A inteligência artificial já entrou no radar da construção e da engenharia, mas ainda existe uma distância significativa entre o potencial da tecnologia e seu uso efetivo nas empresas.  

Durante a Concrete Show 2026, Alex Lira, engenheiro civil e diretor de projetos da Construlab, mostrou que o problema não está na escolha da ferramenta, mas sim na estrutura que vem antes: processos pouco definidos, dados dispersos, ausência de estratégia e dificuldade de transformar conhecimento operacional em informação estruturada. 

No workshop realizado na Arena Imersiva, Lira pontuou a diferença entre o potencial e a aplicação ajuda a dimensionar o desafio.  

De acordo dados apresentados pelo diretor, o potencial teórico de aplicação da IA chega a 85% em arquitetura, engenharia e consultoria, enquanto a utilização prática estaria em torno de 18%. Na construção, o potencial é menor, em razão da necessidade de execução física, mas ainda há espaço relevante para automação de atividades associadas à informação — enquanto o uso efetivo apresentado pelo executivo está em cerca de 3%. 

Onde está o potencial da IA na construção 

A explicação, segundo Lira, passa pelo próprio perfil das atividades. Projetar e prestar consultoria envolve, em grande medida, cruzar bases de dados, interpretar informações e gerar resultados. Já a construção exige transformar decisões em atividades físicas no canteiro. Isso não significa, porém, que a IA tenha pouco espaço na execução. 

Diário de obra, relatórios fotográficos, acompanhamento de cronograma, controle de qualidade e segurança do trabalho são exemplos de processos que geram dados e podem ser automatizados ou analisados com inteligência artificial.  

Com tecnologias de captura da realidade, como drones, câmeras 360º e sensores, também é possível criar uma representação mais atualizada do canteiro e comparar sua evolução ao longo do tempo. 

O ponto crítico é a velocidade com que essa informação chega à gestão. “O problema na maioria das nossas obras é que a informação chega atrasada. Aí é onde a IA vai fazer a diferença”, afirma Lira. 

Os 7 erros começam antes da tecnologia 

Na avaliação do executivo, a implantação de IA na construção costuma esbarrar em sete problemas recorrentes. Eles ajudam a explicar por que empresas que já investem em tecnologia nem sempre conseguem capturar os resultados esperados. 

1. Falta de planejamento e estratégia 

O primeiro erro é começar pela ferramenta, sem definir o que a empresa pretende resolver. 

A implantação precisa estar associada a uma estratégia clara de inovação, com definição de prioridades, processos que serão impactados, pessoas envolvidas e critérios para validar as soluções. Caso contrário, a tecnologia tende a ser incorporada de maneira descentralizada. 

“Se você não tiver uma estratégia para o funcionário usar, ele vai usar de qualquer maneira. Mas da maneira que ele achar que tem que usar”, alerta Lira. 

O risco é ainda maior em um cenário no qual profissionais já utilizam ferramentas de IA por iniciativa própria. Sem uma política corporativa, informações estratégicas podem ser inseridas em plataformas sem que a empresa tenha controle sobre como esses dados são tratados. 

2. Comprar tecnologia sem definir a dor 

Outro erro é escolher uma solução antes de entender qual problema deve ser atacado. Na construção, as prioridades podem estar no orçamento, planejamento, acompanhamento de cronogramas, compras, qualidade ou no pós-obra.  

A recomendação é identificar onde a organização emprega mais recursos para lidar com dados e concentrar ali os primeiros esforços. 

“Você tem que mapear. A prioridade é onde você gasta mais recurso para lidar com o dado”, explica. A lógica muda a discussão de “qual IA devemos comprar?” para “qual problema de negócio queremos resolver?”. 

3. Tentar automatizar processos desorganizados 

A tecnologia não corrige automaticamente um processo ruim. Se a entrada de dados é incompleta, inconsistente ou pouco confiável, a automação pode apenas acelerar o problema. 

Antes de automatizar o processo, é necessário saber como ele funciona, quais informações alimentam o orçamento, por exemplo, quais índices históricos estão disponíveis, quais premissas são utilizadas e quais restrições fazem parte de cada projeto. 

Nesse cenário, Lira explica que organizar processos deixa de ser uma etapa burocrática e passa a ser uma condição para obter resultados confiáveis. 

4. Subestimar a gestão da mudança 

Tecnologia é apenas parte da implantação. A outra parcela está nas pessoas que irão utilizá-la. 

A resistência pode surgir do receio de substituição, da falta de compreensão sobre a finalidade da ferramenta ou simplesmente da experiência negativa com uma solução que foi implantada sem preparação. Por isso, treinamento e comunicação precisam fazer parte do projeto desde o início. 

“Tecnologia é 30%, 70% são as pessoas que usam a tecnologia”, destaca. 

O objetivo também precisa estar claro para os profissionais. Em vez de apresentar a IA apenas como mecanismo de redução de trabalho ou de custos, a empresa pode posicioná-la como instrumento para liberar tempo para atividades de maior complexidade e preparar profissionais para novas responsabilidades. 

5. Deixar o projeto apenas com a TI 

Outro obstáculo aparece quando a liderança entende a implantação de IA como um projeto exclusivamente tecnológico. 

Para Lira, o patrocínio precisa vir da alta gestão. O executivo ou proprietário não precisa dominar programação ou conhecer os detalhes técnicos da ferramenta, mas deve saber quais riscos a empresa pretende enfrentar, onde a tecnologia será aplicada e quais resultados precisam ser alcançados. 

“Se você é dono e não se envolver nesse processo, não vai andar”, afirma. 

A implantação exige, portanto, um responsável pelo projeto, mas também participação ativa da liderança para estabelecer prioridades, remover barreiras e dar legitimidade à mudança. 

6. Criar novos silos de dados 

A digitalização, por si só, não garante integração. Empresas podem acumular sistemas e, ainda assim, continuar sem uma visão consolidada da operação. 

Lira cita o caso de uma empresa que tinha 14 sistemas diferentes para atividades como orçamento, qualidade e pós-obra. O problema não era necessariamente a quantidade de ferramentas, mas o fato de não conversarem entre si. 

“Tem a impressão de que estão inovando, mas estão criando silos”, observa. 

Para a construção, na qual informações passam por diferentes etapas e áreas — do projeto ao orçamento, da execução ao controle de qualidade e do canteiro ao pós-obra —, a fragmentação compromete a capacidade de transformar dados em inteligência. 

7. Buscar soluções rápidas e ignorar riscos 

A popularização de ferramentas capazes de criar aplicações sem conhecimento de programação ampliou o acesso à tecnologia, mas também trouxe novos riscos. 

Segundo Lira, profissionais podem desenvolver sistemas internamente sem que a organização tenha avaliado adequadamente segurança, proteção de dados, arquitetura da solução e consequências do uso dessas aplicações em processos críticos. 

“Não faça nada na IA que você não consiga chegar”, recomenda o executivo, especialmente quando a ferramenta passa a lidar com informações estratégicas da empresa. 

A questão ganha peso em projetos de construção, nos quais podem circular dados comerciais, contratos, informações de clientes, projetos e outros conteúdos sensíveis. A facilidade para criar uma solução não elimina a necessidade de avaliar os riscos envolvidos. 

Método 4D coloca o problema antes da ferramenta 

É para enfrentar esse conjunto de obstáculos que Lira apresenta o Método 4D, estruturado em quatro etapas: diagnóstico, dados, desenvolvimento e implementação. 

O primeiro passo é identificar onde está o problema. Gargalos, retrabalho, perda de eficiência e excesso de horas dedicadas a determinadas atividades são sinais de que existe uma oportunidade de intervenção. 

“Primeiro você tem que ter um diagnóstico do que você vai fazer. Onde está o gargalo? Onde estou perdendo eficiência, onde estou gastando tempo, onde tem retrabalho?”, explica. 

Na segunda etapa, a empresa precisa entender os dados relacionados àquela dor: de onde vêm, quem os coleta, como são armazenados e qual é sua qualidade. Isso inclui mapear a origem da informação e os pontos em que ela pode chegar incompleta ou incorreta. 

A terceira etapa é o desenvolvimento da solução, já considerando o processo e os dados mapeados. A quarta é a implementação, que inclui treinamento, comunicação e gestão da mudança. 

A lógica evita que a empresa comece pelo fim. Em vez de adquirir uma ferramenta e procurar posteriormente onde utilizá-la, a organização parte de um problema concreto, identifica os dados necessários e então avalia qual tecnologia pode gerar resultado. 

Dados também são patrimônio 

A discussão sobre IA coloca em evidência uma questão estratégica para empresas de construção: o valor do conhecimento acumulado ao longo dos projetos. 

Custos, prazos, desvios, problemas de qualidade, retrabalho e ocorrências do pós-obra podem formar uma base capaz de ajudar a prever problemas futuros. Mas isso só acontece quando essas informações são registradas, preservadas e organizadas. 

Para Lira, empresas que não estruturam seus dados acabam perdendo parte da própria inteligência operacional. O conhecimento pode permanecer com profissionais, ser armazenado de maneira inadequada ou simplesmente desaparecer quando alguém deixa a organização. 

O impacto ultrapassa a eficiência. Dados digitais também podem se tornar um ativo estratégico para empresas que pretendem crescer, captar investimentos ou eventualmente ser adquiridas. 

“Se você pensa um dia preparar um negócio para ser vendido, colete dados”, sugere. 

Da IA como promessa à IA como gestão 

A principal mudança proposta pelo Método 4D é tirar a inteligência artificial do campo da experimentação e colocá-la dentro da estratégia operacional. 

Isso significa medir resultados, acompanhar indicadores e entender se a tecnologia efetivamente reduziu horas de gestão, melhorou o acompanhamento da obra, diminuiu retrabalho ou aumentou a capacidade de análise. 

Também significa reconhecer os limites da tecnologia. A IA pode processar grandes volumes de dados, identificar padrões e transformar informações em diferentes formatos, mas decisões que dependem de experiência, contexto e julgamento profissional continuam exigindo pessoas. 

Na construção, essa distinção é especialmente relevante. Quanto mais a tecnologia avança sobre os processos digitais, maior tende a ser a importância de estruturar os pontos em que a decisão humana permanece indispensável. 

O desafio, portanto, não é simplesmente colocar IA dentro do canteiro ou dos escritórios de engenharia. É preparar a empresa para que os dados produzidos pela operação possam circular, ser interpretados e gerar decisões quando ainda existe tempo para agir. 

A implantação da IA começa muito antes da escolha de um algoritmo. Começa por entender como a empresa trabalha — e o quanto ela realmente conhece os próprios dados.