Kennisbank

Maturidade de IA na construção: onde os fundamentos ainda faltam

A construção trabalha há décadas com uma cadeia em camadas: cliente, empreiteiro principal, subcontratantes, fornecedores. Essa cadeia está habituada a dividir responsabilidades e a entregar trabalho em fases. Isso torna o setor, em certos aspetos, mais preparado para a IA do que outros setores — há disciplina no planeamento, no controlo de qualidade, no registo de acordos. Mas essa mesma cadeia torna os dados frágeis. Desenhos, cálculos, planeamentos e relatórios de progresso surgem em diferentes partes, em diferentes sistemas, com diferentes versões da verdade. Uma aplicação de IA que precisa de funcionar com esses dados funciona sobre algo que muitas vezes não está completo, não está atualizado ou não está centralizado.

Essa diferença entre disciplina organizacional e maturidade de dados é exatamente onde muitos pilotos de IA na construção encravam. Um gestor de projeto tenta implementar uma ferramenta de IA para otimização de planeamento, mas os dados de entrada vêm de três sistemas que não se ligam entre si. Um preparador de obra quer que os cálculos sejam validados automaticamente, mas os dados históricos estão espalhados por ficheiros Excel avulsos por projeto. O piloto não encrava porque a tecnologia não funciona, mas porque a organização ainda não está preparada para isso.

Por que a ordem importa aqui

A maturidade de IA não mede apenas se uma organização utiliza ferramentas, mas se a base por trás disso está firme. Isso começa pela própria organização: existe um responsável claro pela digitalização, o conhecimento é partilhado entre projetos, ou cada projeto continua a ser uma ilha. Depois segue a infraestrutura de TI: os sistemas estão ligados entre si, existe uma base sobre a qual novas aplicações podem funcionar sem que tudo tenha de ser copiado manualmente. Só depois vem a gestão de dados: os dados existentes são confiáveis, atuais e acessíveis a quem precisa de trabalhar com eles.

Esta ordem não é uma preferência, é a forma como funciona. Uma organização que quer melhorar a gestão de dados sem que a infraestrutura de TI a suporte está a construir sobre areia. Uma organização que quer implementar aplicações de IA sem que a própria organização saiba quem é responsável por que processo obtém uma ferramenta que ninguém mantém. Na construção, este padrão é visível: o setor tem muitas vezes a vontade organizacional, mas a infraestrutura e os dados ficam atrás. Isso explica por que os pilotos frequentemente têm sucesso ao nível do projeto e encalham ao nível da organização — as dimensões fundamentais não acompanharam a ambição.

O que a medição revela

A medição de maturidade da hybridresourcing analisa sete dimensões, desde a organização e a infraestrutura até camadas mais dependentes, como a automação de processos e a tomada de decisões. Para cada dimensão aplica-se um de cinco níveis: baseline, foundation, activation, insight ou intelligence. Na construção, o quadro está muitas vezes distribuído de forma desigual por essas dimensões. Uma empresa pode estar avançada a nível organizacional — funções claras, uma agenda de digitalização, apoio da direção — e ainda assim estar em baseline na gestão de dados, porque os dados dos projetos nunca foram centralizados.

Essa desigualdade torna-se visível na ronda de plotagem, em que várias pessoas dentro da organização atribuem pontuações separadamente. Um diretor e um encarregado de obra podem avaliar a mesma empresa de forma muito diferente, e essa dispersão é, em si, informação. Se o CIO pensa que os dados estão em ordem e o preparador de obra luta diariamente com ficheiros dispersos, existe aí um obstáculo que uma única conversa não teria revelado. Num setor onde o trabalho se espalha por projetos e partes, essa dispersão é frequentemente maior do que a média — e por isso mais informativa.

O que isto não é

Esta medição não diz nada sobre quais tarefas a IA pode assumir ou quanto tempo isso poupa. Trata-se da questão de saber se a organização pode suportar a IA: a base está firme, a infraestrutura está pronta, os dados são suficientemente confiáveis para construir sobre eles. Essa questão é mais relevante para a construção do que em setores onde os dados já são, por natureza, centralizados. Compare-se com o setor de instalações, onde o trabalho por projetos e os dados fragmentados geram obstáculos semelhantes, ou com a indústria de manufatura, onde os dados de produção e a estrutura organizacional mostram um equilíbrio diferente. Também o setor de transportes conhece uma tensão semelhante entre disciplina operacional e base digital, o que indica que este padrão não é exclusivo da construção, mas ocorre com intensidade própria devido à estrutura da cadeia.

A ferramenta com que isto é medido está em construção. Quem quiser realizar a medição assim que estiver disponível pode inscrever-se na lista de espera. Não se oferece aqui nada que ainda não funcione, e não se promete nada sobre o resultado — apenas uma imagem honesta de onde a organização se encontra agora, dimensão por dimensão.

A próxima pergunta

Se se verificar que as dimensões fundamentais estão em ordem, ou a caminho disso, torna-se relevante outra questão: que parte do próprio trabalho é adequada para ser assumida pela IA. Essa é uma medição diferente desta. Enquanto a hybridresourcing verifica se a organização pode suportar a IA, a werkscan da FTE TO AI calcula, por tarefa, que parte do trabalho pode ser assumida — não como estimativa, mas como resultado de uma análise de tarefas. Para uma empresa de construção que sabe onde está a sua base, esse é o próximo passo lógico: primeiro o fundamento, depois a questão do que pode ser construído sobre ele.