Esta lacuna infra-estrutural – a diferença entre financiamento e construção – é enorme. E embora os governos e as empresas em todo o mundo estejam a sentir a pressão de construir um ambiente construído energeticamente eficiente e sustentável, isso está a provar mais do que os humanos podem fazer sozinhos. Para corrigir este desequilíbrio, muitas organizações estão a recorrer a várias formas de IA, incluindo grandes modelos de linguagem (LLMs) e aprendizagem automática (ML). Colectivamente, ainda não são capazes de resolver todos os actuais problemas de infra-estruturas, mas já estão a ajudar a reduzir custos, riscos e a aumentar a eficiência.
Superando restrições de recursos
A escassez de mão de obra qualificada em engenharia e construção é um grande problema. Nos EUA, é estimado que haverá um défice de 33% na oferta de novos talentos até 2031, com vagas não preenchidas em software program, engenharia industrial, civil e elétrica. A Alemanha relatou uma escassez de 320.000 especialistas em ciências, tecnologia, engenharia e matemática (STEM) em 2022 e outra potência da engenharia, o Japão, previu um défice de mais de 700.000 engenheiros até 2030. Considerando a duração da maioria dos projetos de engenharia (reparar um gasoduto, por exemplo, pode levar décadas), a procura de engenheiros qualificados só continuará a superar a oferta, a menos que algo seja feito.
As restrições à imigração e aos vistos para estudantes internacionais de engenharia, e a falta de retenção em empregos formativos em STEM, impõem restrições adicionais. Além disso, há a questão da duplicação de tarefas, algo que a IA pode fazer com facilidade.
Julien Moutte, CTO da Bentley Methods explica: “Há uma enorme quantidade de trabalho que os engenheiros precisam fazer e que é tedioso e repetitivo. Entre 30% a 50% do seu tempo é gasto apenas na compactação de modelos 3D em formatos PDF 2D. Se esse trabalho puder ser realizado por ferramentas alimentadas por IA, eles poderão recuperar metade do seu tempo de trabalho, que poderia então ser investido na execução de tarefas de maior valor.”
Com orientação, a IA pode automatizar os mesmos desenhos centenas de vezes. Treinar engenheiros para fazerem as perguntas certas e usarem a IA de maneira otimizada aliviará o fardo e o estresse da repetição.
No entanto, isso não ocorre sem desafios. Os usuários do ChatGPT, ou de outros LLMs, conhecem as armadilhas das alucinações de IA, onde o modelo pode prever logicamente uma sequência de palavras, mas sem compreensão contextual do que as palavras significam. Isso pode levar a resultados absurdos, mas na engenharia, as alucinações às vezes podem ser totalmente mais arriscadas. “Se uma recomendação foi feita pela IA, ela precisa ser validada”, afirma Moutte. “Essa recomendação é segura? Respeita as leis da física? E é uma perda de tempo para os engenheiros terem que revisar todas essas coisas.”
Mas isso pode ser compensado com ferramentas e produtos existentes da empresa executando simulações e validando os projetos usando regras de engenharia e códigos de projeto estabelecidos, o que mais uma vez alivia o fardo de ter que os próprios engenheiros fazerem a validação.
Melhorar a eficiência dos recursos
Uma estimativa 30% dos materiais de construçãocomo o aço e o betão, são desperdiçados num estaleiro de construção típico nos Estados Unidos e no Reino Unido, acabando a maioria em aterros, embora países como a Alemanha e os Países Baixos tenham implementado recentemente medidas de reciclagem. Isto, e o custo crescente das matérias-primas, está a pressionar as empresas a pensarem em soluções para melhorar a eficiência e a sustentabilidade da construção.