Durante os últimos anos ouvimos, com uma frequência quase cansativa, que a inteligência artificial iria revolucionar a arquitetura, a engenharia e o BIM. Havia apresentações maravilhosas sobre o futuro, imagens impressionantes de edifícios gerados por IA e incontáveis demonstrações de chatbots respondendo perguntas sobre normas, memoriais e especificações. Tudo interessante. Mas, para quem vive de produzir modelos, existia uma pergunta muito simples que ninguém conseguia responder direito: quando a inteligência artificial vai parar de explicar como se modela e começar efetivamente a modelar?
Porque resumir um PDF é útil, escrever uma fórmula do Dynamo também, mas ainda existe uma distância enorme entre ajudar um profissional e se sentar virtualmente diante do Revit, do AVEVA E3D ou de outra plataforma e começar a trabalhar. Essa distância começou a diminuir muito rápido. E talvez essa seja uma das mudanças mais importantes que tivemos nos últimos meses: a IA deixou de ser apenas uma consultora muito bem-informada e começou a assumir o papel de operadora de software.
O que mudou não foi simplesmente o fato de uma nova versão do GPT ser “mais inteligente”. Essa descrição é vaga demais. O que importa para BIM é que os modelos mais recentes passaram a combinar melhor quatro capacidades: enxergar, raciocinar sobre espaço, escrever código e operar ferramentas. Separadamente, nenhuma delas é revolucionária. Juntas, começam a produzir algo bem diferente. Uma IA pode receber uma planta, um corte, uma fotografia, uma nuvem de pontos ou uma imagem de referência, interpretar aquela informação, decidir quais etapas são necessárias, acionar ferramentas conectadas ao software, criar elementos, observar o resultado e continuar o processo. Isso é muito diferente de pedir: “ChatGPT, me explique como criar uma parede cortina no Revit”. Estamos caminhando para algo mais próximo de: “esta é a referência, este é meu padrão e este é o resultado que preciso; faça”. Parece apenas uma mudança na forma de escrever o prompt, mas para quem vende milhares de horas de modelagem por ano, existe um pequeno detalhe escondido nessa frase: uma parte dessas horas começa a deixar de precisar de uma pessoa clicando.
Algumas demonstrações recentes deixam isso bastante evidente. Em testes com o GPT-6 Astra conectado ao Revit por meio de ferramentas externas, já foi possível fornecer plantas, cortes e elevações e deixar o agente reconstruir grande parte de um edifício. Em outro experimento, um desenho feito à mão foi transformado em um detalhe dentro do Revit seguindo padrões previamente fornecidos. Os resultados ainda cometem erros, criam elementos incorretos, às vezes duplicam componentes e obviamente exigem revisão. Só que considero curioso o argumento de quem olha para isso e responde imediatamente: “mas ainda erra”. Claro que erra. Eu também conheço seres humanos que trabalham com Revit há seis anos e continuam produzindo portas viradas para o lado errado. O ponto não é saber se a IA alcançou perfeição. O ponto é perceber que, até pouco tempo atrás, estávamos discutindo se seria possível ela executar esse tipo de tarefa; agora estamos discutindo quantos erros ela comete, quanto custa e quanto tempo leva. A discussão mudou de categoria.
O caso da Prevu3D é ainda mais interessante para quem trabalha com levantamento e Scan-to-BIM. A empresa mostrou experimentos em que uma IA recebe realidade capturada de um ambiente industrial ou MEP, interpreta os elementos existentes e começa a reconstruir aquela geometria em CAD. Segundo a própria demonstração, foi possível produzir em menos de um dia uma reconstrução visualmente próxima de um nível de detalhamento que normalmente associaríamos a algo na faixa de LOD 300 a 350. Evidentemente isso não significa que alguém possa desligar amanhã o departamento de modelagem, mandar todas as nuvens de pontos para uma IA e ir jogar golfe. Há uma diferença gigantesca entre reconhecer que existe um tubo e saber qual é sua especificação, material, fluido, tag, classe, relação com o P&ID ou condição operacional. A IA pode reconhecer uma bomba; isso não significa que saiba automaticamente qual patrimônio está olhando. Mas essa ressalva não deveria nos deixar confortáveis demais. A geometria é justamente uma das partes do trabalho que mais consome horas no Scan-to-BIM, e agora existe uma tecnologia começando a atacar exatamente esse gargalo.
Esse ponto me interessa particularmente porque o Scan-to-BIM sempre teve uma ironia operacional. Ficamos incrivelmente eficientes na captura da realidade. Um laser scanner moderno registra milhões de pontos por segundo. Drones cobrem grandes áreas. Fotogrametria, SLAM e sistemas de captura evoluíram brutalmente. Processamos bilhões de pontos, registramos cenas, eliminamos ruídos e conseguimos documentar instalações inteiras com um nível de informação que seria inimaginável vinte anos atrás. Depois de toda essa sofisticação, chegamos à etapa seguinte e colocamos uma pessoa diante de dois monitores para redesenhar, um por um, tubos, paredes, vigas, equipamentos e bandejamentos. É quase poético: utilizamos hardware de altíssima tecnologia para capturar uma fábrica inteira e terminamos o processo com alguém fazendo uma atividade essencialmente artesanal. A inteligência artificial começa a atacar justamente essa última milha. E acredito que empresas de captura da realidade que tratarem isso apenas como curiosidade tecnológica poderão descobrir, de maneira desagradável, que boa parte da sua estrutura de custos estava apoiada em uma tarefa que rapidamente ficou mais automatizável.
Na engenharia industrial, os testes com Claude Opus 5.5 e AVEVA E3D apontam para o mesmo caminho, embora seja importante não misturar demonstração independente com produto oficial. Houve experimentos de especialistas conectando modelos de IA ao E3D e pedindo que eles criassem concepções tridimensionais a partir de informações de referência. Isso não significa que a AVEVA tenha simplesmente colocado um botão “projetar planta industrial” dentro do software, e seria irresponsável escrever dessa maneira. O que importa é outra coisa: já é possível dar a um agente acesso suficiente a uma plataforma profissional de engenharia para que ele execute uma sequência razoavelmente complexa de ações. Ao mesmo tempo, a própria AVEVA vem incorporando inteligência artificial aos produtos oficiais, incluindo assistência em linguagem natural e recursos de roteamento de tubulação. Portanto, existem dois movimentos acontecendo ao mesmo tempo: os fabricantes adicionam IA dentro dos softwares, enquanto desenvolvedores e usuários avançados conectam IAs externas aos softwares por meio de APIs, MCPs e outras interfaces. Em algum momento essas duas estradas inevitavelmente se encontram.
A Autodesk está seguindo exatamente a mesma direção. O Assistant dentro do ecossistema Autodesk já começa a consultar modelos e executar determinadas tarefas em linguagem natural, e a estratégia da empresa deixa bastante claro que o objetivo é transformar a IA em uma camada cada vez mais presente entre o usuário, os dados e o software. Talvez alguém olhe para as funções atuais e diga que ainda são simples. Concordo. Mas eu evitaria analisar esse movimento olhando apenas para o que o botão faz hoje.
O Windows de 1985 também não parecia uma ameaça existencial para ninguém que dominasse comandos. O interessante é perceber a direção: durante décadas aprendemos a linguagem do software; agora o software está começando a aprender a nossa. Em vez de o usuário descobrir onde está determinada ferramenta, definir dezenas de parâmetros e executar cada passo, começamos a descrever a intenção e deixar o agente descobrir parte do caminho. Para BIM, isso é uma mudança muito maior do que simplesmente colocar um chatbot na lateral da tela.
Há também uma diferença importante entre essa nova geração de agentes e as automações que já utilizávamos. Dynamo, Grasshopper, scripts, macros e plugins sempre permitiram automatizar quantidades enormes de trabalho. Continuarão sendo fundamentais. Mas normalmente alguém precisava definir previamente a lógica: se acontecer A, faça B; pegue estes parâmetros, aplique esta regra, gere este resultado. A nova geração de agentes acrescenta uma camada de interpretação. Você pode fornecer uma referência incompleta e dizer qual objetivo deseja atingir; a própria IA tenta decompor a tarefa, escolher ferramentas e decidir os passos intermediários. Isso é muito mais poderoso e, obviamente, muito mais perigoso. Um script errado executa uma regra errada com enorme eficiência.
Um agente errado pode inventar a própria regra e executá-la com enorme entusiasmo. Talvez tenhamos finalmente criado o estagiário perfeito: trabalha rápido, não reclama de hora extra e, se ninguém conferir, também consegue produzir uma quantidade impressionante de besteira antes do almoço.
É justamente por isso que não compro nem o discurso apocalíptico de que “o modelador acabou” nem o discurso tranquilizador de que “isso nunca substituirá um profissional porque ainda erra”. Os dois são intelectualmente preguiçosos. A profissão não precisa desaparecer para que o mercado seja profundamente alterado. Basta que uma atividade que hoje consome dez horas passe a consumir duas horas de processamento e uma hora de revisão humana.
A empresa ainda precisará de profissionais, mas precisará de menos pessoas para produzir a mesma quantidade de geometria. O preço daquela atividade cairá. O prazo esperado pelo cliente também cairá. E o valor econômico migrará para aquilo que a máquina ainda não faz bem: decidir o que deve ser modelado, entender a engenharia, estabelecer padrões, validar a precisão, interpretar exceções, controlar qualidade e assumir responsabilidade pelo resultado. Não é o fim do trabalho. É uma mudança bastante desagradável para quem construiu vantagem competitiva apenas sobre a quantidade de pessoas disponíveis para clicar.
Essa talvez seja a pergunta que empresas de modelagem deveriam fazer agora: qual parte do nosso preço vem de conhecimento e qual parte vem simplesmente de esforço operacional? Se cobramos cem horas para modelar determinada área porque um ser humano precisa percorrê-la elemento por elemento, o que acontece quando uma IA cria oitenta por cento da geometria e um profissional revisa os vinte porcento restantes? Não adianta responder que o modelo automático ainda não está perfeito.
O concorrente também não precisa de perfeição para derrubar o preço. Ele precisa apenas produzir um resultado suficientemente bom, revisá-lo e entregar por um custo menor. A indústria já viu esse filme em desenho técnico, renderização, tradução, programação e dezenas de outras atividades. A tecnologia não precisa eliminar cem por cento da mão de obra. Automatizar cinquenta por cento já é suficiente para tornar a planilha comercial de alguém bastante desagradável.
Ao mesmo tempo, acredito que isso pode ser uma excelente notícia para empresas sérias de captura da realidade. Quanto mais barata ficar a conversão da geometria, mais projetos que hoje não fecham economicamente podem passar a fazer sentido. Há instalações enormes nas quais o cliente gostaria de ter um modelo atualizado, mas não aceita pagar milhares de horas de modelagem. Se uma parte relevante desse trabalho for automatizada, o mercado potencial aumenta.
O valor deixa de estar apenas em “modelar a nuvem” e migra para uma cadeia mais sofisticada: capturar corretamente, registrar com qualidade, classificar a realidade, definir quais elementos importam, estabelecer tolerâncias, alimentar o agente, revisar o resultado e enriquecer aquilo com informação de engenharia. Em vez de vender simplesmente horas de Revit, podemos vender uma base digital confiável do ativo. Isso é uma evolução muito mais interessante do negócio do que disputar centavos por hora com empresas que montaram grandes equipes de produção.
Também acredito que essa mudança vai separar rapidamente quem entende BIM de quem apenas aprendeu software. Durante anos o mercado conseguiu misturar essas duas coisas porque a capacidade de operar Revit, Plant 3D ou E3D tinha valor próprio. Se operar o software ficar progressivamente mais fácil, conhecimento de engenharia ganha peso. A IA pode traçar uma tubulação entre dois pontos, mas alguém precisa saber se aquela rota permite manutenção, se respeita espaço de acesso, se faz sentido para o processo, se cria um ponto baixo indesejado, se interfere com uma estrutura ou se transformará a vida da equipe de montagem em um pequeno inferno.
A IA consegue criar uma parede; alguém precisa saber qual parede deveria existir. Consegue gerar detalhes; alguém precisa saber se aquele detalhe pode ser construído. Talvez, curiosamente, a IA acabe valorizando justamente aquilo que passamos anos deixando em segundo plano: experiência, julgamento e entendimento físico daquilo que estamos modelando.
Por isso, quando vejo essas demonstrações, minha reação não é “acabou o BIM” nem “isso é só marketing”. As duas respostas são confortáveis demais. Minha conclusão é que a modelagem entrou numa fase de compressão brutal do trabalho manual. Ainda estamos no começo, os resultados precisam de controle e muitas demonstrações são realizadas em condições cuidadosamente preparadas. Mas a direção ficou suficientemente clara para que ignorá-la comece a parecer teimosia.
O GPT-6 Astra, o Claude Opus 5.5 e os modelos que vierem depois provavelmente trocarão de posição várias vezes no ranking. Isso pouco importa. O ponto relevante é que a capacidade de ver uma referência, entender aproximadamente a geometria, acessar um software profissional e agir dentro dele já existe. Agora precisamos observar a velocidade com que essa capacidade deixa de ser demonstração de LinkedIn e vira fluxo de produção.
E talvez essa seja a pergunta que eu deixaria para quem trabalha com BIM hoje: quanto do seu valor profissional está em saber o que precisa ser feito e quanto está simplesmente em saber onde clicar para fazê-lo? Eu pensaria bastante antes de responder. Porque a inteligência artificial ainda é ruim em muita coisa, mas está ficando assustadoramente boa em encontrar botões.
E botão, convenhamos, nunca foi engenharia.
