Em maio de 2026, Stephen Day III e Wathila Ekanayake concluíram no Massachusetts Institute of Technology (MIT) uma prova de conceito acadêmica para revisar contratos marítimos com inteligência artificial local. O sistema foi desenhado para comparar acordos de transporte, identificar exposição potencial a demurrage, as taxas associadas a atrasos, e conferir as respostas com base nos documentos de origem. A aplicação chama atenção porque executa o processamento fora da nuvem, uma escolha voltada à confidencialidade de informações comerciais sensíveis. O projeto pode ser conhecido em detalhes na descrição técnica do experimento.

O contrato fica fora da nuvem

A decisão de usar IA local muda o ponto de controle sobre os arquivos analisados. Em vez de depender de serviços externos para interpretar contratos, a prova de conceito mantém o processamento na própria estação de trabalho. Essa arquitetura foi pensada para preservar a confidencialidade dos documentos comerciais, aspecto que ganha peso quando o material contém condições de frete, responsabilidades contratuais e parâmetros usados em discussões sobre atrasos. A proposta, contudo, permanece restrita ao experimento acadêmico e não deve ser apresentada como adoção generalizada pelas empresas marítimas.

O sistema foi preparado para lidar com uma dificuldade comum na inteligência contratual: os arquivos chegam em PDFs não estruturados, e não em bases organizadas para consulta automática. A ferramenta identifica termos desatualizados e remove marcações de revisão, duas etapas que ajudam a separar o texto vigente de alterações acumuladas no documento. Essa preparação é necessária antes de comparar cláusulas e procurar elementos que possam ampliar a exposição a demurrage. A análise começa, portanto, pela organização do conteúdo que normalmente exige leitura manual.

O processamento ocorre em uma workstation compacta equipada com o processador AMD Ryzen AI Max+ 395 e 128 GB de memória unificada. A configuração mostra que o projeto não depende, em sua demonstração, de uma infraestrutura de nuvem para executar o modelo e consultar os documentos. Esse detalhe técnico aproxima a experiência de uma operação em que o arquivo permanece sob controle direto do usuário, embora o material disponível não apresente métricas de implantação comercial ou ganhos financeiros realizados. O hardware sustenta a demonstração, mas não transforma sozinho o experimento em produto de mercado.

A IA lê a hierarquia jurídica

A comparação entre contratos exige mais do que localizar palavras semelhantes. O sistema respeita a hierarquia legal entre documentos como Charter Party e Recap, evitando tratar todos os arquivos como se tivessem o mesmo peso na interpretação. Essa distinção é relevante para a análise de demurrage porque uma condição encontrada em um documento pode precisar ser confrontada com a ordem jurídica estabelecida no acordo de transporte. A prova de conceito procura reproduzir essa lógica documental em vez de apenas gerar uma resposta baseada na frequência dos termos.

Essa ordenação também se conecta ao uso de um sistema RAG, sigla para geração aumentada por recuperação, que consulta o material fornecido antes de produzir a análise. O projeto prevê citações verificáveis para as respostas geradas, permitindo conferir de onde cada conclusão foi extraída. Para o usuário, a diferença está entre receber uma interpretação isolada e revisar uma análise acompanhada pelo trecho contratual utilizado. A rastreabilidade não elimina a necessidade de conferência profissional, mas mantém a resposta ligada à documentação de origem.

A pesquisa de Wathila Ekanayake já havia se concentrado no uso de machine learning para normalizar dados de demurrage em bancos estruturados. A prova de conceito amplia essa linha ao enfrentar documentos que não chegam prontos para análise quantitativa. O objetivo declarado é deslocar as empresas de revisões manuais e reativas para negociações mais proativas baseadas em dados. Essa conexão explica por que a tecnologia foi orientada à leitura contratual, e não apenas à classificação genérica de arquivos.

A prova de conceito segura o freio

Para tratar o conteúdo irregular dos contratos, o projeto adotou uma abordagem design-first, modelos de linguagem de código aberto e validação humana. A combinação coloca o fluxo de trabalho antes da escolha isolada do modelo: primeiro se define como o documento será recuperado e conferido, depois se produz a resposta. A participação humana funciona como etapa de controle sobre a interpretação dos acordos e sobre as referências apresentadas. O método reforça que a automação proposta apoia a revisão, sem substituir a análise responsável pelo contrato.

O trabalho foi desenvolvido durante o mestrado de Stephen Day III no MIT, concluído entre agosto de 2025 e maio de 2026. A trajetória acadêmica de Ekanayake inclui o prêmio MIT Supply Chain Excellence Award, enquanto sua pesquisa se voltou à organização de dados de demurrage. Esses elementos situam a iniciativa como um projeto aplicado de formação em supply chain, com foco específico na documentação marítima e nos custos associados a atrasos. A origem acadêmica também recomenda cautela ao interpretar o alcance dos resultados.

O resultado disponível é uma prova de conceito que demonstra como contratos marítimos podem ser analisados localmente, com preservação dos documentos comerciais fora da nuvem e respostas apoiadas em citações. A demonstração não comprova adoção ampla, redução efetiva de custos ou substituição dos processos existentes no mercado. Para profissionais de armadores, embarcadores e áreas de contratos, a contribuição está em apresentar uma alternativa técnica para testar inteligência contratual sem transferir os arquivos a um serviço externo. O próximo debate passa pela validação desse fluxo em operações reais, sem confundir a capacidade demonstrada no laboratório com uma solução já disseminada.