IA na gestão de obras só vale a pena quando reduz atraso, estouro de orçamento ou retrabalho. Demonstração bonita sem mudança no canteiro é custo. Este guia separa casos maduros de promessa e mostra um roteiro de 90 dias aplicável a incorporadoras no Brasil.

Por que a maioria dos projetos de IA em obra fracassa

Os dados do canteiro costumam ser inconsistentes: diário incompleto, medições com códigos diferentes, fotos sem metadados e planilhas paralelas ao ERP. Em cima disso, a empresa compra uma plataforma ampla demais. Resultado: dashboard sem dono e zero mudança na programação semanal.

Outro erro comum é querer “IA geral” para tudo. O retorno aparece em problemas caros e repetitivos — atraso de estrutura, compra emergencial, disputa contratual — não em slides de inovação.

Casos de uso com ROI mais claro

• Previsão de atraso: cruzar clima, produtividade histórica, faltas de material e frentes críticas para alertar 1–2 semanas antes.
• Leitura de contratos/aditivos: extrair prazos, multas, condições precedentes e gerar checklist de risco para o gestor.
• Desvio de quantitativos: comparar projeto x medição x compra por serviço e pavimento.
• Apoio à qualidade: classificar fotos de não conformidade com revisão humana obrigatória.

O que não começar fazendo

• Comprar suite “tudo-em-um” sem responsável interno pelos dados.
• Treinar modelo complexo com medições sujas.
• Automatizar liberação financeira sem trilha de auditoria.
• Medir sucesso por número de relatórios gerados em vez de dias de atraso evitados.

Roteiro de implantação em 90 dias

Dias 1–30 — baseline

Padronize diário de obra, códigos de serviço e formato de medição. Escolha um KPI-alvo (ex.: desvio de prazo da estrutura). Mapeie fontes: ERP, BIM, clima, fotos, planilhas. Sem isso, qualquer modelo vira ruído.

Dias 31–60 — piloto

Rode previsão semanal em uma obra. Compare alerta x realidade. Registre falsos positivos. Crie um ritual: toda sexta o PCP decide o que muda no canteiro quando o modelo aponta risco.

Dias 61–90 — governança

Defina quem valida alertas, congele a versão do modelo, documente variáveis e só então expanda para a segunda obra. Escala sem governança multiplica erro.

KPIs que o board entende

• Acurácia simples do alerta de atraso.
• Dias de atraso evitados após ação corretiva.
• Retrabalho (R$ e m²) antes/depois.
• Tempo médio para fechar não conformidade.
• % de decisões de canteiro derivadas de alerta (com registro).

Conclusão

IA boa em obra é operacional: dados limpos, um problema caro, piloto curto e humano no loop. Se o projeto não altera a programação semanal, ainda não há ROI.