A conversa sobre inteligência artificial no planejamento de obras se divide, hoje, entre dois extremos igualmente improdutivos. De um lado, a promessa de que o cronograma vai se replanejar sozinho. De outro, o ceticismo de quem já viu três ondas de tecnologia passarem sem mudar a rotina da reunião de segunda-feira.
A realidade é mais interessante que os dois. Há aplicações que já produzem resultado mensurável, há aplicações que dependem de uma maturidade de dados que quase nenhuma obra brasileira tem, e há uma categoria inteira vendida como IA que é, na verdade, estatística de 1960 com interface nova. Vale separar.
O que já funciona hoje
Simulação probabilística de prazo
Não é novidade tecnológica — simulação de Monte Carlo aplicada a redes de precedência existe há décadas —, mas ficou acessível. Em vez de uma data única de término, a análise entrega uma distribuição: P10, P50, P80, P90.
A mudança de conversa é substancial. “A obra termina em 14 de março” é uma afirmação que ninguém consegue defender. “Há 80% de chance de terminarmos até 30 de abril, e o que mais contribui para a cauda é a montagem eletromecânica” é uma afirmação acionável, que direciona atenção e contingência para onde importa.
O pré-requisito é modesto: uma rede lógica íntegra e faixas de duração razoáveis por tipo de atividade. Qualquer obra com cronograma bem estruturado já pode fazer isso.
Leitura automatizada de documentos e diários
Aqui os modelos de linguagem entregam valor imediato. Diários de obra, atas, relatórios de fiscalização e comunicações formais contêm sinais de atraso que ninguém tem tempo de tabular. Um modelo consegue ler seis meses de RDO e devolver, de forma estruturada, quantos dias tiveram registro de chuva impeditiva, quais frentes tiveram falta de material, quais pendências de projeto se repetem.
Não é predição. É recuperação de informação que já existia e estava ilegível pelo volume. E é, de longe, a aplicação com melhor relação entre esforço e retorno hoje.
Classificação e conciliação de dados
Amarrar itens de orçamento a atividades de cronograma, conciliar medição com apontamento, identificar duplicidade em listas de quantitativos e normalizar nomenclatura entre disciplinas: trabalho que consome semanas de analista e que modelos resolvem com boa precisão, desde que revisados.
Visão computacional para avanço físico
Fotos 360°, drones e câmeras fixas alimentando comparação com o modelo BIM já funcionam bem para estrutura e envoltória — elementos grandes, geometricamente distintos e visíveis. A tecnologia é madura o suficiente para reduzir divergência entre o que a obra reporta e o que existe em campo.
Para instalações, acabamento e qualquer coisa dentro de shaft ou forro, o desempenho ainda é fraco. Vale calibrar expectativa.
O que ainda é promessa
Previsão de atraso treinada com histórico próprio
Este é o caso mais vendido e o mais frágil. A ideia é sedutora: treinar um modelo com o histórico de obras da empresa para prever quais atividades vão atrasar. O problema é de amostra.
Uma construtora de porte médio entrega talvez oito a quinze obras relevantes por década. São quinze observações — e cada uma com escopo, cliente, região, equipe e contexto econômico distintos. Nenhum algoritmo extrai padrão generalizável disso. O que ele extrai é o viés de quem apontou os dados.
Modelos de previsão de atraso funcionam onde há volume e repetição: portfólios com centenas de unidades semelhantes, obras lineares com ciclos repetidos, manutenção industrial programada. Fora disso, a simulação probabilística sobre uma rede bem construída entrega mais, com muito menos pretensão.
Replanejamento automático
Algoritmos de otimização conseguem gerar sequências viáveis. O que eles não conseguem é enxergar o que não está no modelo: a relação com o cliente, a capacidade real daquele subcontratado específico, a restrição de acesso que ninguém documentou, o compromisso político de uma data.
Replanejamento é decisão, não cálculo. A ferramenta pode gerar cenários — e isso é útil. A escolha entre eles continua sendo trabalho de engenharia.
Estimativa automática de duração a partir do modelo BIM
Funciona em ambiente controlado e com base de produtividade própria e madura. Sem essa base — que é um ativo construído ao longo de anos, não um arquivo que se compra —, o resultado é uma tabela de índices genéricos com aparência de precisão.
O obstáculo real quase nunca é o algoritmo
Em praticamente todos os projetos de IA aplicada a planejamento que não decolam, o gargalo é o mesmo: os dados da obra não estão em condição de serem usados.
Os sintomas são conhecidos:
- Atividades renomeadas entre revisões, sem código estável que permita rastrear a mesma atividade ao longo do tempo.
- Apontamento de avanço feito por estimativa de percentual, sem quantidade física associada.
- Baselines sobrescritas, sem histórico de versões recuperável.
- Códigos de atividade preenchidos de forma inconsistente entre pacotes.
- Medição e cronograma em estruturas que não se conversam.
Nenhum modelo resolve isso. Antes de qualquer investimento em IA, existe um trabalho de higiene de dados que rende mais e custa menos: código de atividade estável e obrigatório, apontamento por quantidade e não por percentual, versionamento de baseline, e um dicionário de dados que todo mundo usa.
Obra que organiza os próprios dados extrai valor de IA no ano seguinte. Obra que compra IA antes disso extrai relatório bonito.
Por onde começar, na ordem certa
- Estabilize a identidade dos dados. Código de atividade que nunca muda, EAP versionada, dicionário compartilhado.
- Troque percentual estimado por quantidade medida em pelo menos 70% do escopo. Esse único passo melhora todo o resto.
- Implante simulação probabilística na rede que você já tem. Retorno imediato, custo baixo.
- Use modelos de linguagem para ler o que ninguém lê: diários, atas, correspondência formal. Estruture os sinais que aparecerem.
- Só então avalie visão computacional e modelos preditivos, com expectativa calibrada pelo volume de dados que você realmente tem.
A tecnologia está madura o suficiente para ajudar. O que ela não faz — e não vai fazer — é substituir a estrutura de planejamento que precisa existir embaixo dela. IA aplicada sobre um cronograma mal construído produz, com mais velocidade e mais confiança, a mesma resposta errada.
