O Uso da Inteligência Artificial na Engenharia

Artigos

Engenheiro analisa plantas técnicas ao lado de um notebook com elementos visuais de inteligência artificial na engenharia

Introdução

A inteligência artificial (IA) deixou de ser promessa e passou a fazer parte da rotina técnica. Segundo a Pesquisa de Inovação Semestral (Pintec Semestral) do IBGE, a parcela de empresas industriais com 100 ou mais pessoas ocupadas que utilizam IA saltou de 16,9% em 2022 para 41,9% em 2024 — o maior avanço entre as tecnologias digitais avançadas pesquisadas. Entre as empresas usuárias, 73,1% aplicam a ferramenta no desenvolvimento de projetos de produtos, processos e serviços, justamente o território de engenheiros, arquitetos e agrônomos.

Esse avanço traz ganhos concretos de produtividade, mas também uma ilusão perigosa: a de que a ferramenta dispensa o conhecimento de quem a opera. Este artigo defende o oposto. Projetos complexos continuam exigindo conhecimentos complexos, mesmo — e talvez principalmente — quando se usa IA.

A seguir, discutem-se os limites da tecnologia, a necessidade de saber o que pedir e o que conferir, a segurança dos dados, a responsabilidade técnica perante o Sistema Confea/Crea e a importância de aprender continuamente com cada experiência.

A IA não “pensa” sozinha

Os sistemas de IA generativa mais populares, baseados em grandes modelos de linguagem (LLM, do inglês Large Language Model), funcionam estimando, a partir de enormes volumes de texto, qual é a continuação mais provável para uma solicitação. Esse mecanismo produz respostas fluentes e, muitas vezes, corretas. Mas fluência não é compreensão: o modelo não verifica o equilíbrio de uma estrutura, não visita o terreno e não conhece as particularidades do cliente.

Daí decorrem falhas bem documentadas. A mais conhecida é a “alucinação”: a geração de informações plausíveis, porém falsas, como uma norma com numeração inexistente, um coeficiente fora de contexto ou uma referência bibliográfica inventada. Há ainda o viés — tema da ABNT ISO/IEC TR 24027:2024 — e a desatualização, já que o modelo pode desconhecer revisões recentes de normas e legislação.

Construir um projeto no “piloto automático” da IA, aceitando a primeira resposta sem crítica, tende a resultar em um trabalho ruim: genérico, incoerente com as condições reais e, no limite, inseguro. A IA é excelente para acelerar etapas — redigir memoriais, organizar dados, gerar alternativas, escrever código —, mas a concepção, as premissas e as decisões continuam sendo do profissional. A ferramenta amplia a capacidade de quem sabe; não substitui o saber.

Saber o que pedir e o que checar

Uma das mudanças mais significativas trazidas pela IA é que o profissional pode não saber executar determinada tarefa — escrever um script em Python, montar uma planilha com macros, programar um aplicativo — e, ainda assim, obtê-la pronta em minutos. Isso é um avanço real. Há, porém, uma condição: é preciso entender como as coisas funcionam para saber o que pedir e, sobretudo, o que checar.

A qualidade do resultado depende da qualidade da solicitação. Um pedido vago (“calcule esta viga”) gera uma resposta vaga. Um pedido técnico especifica vão, vinculações, classe de agressividade ambiental, combinações de ações segundo a ABNT NBR 8681 e critérios de projeto da ABNT NBR 6118. Só formula esse pedido quem domina o assunto.

A verificação segue a mesma lógica. Recomenda-se:

  • conferir ordens de grandeza com cálculos expeditos ou com a experiência prática;
  • confrontar normas, artigos e referências citados com os documentos originais;
  • testar códigos e planilhas com casos de resultado conhecido;
  • exigir que a ferramenta explique premissas e etapas, e não apenas o resultado;
  • registrar as versões e as alterações feitas a partir das sugestões da IA.

Em resumo: delegar a execução é possível; delegar o julgamento, não.

Segurança de dados: atenção redobrada

Projetos que envolvem captura e tratamento de informações de clientes exigem cuidado especial. A Lei nº 13.709/2018, Lei Geral de Proteção de Dados Pessoais (LGPD), aplica-se a qualquer tratamento de dados de pessoas naturais, inclusive por profissionais liberais e pequenos escritórios. Nome, CPF, endereço, localização de imóveis rurais vinculada ao proprietário e dados financeiros são exemplos comuns em engenharia, arquitetura e agronomia.

Dois riscos merecem destaque. O primeiro é inserir dados pessoais ou confidenciais em ferramentas de IA abertas ao público sem verificar as condições de uso, a política de retenção e se o conteúdo pode ser usado para treinar o modelo. O segundo é desenvolver, com auxílio da IA, sistemas — formulários, aplicativos, bancos de dados — sem os controles mínimos de segurança. Códigos gerados automaticamente podem armazenar senhas sem criptografia ou deixar bases de dados expostas na internet, falhas que um leigo dificilmente percebe.

A LGPD determina, em seu art. 46, a adoção de medidas técnicas e administrativas aptas a proteger os dados e, no art. 48, a comunicação de incidentes relevantes à Autoridade Nacional de Proteção de Dados (ANPD), procedimento regulamentado pela Resolução CD/ANPD nº 15/2024. Boas práticas incluem anonimizar dados antes de submetê-los à IA, coletar apenas o necessário, preferir ambientes corporativos com garantias contratuais e adotar como referência a ABNT NBR ISO/IEC 27001 (segurança da informação) e a ABNT NBR ISO/IEC 27701 (gestão da privacidade).

Responsabilidade técnica, leis e normas

No Sistema Confea/Crea, a responsabilidade é sempre de pessoa habilitada. A Lei nº 5.194/1966 regula o exercício das profissões, e a Lei nº 6.496/1977 instituiu a Anotação de Responsabilidade Técnica (ART), hoje regulamentada pela Resolução Confea nº 1.137/2023. Nenhuma dessas normas admite transferir a responsabilidade a um software: quem assina a ART responde pelo projeto, independentemente das ferramentas utilizadas. O Código de Ética Profissional (Resolução Confea nº 1.002/2002) reforça os deveres de competência, diligência e honestidade.

No campo da normalização, a ABNT publicou em abril de 2024 a ABNT NBR ISO/IEC 42001, que especifica requisitos para estabelecer, implementar, manter e melhorar continuamente um sistema de gestão de IA em uma organização. Integram também o acervo a ABNT NBR ISO/IEC 22989:2023 (conceitos e terminologia) e a ABNT NBR ISO/IEC 23894:2023 (orientações sobre gestão de riscos). São referências úteis para escritórios, empresas e órgãos públicos que desejem organizar o uso da tecnologia.

No plano legislativo, o Projeto de Lei nº 2.338/2023, que propõe o marco legal da IA com abordagem baseada em riscos, foi aprovado pelo Senado em dezembro de 2024 e, até a elaboração deste artigo, seguia em análise em comissão especial da Câmara dos Deputados. Enquanto não houver lei específica, aplicam-se a LGPD, o Código de Defesa do Consumidor e as normas profissionais já vigentes.

Exemplos práticos

Considere um caso ilustrativo, comum em escritórios de pequeno porte. Um engenheiro decide criar, com auxílio de IA, um sistema web para receber pedidos de vistoria: o cliente informa nome, CPF, endereço e envia fotos do imóvel. Em poucas horas, a ferramenta entrega um sistema funcional.

Um profissional que entende os fundamentos fará perguntas que a IA não faz por conta própria: onde os dados ficam armazenados? Há criptografia? Quem tem acesso? Por quanto tempo as informações serão mantidas? O formulário precisa mesmo coletar o CPF? Existe aviso de privacidade? Cada resposta gera uma nova instrução à IA e uma nova verificação — e é isso que separa um sistema seguro de um passivo jurídico.

Situação análoga ocorre na agronomia. Uma IA pode sugerir um manejo fitossanitário a partir da descrição de sintomas, mas o diagnóstico depende de inspeção de campo, e a prescrição de agrotóxicos exige receituário agronômico emitido por profissional habilitado, nos termos da Lei nº 14.785/2023. Na arquitetura, uma imagem gerada por IA pode encantar o cliente, mas não substitui a verificação de recuos, taxa de ocupação, legislação municipal e acessibilidade conforme a ABNT NBR 9050.

Aprendizado com tudo que acontece

O uso de IA é, também, um processo de aprendizado contínuo, coerente com o ciclo PDCA (planejar, executar, verificar e agir) presente nas normas de sistemas de gestão, inclusive na ABNT NBR ISO/IEC 42001. Cada erro identificado em uma resposta, cada solicitação bem-sucedida e cada incidente evitado são insumos valiosos.

Recomenda-se que escritórios e equipes mantenham um registro simples de lições aprendidas: em que tarefas a IA foi útil, onde falhou, que verificações detectaram problemas e que instruções produziram melhores resultados. Com o tempo, esse acervo se converte em procedimentos internos, modelos de solicitação e listas de verificação.

O aprendizado vale ainda para o próprio profissional. Ao pedir que a IA explique suas respostas, confrontá-las com a literatura técnica e discuti-las com colegas, o engenheiro aprofunda o domínio do assunto em vez de terceirizá-lo. Associações de classe, como a AEAAMA, têm papel importante nesse processo, ao promover a troca de experiências entre os profissionais da região.

Conclusão

A IA é uma das ferramentas mais poderosas já colocadas à disposição dos profissionais da área tecnológica, e sua adoção cresce rapidamente, como mostram os dados do IBGE. Seu valor, porém, depende de quem a utiliza. Usar IA não dispensa o domínio dos conhecimentos específicos do projeto; a ferramenta não pensa sozinha; dados de clientes exigem proteção adequada; e, mesmo sem executar cada etapa, o profissional precisa entender como as soluções funcionam para saber o que pedir e o que verificar.

Nos próximos anos, a provável aprovação do marco legal, a difusão de normas como a ABNT NBR ISO/IEC 42001 e a evolução dos próprios modelos tendem a ampliar tanto as aplicações quanto as exigências. O profissional mais valorizado será aquele que combinar domínio técnico, senso crítico e aprendizado contínuo — usando a IA como aliada, nunca como substituta do seu julgamento e da sua responsabilidade técnica.

Referências

Eng. Francisco Innocencio Pereira

10/11/2026

Compartilhe: