O uso de dados para a tomada de decisão, o aprendizado de máquina e a inteligência artificial estão presentes em nosso cotidiano de uma maneira muito mais intensa do que imaginamos. Não se trata mais de temas de ficção científica ou conteúdo para artigos visionários. O Netflix, por exemplo, usa os dados e algoritmos de aprendizado para sugerir conteúdos de acordo com o perfil dos usuários. Essa assertividade proporcionada pela tecnologia amplia a fidelidade e, consequentemente, faz a empresa crescer. Já os sites usam dados para decidir em milissegundos o que nos mostrar na tela. Nosso comportamento após esta exibição, associado aos dados, retroalimentam o sistema e tornam as sugestões cada vez melhores.
As incorporadoras já usam estratégias de dados em marketing, mas muito pouco na área técnica. Não se vê o uso em gerenciadoras e demais empresas do setor de infraestrutura. O máximo que temos hoje são dashboards de BI (Business Intelligence) exibindo dados coletados, ou seja, uma versão mais moderna de planilhas. Decisões de suprimento, planejamento, supervisão da obra, gerenciamento do contrato, sem falar do projeto em si, já poderiam estar sendo tomadas com o apoio de dados, usando Deep Learning, que promove análises mais profundas a partir do uso da Inteligência Artificial (IA) e do Machine Learning (ML).
De uma maneira muito simplificada podemos separar o processo de aprendizado de máquina em quatro grandes fases: compreensão dos dados, modelagem das previsões, tomada de decisões e validação de causa e efeito, um ciclo que se repete e se aperfeiçoa continuamente.
Falando em BIM (Building Information Modeling), o modelo, representado pela letra "M", deixa de ser o protagonista, enquanto o "I" da informação, ou seja, dos dados, ganha destaque. O sistema de base de dados neste caso é conhecido como ambiente comum de dados, ou CDE (do inglês, Common Data Environment). Em um CDE ficam registradas todas as informações, desde as discussões sobre as especificações e demandas que formam o dado de entrada para o projetista, seu avanço associado à evolução do projeto, assim como todas as informações sobre como a obra aconteceu e a operação. São estes dados, multidimensionais, temporais e "confusos" que a equipe vai trabalhar, entender, simular e prever, usando-os para tomar decisões.
Não se trata de algo simples e rápido, tão pouco barato. É necessário criar uma equipe multidisciplinar com matemáticos, programadores e engenheiros, combinando o conhecimento das técnicas com a arte de saber o que perguntar, decidir e visualizar. Os pioneiros vão começar a ter o dado como um ativo enquanto os demais o terão como custo.
Gosto muito do exemplo da escuderia austríaca de Fórmula 1 Red Bull, que em tempo recorde se tornou líder na categoria mesmo sem tradição, conseguindo isso com a sinergia de talento junto às decisões baseadas em dados. A equipe passou a usar o Machine Learning e a Inteligência Artificial para definir a corrida, o desenvolvimento do carro, a análise dos pilotos e até mesmo a seleção deles, ou seja, essas tecnologias passaram a desempenhar um papel fundamental na definição do dia a dia do negócio.
Marcus Granadeiro, engenheiro civil formado pela Escola Politécnica da USP, presidente do Construtivo, empresa de tecnologia com DNA de engenharia e membro da ADN (Autodesk Development Network) e do RICS (Royal Institution of Chartered Surveyours).
