Há o risco de que a inteligência artificial na geociência gere muitas promessas e poucos resultados. O fator limitante não é a capacidade do modelo, mas os dados, o contexto e a confiança.
Na Seequent, acreditamos que o futuro da inteligência artificial não está relacionado apenas às ferramentas. Na viabilização de soluções confiáveis e específicas do domínio, novas tecnologias podem desempenhar um papel importante, mas devem ser cuidadosamente avaliadas com base nos resultados que se pretende alcançar.
Neste artigo, vamos explorar como as novas tecnologias podem gerar valor real aos geocientistas, e não apenas oferecer mais ferramentas.
Tudo começa com os dados
A estratégia de inteligência artificial da Seequent se baseia em um princípio simples: a IA é tão boa quanto os dados que consegue acessar e compreender.
Os dados geocientíficos são complexos, escassos e, muitas vezes, estão isolados em silos. Sem contexto, linhagem e estrutura, até mesmo os modelos de inteligência artificial mais avançados têm dificuldade em entregar resultados confiáveis. Em decisões de alta complexidade — como a classificação do teor de minério ou a estimativa de recursos — a confiabilidade dos resultados depende da integralidade e da credibilidade dos dados.
O Seequent Evo pode fornecer uma camada de dados unificada, reunindo dados geocientíficos, recursos computacionais e fluxos de trabalho em um único ambiente para reduzir incertezas e permitir que a inteligência artificial entregue resultados nos quais nossos clientes possam confiar.
Essa base de dados permite que a IA opere em fluxos de trabalho de geociência reais, nos quais o contexto, as incertezas e a linhagem de dados são importantes. Sem esses dados, a inteligência artificial é apenas um assistente geral. Com eles, ela é capaz de oferecer suporte a decisões que exigem conhecimento especializado.
Quando os dados estão consolidados, começa o desenvolvimento de ferramentas de inteligência artificial.
A análise de imagens de testemunhos de sondagem com tecnologia de IA no Imago da Seequent detecta e classifica automaticamente intervalos de testemunhos de sondagem de rocha, transformando a coleta rotineira de fotos em dados estruturados e prontos para análise.
O que é vibe coding e por que ele é importante para os geocientistas?
Vibe coding é uma forma de desenvolver software em que você descreve, em linguagem natural, o que deseja criar, e a inteligência artificial gera o código e o aplicativo, sem que você precise programar linha por linha. Isso permite que cientistas e especialistas no domínio criem soluções personalizadas para seus dados proprietários e problemas específicos, sem a necessidade de programação.
O Evo Python SDK público da Seequent oferece um wrapper para nossas APIs públicas, facilitando a criação de soluções para o Evo. Ele permite que nossos usuários utilizem o vibe coding para desenvolver aplicativos baseados no Seequent Evo usando IDEs compatíveis, como Claude Code e VS Code.
O vibe coding permite que os usuários transformem rapidamente ideias conceituais em protótipos e solucionem desafios específicos utilizando a plataforma de dados e de computação do Seequent Evo. Mas, embora o vibe coding permita uma personalização mais simples e a rápida criação de protótipos, também pode introduzir riscos, incluindo código não validado, dívida técnica e baixa capacidade de manutenção. Em ambientes empresariais, as empresas precisam equilibrar a necessidade de velocidade e flexibilidade com a de controle e confiabilidade.
Onde o MCP se encaixa
No ano passado, lançamos o servidor Evo Model Context Protocol (MCP) no GitHub. O MCP é um padrão emergente criado para ajudar agentes de IA a se conectarem a ferramentas, fontes de dados e sistemas externos. Ele oferece uma forma estruturada para que os modelos de inteligência artificial consultem dados, interajam com aplicativos e operem com segurança de acordo com regras e permissões definidas.
Em termos simples, o MCP age como uma ponte entre a inteligência artificial (como o Claude) e sistemas do mundo real (como o software da Seequent), permitindo que os agentes possam ir além do raciocínio baseado em texto e agir com base nos dados corporativos. É como uma API, pois ajuda sistemas a se conectarem uns aos outros. Porém, enquanto as APIs se destinam a desenvolvedores, os servidores MCP se destinam ao uso por inteligência artificial.
Conteúdo relacionado:
* Transformação da geociência com IA
* A aposta bilionária por trás de cada central de dados
* Assista: o Driver é a próxima geração de soluções inteligentes para geologia
* A abertura moldará o futuro das geociências
Tudo reunido na demonstração de krigagem
No início deste ano, nossa equipe criou, com vibe coding, um agente que utilizava o servidor Evo MCP para krigagem. Foi apresentada uma demonstração em que um agente de IA recebe uma solicitação em linguagem natural e executa automaticamente um fluxo de trabalho completo de krigagem geoestatística com dados do Evo. Por meio do servidor MCP, ele orquestra várias etapas, como a seleção de dados, a preparação de modelos e a execução de estimativas, sem que o usuário precise escrever código. O objetivo foi demonstrar como o MCP pode disponibilizar aos agentes ferramentas (como a usada para acessar a tarefa de computação de krigagem do Seequent Evo) e habilidades específicas do domínio, permitindo a execução de tarefas complexas, em nível de especialista, por meio de linguagem natural, além de destacar os recursos do Evo como uma plataforma que viabiliza a IA. A demonstração mostrou um usuário executando uma tarefa complexa de geociência usando apenas linguagem natural e trabalhando com dados confiáveis no Evo.
Na Seequent, o MCP e o vibe coding são facilitadores, mas não são o elemento central.
Vemos o vibe coding e o MCP como facilitadores de IA para usuários avançados que desejam criar seus próprios fluxos de trabalho com tecnologia de inteligência artificial. Eles oferecem suporte a esses usuários ao disponibilizar:
- Uma interface padronizada, reduzindo a complexidade de conectar modelos de IA a dados geocientíficos e eliminando a necessidade de conectores personalizados
- Um mecanismo de governança e controle, garantindo acesso seguro, auditabilidade e consistência na forma como os dados são usados
- Uma forma de disponibilizar tarefas computacionais do Evo (como krigagem) aos agentes
- A capacidade de fazer tudo isso usando linguagem natural
Mas reconhecemos que muitos dos nossos clientes desejam aproveitar a inteligência artificial como um recurso, sem precisar desenvolvê-la por conta própria. A Seequent está comprometida em continuar criando soluções com tecnologia de IA (como o Driver e o recurso de análise de imagens no Imago) e está explorando outras soluções, como agentes qualificados, para o futuro.
Entretanto, continuaremos a investir em ferramentas que viabilizam a inteligência artificial (como o Evo Python SDK e o servidor Evo MCP).
O Seequent Driver usa inteligência artificial para analisar automaticamente dados de sondagem em 3D, ajudando geólogos a compreender a estrutura de um depósito mineral mais rapidamente e com menos esforço manual.
Das ferramentas de inteligência artificial às soluções de geociência específicas
Embora o MCP e o vibe coding ofereçam flexibilidade, o foco principal da Seequent é fornecer soluções de inteligência artificial específicas e prontas para uso.
Por quê? Afinal, a maioria dos geocientistas não é formada por desenvolvedores, nem deveria precisar ser.
Nosso objetivo não é oferecer aos clientes mais ferramentas, mas ajudá-los a solucionar problemas com mais rapidez e confiança. Na maioria das vezes, isso significará oferecer IA como um recurso integrado aos nossos produtos nos fluxos de trabalho que os geocientistas usam diariamente.
Ao mesmo tempo, reconhecemos que algumas empresas desejarão criar suas próprias soluções. Nesses casos, o MCP e o nosso Python SDK oferecem a flexibilidade para ampliar o Evo e conectar agentes de IA diretamente aos seus dados.
Essa abordagem dupla assegura facilidade de uso e flexibilidade sem comprometer a confiança ou a confiabilidade.
Além do ruído em torno da IA
Atualmente, há muito entusiasmo — e confusão — em torno da inteligência artificial no mercado. Muitas soluções prometem transformação, mas deixam a desejar quando se trata de confiança, transparência e aplicabilidade no mundo real.
A inteligência artificial não transformará a geociência por meio de ferramentas genéricas ou de modelos autônomos. Isso será possível graças a dados confiáveis, fluxos de trabalho incorporados e recursos específicos do domínio.
Na Seequent, nosso foco é claro:
- criar uma base confiável de dados e de recursos computacionais por meio do Evo;
- disponibilizar recursos de IA diretamente nos fluxos de trabalho de geociência;
- permitir que os usuários criem suas próprias soluções de IA com ferramentas abertas, como o servidor Evo MCP e nosso Python SDK.
Para quem deseja se aprofundar no assunto, o servidor Evo MCP está disponível no GitHub, assim como mais detalhes sobre o Seequent Evo.