IA no Canteiro de Obras: Como Visão Computacional e Agentes Estão Antecipando Desvios de Prazo e Custo

Em obra, a má notícia costuma chegar tarde. O atraso aparece no relatório mensal, o estouro de custo na medição seguinte, e o retrabalho só é descoberto quando a equipe seguinte encontra a parede no lugar errado. A construção é um dos setores mais intensivos em decisões baseadas em informação atrasada, e é justamente aí que a IA está entrando: não para construir, mas para enxergar o canteiro todos os dias.

O problema: o canteiro é medido por amostragem e por memória

O acompanhamento tradicional depende de engenheiros que percorrem a obra, anotam o que foi feito e estimam o percentual de avanço de cada serviço. É um processo caro, subjetivo e esparso: o dado chega semanas depois do fato e carrega a visão de quem mediu. Quando o desvio fica evidente, corrigi-lo já custa muito mais do que custaria na semana em que ele nasceu.

A abordagem que ganhou tração combina três peças. Câmeras, drones ou scanners a laser capturam o canteiro com frequência diária. A visão computacional compara o que foi instalado com o modelo 3D do projeto (BIM) e mede quantidades reais por serviço. E um agente de IA cruza essas medições com o cronograma e o orçamento, calcula o valor agregado e sinaliza o que está saindo do trilho, com a probabilidade de impacto no prazo final.

O caso: hospital nos EUA, com 38% mais produtividade

Um caso público ajuda a dimensionar o ganho. No edifício médico Viewridge, em San Diego, a Kaiser Permanente usou a plataforma de IA da Doxel, que monitora a obra diariamente com câmeras e scanners a laser, compara o instalado com o modelo 3D e calcula o valor agregado de milhares de itens do orçamento. Segundo o estudo de caso publicado, a produtividade da mão de obra subiu 38% em todas as frentes, a obra terminou 11% abaixo do orçamento inicial, e a previsão de custo final teve 96% de acerto, com seis vezes mais antecedência que a previsão convencional.

Duas ressalvas importantes. Os números vêm do fornecedor e do relato do projeto, sem auditoria independente. E o contrato era do tipo Integrated Project Delivery, em que dono e construtoras compartilham o ganho de produtividade, o que cria um incentivo para agir sobre cada alerta. A tecnologia sozinha não gera o resultado; o modelo de contrato ajuda a transformá-la em decisão.

Como ficaria numa obra brasileira (exemplo ilustrativo)

Imagine uma construtora com um empreendimento residencial de 300 unidades, com 40 serviços críticos no cronograma. Hoje, o avanço é medido quinzenalmente. Com captura diária e comparação com o BIM, o agente percebe numa terça-feira que a alvenaria do 7º pavimento está 12% abaixo do previsto e que isso vai empurrar a instalação hidráulica em duas semanas. O gerente realoca uma equipe no mesmo dia. Em números ilustrativos, não medidos: se o desvio for tratado em 3 dias em vez de 15, a obra evita semanas de ociosidade de equipes subsequentes e parte do retrabalho que nasce de serviços executados fora de sequência.

O que o executivo deve perguntar antes de aprovar

Quatro perguntas separam um piloto útil de uma vitrine cara. Existe modelo BIM atualizado, ou a IA vai comparar a obra com um projeto desatualizado? Quem recebe o alerta e tem autonomia para agir em dias? Como os trabalhadores e subempreiteiros serão informados sobre o que é captado, com respeito à LGPD e à relação com as equipes? E qual decisão concreta mudará se o dado chegar mais cedo? Se a resposta à última pergunta for vaga, o projeto ainda não está pronto.

A lição vale além da construção: a IA entrega mais valor quando encurta o intervalo entre o fato e a decisão. Onde a sua operação ainda descobre os problemas semanas depois, existe um candidato natural a caso de uso.

Na movimento.ai, ajudamos líderes a priorizar casos de uso como este com base no Gartner AI Roadmap — conheça nossa consultoria em estratégia de IA.