Inteligência artificial na engenharia civil em 2026
Descubra o que a inteligência artificial já faz na engenharia civil em 2026, os limites práticos da tecnologia e a responsabilidade técnica do profissional.
A reunião de obra começa e cada arquivo conta uma história. O cronograma diz que o pavimento está pronto, as fotos mostram serviço pendente e a planilha de medição veio de outra revisão. Antes de decidir qualquer coisa, alguém precisa juntar as peças.
É nesse trabalho que vale procurar utilidade para a inteligência artificial na engenharia civil em 2026. Mas chamar tudo de IA esconde diferenças: estimar custos a partir de obras anteriores, reconhecer fissuras em fotografias e conversar com um assistente são tarefas distintas. Cada uma precisa de uma conferência própria.
O que a pesquisa diz
- Na pesquisa global da RICS de 2025, com mais de 2.200 respostas, cerca de 45% relataram nenhuma implementação de IA na organização 1.
- Uma dissertação da UFSC trabalhou com 40 obras e encontrou erro de 17,22% nas estimativas de custo da obra completa 2.
- No hospital de Bournemouth, o fornecedor Buildots relata economia de dois a três dias por semana na coleta manual de dados para reuniões 3.
O retrato disponível é de adoção desigual
A RICS, entidade profissional ligada à construção e ao mercado imobiliário, encontrou também 34% dos respondentes em testes iniciais e pouco menos de 12% usando IA regularmente em processos específicos. Isso ajuda a entender por que convivem demonstrações impressionantes e escritórios ainda escolhendo por onde começar 1.
Recorte da pesquisa RICS de 2025. Os indicadores não representam todas as categorias nem medem produtividade 1.
O levantamento recolhe relatos de profissionais, não uma auditoria das empresas. Quase metade das respostas, 48%, veio do Reino Unido. Portanto, serve como referência internacional, sem representar a taxa de adoção brasileira ou provar economia em cada aplicação 1.
Três casos reais, com o tamanho do resultado
UFSC: estimar orçamento antes de detalhar a obra
Em 2017, Frederico Amorim Dacoregio estudou como estimar custos de novas obras da Universidade Federal de Santa Catarina ainda na viabilidade arquitetônica. Reuniu projetos e orçamentos de 40 obras e organizou os serviços para treinar redes neurais, modelos que aprendem relações entre os dados 2.
Para a superestrutura, o erro médio informado foi de 5,69%. Ao estimar a obra completa, o resultado foi 17,22%, medido pelo desvio total absoluto das validações. São medidas e recortes diferentes; não cabe anunciar uma única “precisão da IA” juntando os dois 2.
O interesse está em apoiar uma decisão preliminar, quando ainda falta detalhamento. A ressalva é igualmente útil: trata-se de uma amostra institucional e de um estudo de 2017, não de um orçamento executivo pronto ou de um teste com chatbot. Para aplicar a ideia hoje, seria preciso verificar sua adequação aos novos projetos e preços.
Bournemouth: menos coleta manual para a reunião
No edifício BEACH do Royal Bournemouth Hospital, no Reino Unido, a IHP, parceria entre Sir Robert McAlpine e VINCI Building, usou a plataforma Buildots no acompanhamento da obra. O estudo de caso do fornecedor informa economia de dois a três dias por semana antes gastos reunindo dados manualmente para reuniões 3.
A construtora descreve o funcionamento: câmeras de 360 graus presas ao capacete registram o avanço; a IA combina as imagens com cronograma e modelo BIM, uma representação digital da construção com informações dos elementos. A equipe recebe indicações de problemas e possíveis atrasos 4.
Aqui há uso em canteiro identificado, mas o ganho vem de material comercial, sem comparação independente apresentada. Os dias economizados são de coleta de dados, não dias retirados automaticamente do prazo contratual. A equipe ainda precisa decidir como agir sobre o atraso apontado.
SDNET2018: reconhecer a fissura não fecha o laudo
Sattar Dorafshan, Robert J. Thomas e Marc Maguire publicaram a base SDNET2018 com mais de 56 mil recortes de fotografias de concreto. As imagens vieram de tabuleiros de pontes armazenados em laboratório e de paredes e pavimentos da Utah State University 5.
No teste com a rede AlexNet usando transferência de aprendizado, isto é, aproveitando treinamento anterior, os acertos foram de 91,92% para tabuleiros, 89,31% para paredes e 95,52% para pavimentos. O estudo classificava recortes com e sem fissura. Não media capacidade resistente nem decidia se uma estrutura poderia continuar em uso 5.
Figura 1 de “SDNET2018: An annotated image dataset for non-contact concrete crack detection using deep convolutional neural networks”, de Sattar Dorafshan, Robert J. Thomas e Marc Maguire, 2018 5. Licença CC BY 4.0. Convertida para WebP, sem recorte.
A foto ajuda a perceber o problema: sombra, textura e borda disputam atenção com a fissura. Para levar esse tipo de ferramenta à vistoria, cobre validação nas condições reais de captura. Um bom resultado naquela base não garante o mesmo desempenho na sua obra.
Projeto, orçamento e compatibilização: por onde começar
No escritório, comece por uma tarefa que permita comparar a resposta com o documento original. Por exemplo: pedir uma lista de divergências entre revisões do memorial, com página e trecho de origem. Se a ferramenta não localizar a evidência, o apontamento fica pendente, sem virar alteração de projeto.
Na compatibilização, separe a verificação geométrica do uso de IA para organizar os resultados. Encontrar dois objetos ocupando o mesmo espaço não exige, por si só, aprendizado de máquina. O nosso checklist de compatibilização BIM explica essa diferença. Como ensaio de apoio, peça ao assistente que agrupe ocorrências por disciplina e responsável, preservando os identificadores dos elementos.
A tabela propõe tarefas para testar, sem atribuir uma nota universal de maturidade às ferramentas.
| Frente | Tarefa para testar | Conferência antes de usar |
|---|---|---|
| Projeto | Comparar premissas entre revisões | Documento vigente, unidades e hipóteses |
| Orçamento | Apontar itens duplicados ou ausentes | Quantidades, composição, local e data dos preços |
| Obra | Relacionar registro fotográfico e avanço | Serviço visível, localização e data da captura |
| Inspeção por imagem | Separar fotos que pedem atenção | Falsos alarmes e defeitos não detectados |
| Compatibilização | Agrupar relatórios de interferências | Geometria, tolerâncias e decisão do projetista |
Um teste pequeno que dá para conferir
Escolha um trabalho já revisado e guarde uma cópia de referência. Defina antecipadamente o que conta como acerto, erro e omissão. Peça uma saída verificável: apontamento, arquivo de origem, localização e motivo.
Meça o tempo total, incluindo preparação dos arquivos e revisão da resposta. Registre também o que passou despercebido. Um relatório rápido que exige refazer a análise inteira pode não economizar trabalho.
No orçamento, mantenha fórmulas e rastreabilidade dos preços. No projeto, confira qualquer sugestão de alteração com os cálculos e documentos aplicáveis. O roteiro de revisão de memorial com assistente de IA detalha como organizar essa conferência.
ART e CREA continuam na conversa
A Lei 6.496/1977 sujeita os contratos de obras e serviços de engenharia à Anotação de Responsabilidade Técnica. Seu artigo 2º estabelece que a ART define os responsáveis técnicos pelo empreendimento 6.
O Confea orienta que o registro seja feito antes do início da atividade técnica e exige registro profissional ativo no Crea competente 7. Um assistente de IA não ocupa esse lugar: não emite ART nem responde perante o CREA como profissional habilitado. A decisão técnica precisa de revisão e de um responsável.
Isso não significa afirmar que toda responsabilidade civil ou penal será sempre exclusiva de uma pessoa. A lei citada identifica responsáveis técnicos; não resolve sozinha a apuração de cada falha. Na prática, documente as premissas, as verificações e quem aprovou a entrega.
Como o Bildek ajuda
O Bildek para desktop reúne assistente de IA e ferramentas para trabalhar com modelos e documentos de engenharia. Use esse apoio para organizar a revisão e voltar aos arquivos quando surgir uma dúvida. Para começar pela inspeção do modelo, experimente o conversor IFC online, que também abre o modelo para explorar no navegador. A conferência e a decisão técnica continuam com o profissional.
Referências
- RICS. Artificial intelligence in construction report 2025. 2025. Disponível em: rics.org. Acesso em: 24 set. 2026.
- DACOREGIO, Frederico Amorim. Estimativa preliminar de custos de obras utilizando redes neurais artificiais. Dissertação (Mestrado em Engenharia Civil), Universidade Federal de Santa Catarina, 2017. Disponível em: repositorio.ufsc.br. Acesso em: 24 set. 2026.
- BUILDOTS. How IHP used AI to drive efficiency on this hospital project. Estudo de caso, sem data. Disponível em: buildots.com. Acesso em: 24 set. 2026.
- SIR ROBERT MCALPINE. Digital tools transform healthcare construction. 14 fev. 2024. Disponível em: srm.com. Acesso em: 24 set. 2026.
- DORAFSHAN, Sattar; THOMAS, Robert J.; MAGUIRE, Marc. SDNET2018: An annotated image dataset for non-contact concrete crack detection using deep convolutional neural networks. Data in Brief, v. 21, p. 1664-1668, 2018. Disponível em: pmc.ncbi.nlm.nih.gov. Acesso em: 24 set. 2026.
- BRASIL. Lei nº 6.496, de 7 de dezembro de 1977. Arts. 1º e 2º. Disponível em: planalto.gov.br. Acesso em: 24 set. 2026.
- CONFEA. Anotação de Responsabilidade Técnica: ART. Orientações sobre registro e responsabilidade técnica. Disponível em: confea.org.br. Acesso em: 24 set. 2026.
Publicado por Nardoto Engenharia. Conheça quem faz o Bildek.
