توسعه شپی به عنوان یک عامل هوش مصنوعی پیشرفته در حوزه لجستیک، چالشهای منحصر به فردی را برای تیم سازنده آشکار کرد. مهندسان در طول این پروژه با مسائلی مانند مدیریت تعاملات پیچیده بین ماژولها، بهینهسازی تصمیمگیری در زمان واقعی و حفظ ثبات سیستم در شرایط غیرمنتظره روبرو شدند.
بررسی این تجربیات نشان میدهد که ترکیب تکنیکهای یادگیری تقویتی با معماریهای مدولار میتواند انعطافپذیری عاملها را افزایش دهد. همچنین ایجاد مکانیزمهای نظارت خودکار و سیستمهای بازیابی خطا، از کلیدهای موفقیت در توسعه عاملهای هوشمند پایدار است.