotte@inpo.org.br)
6	José Blaschek(blaschek@gmail.com)
7	Eduardo Bezerra(ebezerra@cefet-rj.br)
8	Pedro Henrique González(pegonzalez@cos.ufrj.br)

(*) To change the order drag the item to the new position.

Reference

#	Reference
1	Aylak, B. L. (2025). Sustai-scm: Intelligent supply chain process automation with agentic ai for sustainability and cost efficiency. Sustainability, 17(6):2453.
2	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.
3	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.
4	Kessavane, I. (2025). A study of reducing hr redundancy processes with agentic ai. Journal of Advances in Developmental Research.
5	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.
6	Pati, A. K. (2025). Agentic ai: A comprehensive survey of technologies, applications, and societal implications. IEEE Access, 13:151824–151837.

Paper Registration

Fill in your paper information

English Information

Authors

Reference