IA na elaboração de orçamentos de construção: o que é real, o que ainda é uma demonstração e como os empreiteiros podem saber a diferença

A construção depende de desenhos. Antes de um empreiteiro apresentar uma proposta para construir um edifício, alguém da equipe faz o levantamento de quantitativos. Essa pessoa analisa o conjunto de plantas — o pacote de desenhos em PDF que o arquiteto e os engenheiros emitem para o projeto — e conta e mede tudo o que o empreiteiro vai fornecer e instalar: tomadas, portas, pias, metros lineares de paredes e metros quadrados de pisos. Essas quantidades são incluídas no orçamento, o documento com os preços que se transforma na proposta. Se a proposta for aceita, os mesmos números voltam a aparecer nos aditivos contratuais, as alterações ao contrato com preços e assinaturas que são feitas quando o projeto muda.

O levantamento de quantitativos é demorado, repetitivo e, se for feito incorretamente, caro — por isso, é um alvo óbvio para a IA. Desenvolvo software que lê desenhos de construção, e os empreiteiros com quem converso estão tentando decidir em quais alegações sobre IA acreditar. Veja como separo o que funciona do que ainda é apenas uma demonstração.

O otimismo está superando a adoção

Duas pesquisas recentes quantificam essa diferença. Em um estudo da Dodge Construction Network com a CMiC, publicado em dezembro de 2025, 87% dos empreiteiros disseram esperar que a IA transforme o setor, e 19% afirmaram ter adaptado seus fluxos de trabalho para isso.

A RICS, entidade profissional de topógrafos e avaliadores, entrevistou mais de 2.200 profissionais da construção para seu relatório de 2025 sobre IA na construção. Cerca de 45% disseram que suas organizações não haviam implementado IA, e menos de 1% descreveram o uso da IA como plenamente integrado em toda a organização. A Construction Dive noticiou os resultados sob o título “Construtoras demoram a adotar IA apesar dos benefícios percebidos.”

Otimismo e adoção em duas pesquisas recentes. Dados: Dodge Construction Network e CMiC (dezembro de 2025), RICS (2025). Imagem: Bildrix

A pré-construção — tudo o que um empreiteiro faz antes do início das obras, como apresentar propostas, revisar documentos e elaborar cronogramas — é um ponto de partida natural, porque os materiais de entrada já são documentos digitais.

O que funciona hoje

A leitura de conjuntos de plantas já é uma categoria de produtos em funcionamento. O software pode organizar e nomear as folhas de um conjunto, identificar a escala de cada desenho, contar símbolos — como tomadas, luminárias e instalações hidráulicas — com base na legenda elaborada pelo engenheiro para aquele projeto e medir cômodos e paredes. O reconhecimento de símbolos em desenhos é uma área de pesquisa ativa há anos. O conjunto de dados FloorPlanCAD, publicado em 2021, contém anotações de mais de 10.000 plantas baixas em 30 categorias de objetos, para que pesquisadores pudessem treinar e testar modelos nessa tarefa.

Duas outras funcionalidades também se mostram eficazes na prática. Uma é responder a perguntas com base em desenhos e especificações, citando a folha de origem da resposta para que uma pessoa possa conferi-la em segundos. A outra é transferir quantidades revisadas para um orçamento, desde que a tabela de preços do próprio empreiteiro inclua os itens.

O que ainda é apenas uma demonstração

Três alegações merecem mais desconfiança.

Preços que ninguém revisa. Os preços de materiais e mão de obra variam de uma região para outra e mudam com o tempo. Um preço sugerido pela IA pode ser um ponto de partida razoável, mas deve estar claramente identificado como sugestão e ser conferido com uma cotação do fornecedor antes de ser incluído em uma proposta.

Todos os tipos de serviço, a partir de qualquer entrada. PDFs vetoriais limpos, exportados diretamente de um software de projeto, são o caso mais simples. Folhas digitalizadas, fotos de desenhos tiradas com o celular e conjuntos incompletos ainda causam problemas, e a cobertura varia bastante de um tipo de serviço para outro. Uma ferramenta que lê bem desenhos elétricos pode fazer pouco com desenhos de outra especialidade.

Propostas totalmente automatizadas. Muitos fatores que determinam uma proposta nunca aparecem nos desenhos: lacunas de escopo entre as especialidades, métodos e meios de execução, condições existentes em uma reforma, o cronograma e o nível de risco que o empreiteiro está disposto a assumir. É o orçamentista que assina o valor e responde por ele.

O que funciona na prática hoje e o que ainda é apenas uma demonstração. Imagem: Bildrix

Quatro sinais de que você está vendo uma demonstração

1. Só funciona com os desenhos do fornecedor. Peça para ver a ferramenta funcionando com um dos seus próprios conjuntos de plantas — de preferência, o mais confuso entre os que você usou para apresentar uma proposta no último trimestre.
2. Apresenta um único índice de precisão sem defini-lo. Precisão na contagem de quê, em quais desenhos e medida como? Um número sem detalhamento por item diz muito pouco.
3. Nada é sinalizado. Todo modelo tem dúvidas sobre alguma coisa. Uma ferramenta que nunca demonstra incerteza está escondendo-a.
4. O resultado termina em uma planilha que alguém precisa transcrever para o orçamento. Cada número transcrito é uma nova oportunidade para um erro de digitação.

Perguntas para fazer a qualquer fornecedor

• Quais arquivos de entrada aceita, quais especialidades cobre e o que não consegue fazer?
• Como sinaliza incertezas e quanto tempo leva a revisão de um dos meus conjuntos de plantas?
• Posso editar o resultado? Minhas edições são incorporadas ao orçamento e a alterações posteriores?
• Meus dados são usados para treinar modelos de alguém? Onde são armazenados?

O Framework de Gestão de Riscos de IA do NIST é uma referência útil para o último grupo. Entre outras características, ele descreve a IA confiável como válida e confiável, segura e resiliente, responsável e transparente, e com privacidade reforçada. Cada uma dessas características se transforma em uma pergunta que um empreiteiro pode fazer a um fornecedor.

Por que a incerteza é uma vantagem

Os modelos costumam ser mais confiantes do que deveriam. Guo e seus colegas mostraram, em 2017, que as redes neurais modernas tendem a ser mal calibradas. A confiança indicada por uma rede muitas vezes não corresponde à frequência com que ela acerta. É possível melhorar a calibração e, uma vez feito isso, a pontuação de confiança se torna uma fila de trabalho. Os itens com baixa confiança são encaminhados a uma pessoa, enquanto os de alta confiança recebem uma verificação rápida.

Essa característica importa mais para mim do que qualquer recurso de destaque. Um orçamentista não tem tempo para conferir novamente cada contagem em um conjunto de algumas centenas de pranchas. Mas tem tempo para verificar as poucas dezenas de itens que o software sinaliza como incertos. O orçamentista ainda assina a proposta, e boas ferramentas tornam essa revisão rápida.

O software lê e conta, uma pessoa revisa aquilo de que ele não tem certeza, e o orçamentista assina a proposta. Imagem: Bildrix

A Unite.AI publicou recentemente um artigo de Baber Javed sobre como projetar IA para folha de pagamento, admissões e outros domínios em que os erros são penalizados. Ele defende que regras determinísticas devem reger tudo o que tenha consequências financeiras ou jurídicas, deixando para o modelo a tarefa de interpretar e explicar, e prevendo revisão humana nos casos em que os erros têm um custo elevado. Uma proposta de construção se encaixa nessa descrição.

O que observar a seguir

Espero que os avanços do próximo ano ocorram depois do primeiro levantamento quantitativo: na comparação entre revisões dos projetos e no encaminhamento das quantidades alteradas até os pedidos de alteração e as faturas, sem precisar digitá-las novamente. É nas revisões que os empreiteiros perdem dinheiro sem perceber, porque uma alteração que ninguém incluiu no orçamento se transforma em trabalho feito de graça.

Se você administra uma empresa de construção e quer testar qualquer uma dessas soluções, faça um projeto-piloto com seus próprios desenhos, mantenha uma pessoa revisando cada resultado e registre seus próprios números: horas dedicadas, erros detectados e erros não detectados. Você aprenderá mais com esses dados do que com os números apresentados por qualquer fornecedor.

O que você precisaria ver para confiar em uma quantidade lida por uma máquina em uma proposta que leva seu nome?