Durante décadas, o placemaking na Grã-Bretanha tem sido regido tanto pelo julgamento quanto pela metodologia. Os profissionais falam de “caráter”, “vibração” e da elusiva “sensação” de uma paisagem urbana; qualidades refinadas por meio da experiência, do uso humano e do instinto profissional, em vez de métricas formalizadas. O praticante bem-sucedido geralmente era aquele que tinha visto lugares suficientes para reconhecer o que funcionava, mesmo quando os mecanismos causais permaneciam parcialmente intangíveis.

Nesse sentido, o placemaking há muito se assemelha à própria arquitetura: uma síntese de arte, ciência social, economia e regulamentação, mediada por julgamento profissional em vez de regras determinísticas. No entanto, as condições sob as quais os lugares são concebidos e entregues mudaram fundamentalmente.

Os padrões de trabalho pós-pandemia desestabilizaram as suposições de longa data sobre deslocamento, demanda de varejo e viabilidade de escritórios. Os requisitos de ganho líquido de biodiversidade impõem obrigações ecológicas quantificáveis. Compromissos de zero líquido estendem a responsabilidade por todo o ciclo de vida dos ativos. Enquanto isso, um déficit habitacional crônico exige aceleração e precisão na entrega, mesmo quando o capital se torna mais avesso a riscos e os processos de planejamento mais contestados.

Em um ambiente como esse, a margem para a intuição sem o apoio de evidências diminuiu drasticamente. O que está surgindo não é a substituição do julgamento profissional, mas um novo paradigma de evidências: a ciência do lugar.
A inteligência artificial não elimina a percepção humana; ela a aumenta, transformando o placemaking de uma disciplina baseada na experiência em uma disciplina informada por data comportamental, modelagem ambiental e análise preditiva em escala sem precedentes.

A longa evolução do placemaking: Da geometria ao comportamento

Para entender o significado dessa mudança, vale a pena situá-la na história mais profunda da forma urbana.

O Placemaking sempre oscilou entre duas concepções da cidade: como um sistema projetado e como um organismo vivo.

Os assentamentos antigos foram moldados principalmente pela defesa, rotas comerciais e topografia. O urbanismo romano impôs uma ordem geométrica mais rígida por meio de grades, fóruns e infraestrutura; expressões de autoridade imperial em vez de crescimento orgânico. As cidades medievais evoluíram de forma mais orgânica, respondendo às economias artesanais, à facilidade de locomoção e à geografia local muito antes de essas considerações serem codificadas.

A Revolução Industrial rompeu esse equilíbrio. A rápida urbanização gerou superlotação, poluição e crises de saúde pública, levando a movimentos de reforma que enfatizavam o saneamento, as restrições de uso e a infraestrutura em nível municipal. O movimento britânico Garden City, liderado por Ebenezer Howard, representou uma tentativa inicial de conciliar eficiência e bem-estar, um precursor conceitual do discurso contemporâneo de sustentabilidade.

O planejamento do século XX divergiu bastante. O modernismo, estimulado pela proliferação da propriedade de carros particulares, privilegiou a racionalidade, a separação funcional e a intervenção em larga escala. A reconstrução pós-guerra no Reino Unido adotou moradias construídas por sistemas, redes de estradas arteriais e estruturas de uso da terra projetadas para maximizar o rendimento e o crescimento. Muitos esquemas forneceram casas em escala, mas tiveram dificuldades para promover a coesão social ou a identidade local. No final do século XX, começou a surgir um consenso: a forma física por si só não determina o sucesso; o comportamento humano sim. Esse reconhecimento estabeleceu as bases intelectuais para o placemaking moderno e para os debates que continuam a moldá-lo.

Moses vs. Jacobs: A batalha pelas ruas

O luta de meados do século XX entre Robert Moses e Jane Jacobs continua sendo a alegoria definidora do planejamento urbano.

Moisés personificou o modernismo tecnocrático. Ao ver a cidade de cima, ele a abordou como um sistema logístico a ser otimizado para o movimento e a eficiência. Vias expressas, esquemas de habitação em larga escala e megaprojetos de infraestrutura refletiam a convicção de que o planejamento liderado por especialistas poderia gerar progresso por meio de um projeto racional.

Jane Jacobs ofereceu uma perspectiva fundamentalmente diferente. Observando as cidades no nível da rua, ela argumentou que a vitalidade emerge da densidade, da diversidade e da interação informal; o “balé da calçada” da vida cotidiana. Segurança, atividade econômica e coesão social não eram produtos de grandes projetos, mas de intrincados ecossistemas locais que resistem à simplificação. Jacobs não rejeitou o planejamento; ela rejeitou o reducionismo.

No Reino Unido, sua perspectiva tem moldado a retórica política há décadas. As estruturas de planejamento contemporâneas enfatizam a capacidade de caminhar, o uso misto, a esfera pública e o envolvimento da comunidade. No entanto, os mecanismos de execução muitas vezes permanecem limitados pelo que pode ser quantificado. Os modelos de transporte medem os fluxos de veículos com precisão. As análises de custo-benefício monetizam os investimentos em infraestrutura. Mas o valor da sociabilidade, do pertencimento ou de uma área pública agradável tem sido historicamente difícil de expressar em termos econômicos defensáveis.

Consequentemente, as decisões frequentemente favorecem o que é mensurável em detrimento do que é significativo. A inteligência artificial altera esse equilíbrio. O data comportamental em escala agora permite que os planejadores quantifiquem os padrões de movimento, o tempo de permanência, o conforto ambiental e a interação social, fornecendo suporte empírico para percepções que antes eram amplamente qualitativas.

A regeneração de King's Cross, em Londres, ilustra a importância dessa mudança. O sucesso do distrito deriva não apenas da arquitetura, mas de uma área pública meticulosamente selecionada, projetada para incentivar a permanência, a interação e o uso repetido. A Granary Square funciona como um teatro cívico: playground, espaço para eventos, refúgio na hora do almoço e destino noturno em igual medida. Sua vitalidade reflete precisamente a complexidade multifuncional que Jacobs defendeu. As ferramentas de IA agora podem simular essa dinâmica comportamental antes da construção, permitindo que os desenvolvedores e as autoridades testem se os espaços propostos sustentarão diversos padrões de uso ao longo do tempo e da estação.

A máquina orgânica: Wright, Gehl e a cidade em escala humana

Entre o modernismo mecanicista de Moses e a crítica humanista de Jacobs há uma terceira tradição: a tentativa de conciliar o progresso tecnológico com a vida urbana orgânica. A Broadacre City de Frank Lloyd Wright previa comunidades descentralizadas integradas à paisagem, possibilitadas em vez de dominadas pela tecnologia. Wright acreditava que a máquina poderia liberar os indivíduos das restrições urbanas industriais, facilitando uma ordem espacial mais humana.

Embora amplamente teórica, essa visão ressoa na Grã-Bretanha contemporânea. O trabalho remoto, a conectividade digital e os serviços distribuídos já estão remodelando os padrões de assentamento, obscurecendo os limites entre a vida urbana e suburbana. Mais tarde, Jan Gehl traduziu essa filosofia centrada no ser humano em princípios operacionais, concentrando-se na “cidade ao nível dos olhos” vivenciada pelos pedestres que se deslocam na velocidade da caminhada. Seu trabalho demonstrou que as decisões de design em pequena escala, a articulação da fachada, os assentos, a iluminação e a permeabilidade influenciam profundamente o comportamento.

A inteligência artificial agora oferece a capacidade analítica para operacionalizar essas percepções em escala. Em vez de impor uma ordem de cima para baixo, os sistemas inteligentes podem modelar o comportamento emergente de baixo para cima, simulando como as pessoas realmente habitam o espaço.

Os esquemas de regeneração liderados pelo patrimônio, como a Battersea Power Station, exemplificam tanto a promessa quanto a complexidade dessa abordagem. O marco industrial preservado ancora o desenvolvimento na memória coletiva, enquanto a nova área pública busca criar um bairro urbano vibrante. No entanto, o projeto também revela tensões entre a criação de destinos e a habitabilidade cotidiana, tensões que a modelagem habilitada para IA poderia ajudar a reconciliar, otimizando os fluxos de multidões, o mix de varejo, a demanda de transporte e o conforto ambiental para que esses locais funcionem como comunidades e não apenas como atrações.

O teste de Gehl: Quantificando o “não mensurável”

Historicamente, a avaliação dessa qualidade em escala humana exigia uma observação meticulosa. As equipes contavam manualmente os pedestres, mapeavam as linhas de desejo e registravam como os espaços públicos eram usados ao longo do tempo. A visão computacional transforma esse processo.

Os sensores e os feeds de CCTV agora podem analisar os fluxos de pedestres em todas as estações e períodos do dia, os padrões de permanência versus trânsito, o agrupamento social e os pontos de encontro informais, o uso de comodidades, como assentos e sombra, e as restrições de acessibilidade que afetam diferentes grupos de usuários.

A própria pesquisa de Gehl foi muito além da contagem de movimentos. Por meio de experimentos de campo sistemáticos em Copenhague e outras cidades europeias, ele examinou os efeitos cumulativos do que pode ser chamado de poluição visual: sinalização excessiva, desordem nas ruas, artefatos de engenharia de tráfego, iluminação mal coordenada e estímulos visuais concorrentes que fragmentam a experiência do pedestre. Suas descobertas sugerem que esses elementos não afetam apenas a estética; eles reduzem materialmente o conforto percebido, a legibilidade e a vontade de permanecer no local. Por outro lado, ambientes com linhas de visão coerentes, sinalização contida e fachadas ativas incentivam movimentos mais lentos, interação social e um senso de lugar mais forte.

Gehl também desafiou a doutrina ortodoxa do século XX de separação funcional rigorosa, a divisão das ruas em zonas distintas para veículos, ciclistas e pedestres, e dos bairros em enclaves de uso único. Seu trabalho sobre os princípios de espaço compartilhado argumentou que a ambiguidade cuidadosamente projetada pode aumentar a segurança e a sociabilidade, incentivando os usuários a negociar o espaço por meio de contato visual e dicas comportamentais, em vez de depender apenas de sinais e barreiras. O redesenho da Exhibition Road em Londres é um exemplo proeminente no Reino Unido: ao remover os meios-fios, as marcações de tráfego convencionais e a segregação rígida, o esquema criou uma superfície unificada que acomoda pedestres, ciclistas e veículos em um ambiente mais lento e atento. Embora não seja isento de controvérsias, o projeto demonstra como intervenções sutis de design podem recalibrar o comportamento sem a necessidade de uma fiscalização pesada.

A inteligência artificial agora permite que essas percepções qualitativas sejam testadas quantitativamente. A visão computacional pode avaliar como as pessoas navegam em ambientes compartilhados, onde ocorre a hesitação, como a desordem visual afeta os padrões de movimento e se as ruas redesenhadas realmente incentivam tempos de permanência mais longos ou interações mais seguras. Na verdade, a IA permite que os planejadores vão além das evidências anedóticas e cheguem a resultados comportamentais mensuráveis.

Particularmente valiosa é a identificação de micronós de atividade, locais que atraem pessoas de forma consistente, apesar de não parecerem notáveis na planta. Esses nós geralmente sustentam o sucesso comercial e a vibração social. Para os desenvolvedores, isso reduz a incerteza ao alinhar o investimento com a demanda demonstrada. Para as autoridades locais, isso fortalece a justificativa para melhorias direcionadas no domínio público. O Placemaking evolui do projeto para usuários hipotéticos para o aprendizado com o comportamento real.

A evolução contínua do Parque Olímpico Queen Elizabeth ressalta a importância dessa capacidade. Concebida com ambições de legado de longo prazo, a área se adaptou à medida que os padrões de uso reais divergiam das projeções iniciais. A análise pós-ocupação orientada por IA poderia dar suporte à recalibração contínua, transformando o placemaking de uma intervenção pontual em um processo adaptativo e iterativo, que responde às mudanças demográficas, aos estilos de vida e às condições climáticas.

Lições globais: Tomando emprestado o brilhantismo

Os precedentes internacionais demonstram como as abordagens data-driven podem possibilitar intervenções urbanas politicamente ambiciosas, mas também revelam uma divergência crescente nas filosofias que sustentam a criação de cidades.

O gêmeo digital de Cingapura modela microclimas, permitindo que os planejadores atenuem as ilhas de calor e os túneis de vento antes da construção, um recurso essencial em ambientes tropicais de alta densidade em que o conforto ambiental determina diretamente a viabilidade no nível da rua. Os Superblocks de Barcelona contaram com uma sofisticada modelagem de tráfego para demonstrar que a realocação do espaço viário para pedestres não produziria congestionamento sistêmico, permitindo que os formuladores de políticas adotassem estratégias centradas nas pessoas com confiança. Em grande parte da Europa continental, iniciativas semelhantes refletem uma mudança mais ampla do planejamento dominado por carros para um urbanismo compacto e que permite caminhar, priorizando a esfera pública, o uso misto e a habitabilidade diária.

Essa trajetória representa, em parte, uma reação contra as intervenções de larga escala e de cima para baixo de meados ao final do século XX. Muitas cidades europeias fizeram experiências com megaestruturas modernistas, sistemas viários elevados e zoneamento funcional antes de redescobrirem gradualmente o valor econômico e social do tecido urbano de granulação fina, da continuidade arquitetônica e das ruas de escala humana. Hoje em dia, as estruturas de políticas em cidades como Paris, Copenhague e Viena enfatizam cada vez mais os bairros de 15 minutos, o transporte ativo, a reutilização adaptativa e a infraestrutura comunitária, abordagens que se alinham estreitamente com a tradição de Jacobs-Gehl.

Em contraste, partes da região do Golfo, incluindo os Emirados Árabes Unidos e a Arábia Saudita, continuam a buscar um modelo mais centralizado de desenvolvimento urbano. Os projetos em Dubai, Abu Dhabi e Riad costumam ser concebidos em escala metropolitana ou até mesmo nacional, impulsionados por investimentos estatais e executados por meio de planos diretores pesados de cima para baixo que priorizam a arquitetura imponente, a visibilidade global e a entrega rápida. Os arquitetos são contratados para produzir estruturas de referência que sinalizam ambição e modernidade, enquanto distritos inteiros são entregues em prazos curtos, raramente alcançáveis nos sistemas de planejamento europeus.

Esses desenvolvimentos podem alcançar uma coerência e uma integração de infraestrutura extraordinárias, mas também acarretam riscos associados ao placemaking de cima para baixo: evolução orgânica limitada, formação de comunidade incerta a longo prazo e possível desalinhamento entre a intenção do projeto e o uso cotidiano. O desafio não é de capacidade técnica; muitos projetos do Golfo utilizam modelagem de ponta, gêmeos digitais e engenharia ambiental, mas de calibração comportamental. A escala monumental e o espetáculo arquitetônico não se traduzem automaticamente em vitalidade no nível da rua.

A inteligência artificial pode, em última análise, servir como uma ponte entre esses paradigmas. Em ambientes construídos rapidamente, a análise pós-ocupação orientada por IA pode revelar como os residentes e visitantes realmente habitam os bairros recém-criados, permitindo ajustes na programação, no transporte, no espaço público e no uso do solo ao longo do tempo. Em cidades europeias estabelecidas, as mesmas ferramentas podem apoiar a transformação incremental sem sacrificar o patrimônio ou a continuidade.

Para o Reino Unido, que cada vez mais ocupa uma posição intermediária entre essas abordagens, a lição não é imitar um único modelo por completo, mas combinar ambição estratégica com sensibilidade em escala humana. O tecido urbano histórico da Grã-Bretanha, as estruturas de governança complexas e as expectativas do público favorecem mudanças evolutivas em vez de revolucionárias. No entanto, a escala da demanda habitacional e da renovação da infraestrutura exigida nas próximas décadas exigirá uma ação mais coordenada do que o incrementalismo tradicional pode oferecer.

Mais perto de casa, iniciativas emergentes sugerem um movimento cauteloso em direção a essa síntese. A integração da análise de transporte, da infraestrutura digital e do compartilhamento de data entre as autoridades da Grande Manchester representa uma das tentativas mais avançadas de aplicar o pensamento sistêmico em escala regional. Ao modelar as relações entre mobilidade, distribuição de empregos e oferta de moradias, as cidades-regiões podem direcionar os investimentos para locais onde eles geram o maior retorno social e econômico, preservando ao mesmo tempo as qualidades que tornam os lugares habitáveis.

Nesse contexto, a IA não prescreve um único futuro urbano. Em vez disso, ela equipa os tomadores de decisão com a capacidade de testar visões concorrentes, desde desenvolvimentos emblemáticos de alta densidade até a regeneração de bairros com granularidade fina, em relação a resultados mensuráveis. As cidades mais bem-sucedidas das próximas décadas provavelmente serão aquelas que equilibrarem a escala estratégica com a experiência humana, a sofisticação tecnológica com a continuidade cultural e a ambição com a adaptabilidade.

O desafio da entrega no Reino Unido: Fragmentação e risco

Apesar dessas oportunidades, as restrições estruturais permanecem formidáveis. A fragmentação das autoridades de planejamento, os padrões data inconsistentes e as limitações de recursos impedem a adoção generalizada. Muitos departamentos de planejamento local não têm a capacidade de analisar resultados de modelagem sofisticados, criando uma assimetria entre atores privados com bons recursos e instituições públicas.

Além disso, o sistema de planejamento discricionário do Reino Unido enfatiza a negociação em vez da certeza baseada em regras. Embora essa flexibilidade permita decisões sensíveis ao contexto, ela também introduz a imprevisibilidade que desestimula a inovação. A IA poderia atenuar essa incerteza fornecendo estruturas de evidências compartilhadas, mas somente se a capacidade for desenvolvida em ambos os lados da divisão público-privada.

Há, no entanto, uma oportunidade mais fundamental que a fragmentação e as restrições de recursos obscurecem: a automação parcial do próprio processo de planejamento. Uma proporção significativa dos pedidos de planejamento: extensões de residências, pequenas alterações, mudanças de uso dentro de parâmetros estabelecidos, envolvem impactos materiais limitados que, no entanto, estão sujeitos à mesma deliberação baseada em comitês que esquemas muito mais consequentes. O resultado é um sistema no qual as decisões triviais consomem tempo e recursos desproporcionais, enquanto os pedidos significativos ficam em fila de espera. As ferramentas de avaliação orientadas por IA, treinadas em políticas de planejamento, meio ambiente e precedentes, poderiam lidar com esses casos com mais consistência e rapidez do que qualquer comitê, liberando os oficiais de planejamento e os membros eleitos para se concentrarem nas decisões que realmente justificam o julgamento humano. A automação baseada em evidências desse tipo não diminuiria a responsabilidade democrática; ela a aprimoraria, garantindo que o escrutínio fosse reservado para os momentos em que realmente importa.

Talvez a barreira mais persistente ao desenvolvimento não seja a viabilidade técnica, mas a confiança. As comunidades geralmente veem os exercícios de consulta com ceticismo, enquanto os desenvolvedores temem que as objeções possam refletir minorias vocais em vez de um sentimento representativo. O processamento de linguagem natural oferece um mecanismo para preencher essa lacuna. Ao analisar grandes volumes de respostas a consultas, a IA pode identificar temas, prioridades e preocupações comuns, garantindo que os tomadores de decisão se envolvam com a voz coletiva e não com extremos isolados. As comunidades também poderiam se beneficiar da interação com modelos de linguagem natural (chatbots) que fariam perguntas mais pertinentes do que as atuais entrevistas estruturadas, que não conseguem captar as nuances ou o pensamento subjacente. Da mesma forma, as simulações de luz solar, ruído, tráfego e demanda de infraestrutura conduzidas por IA podem mudar o discurso de medos especulativos para discussões baseadas em evidências.

Usadas de forma transparente, essas ferramentas podem fortalecer a legitimidade democrática em vez de enfraquecê-la. Nesse contexto, a IA funciona não apenas como suporte analítico, mas como infraestrutura institucional para a tomada de decisões.

Desempenho, responsabilidade e a ética do algoritmo

A criação de locais no futuro será inseparável do desempenho ambiental. A IA pode otimizar a orientação para a luz do dia e a eficiência energética, modelar os resultados da biodiversidade, prever os riscos de inundação e gerenciar os ecossistemas urbanos de forma dinâmica. A integração com redes de sensores permite o monitoramento contínuo em vez de avaliações pontuais de conformidade. Para os investidores vinculados a compromissos de ESG, esses recursos transformam a sustentabilidade de uma aspiração narrativa em realidade operacional. No entanto, implementar esses recursos de forma responsável exige tanta atenção quanto desenvolvê-los.

O poder analítico traz consigo a responsabilidade ética. O viés algorítmico apresenta riscos reais: os sistemas treinados com base no histórico data podem inadvertidamente reproduzir desigualdades, alocando menos recursos para áreas que historicamente têm sido mal atendidas.

As considerações sobre privacidade são igualmente importantes. O monitoramento do espaço público não deve evoluir para a vigilância. Estruturas de governança robustas, anonimização e transparência são pré-requisitos essenciais, e não uma reflexão posterior.

A supervisão humana continua sendo indispensável. A IA pode gerar soluções otimizadas de acordo com parâmetros definidos, mas a determinação desses parâmetros é fundamentalmente uma escolha da sociedade. A criação de locais reflete, em última análise, os valores humanos, não apenas a eficiência computacional.

Rumo à era da empatia

Paradoxalmente, o surgimento do artificial intelligence pode possibilitar cidades mais centradas no ser humano. Ao automatizar a complexidade técnica, desde a modelagem ambiental até a previsão de transporte, os profissionais podem dedicar mais atenção ao patrimônio, à identidade, à estética e à coesão social. As qualidades que tornam os lugares significativos são exatamente aquelas menos passíveis de otimização algorítmica.

A metáfora duradoura de Jan Gehl continua sendo adequada: uma cidade bem-sucedida se assemelha a uma festa bem-sucedida, as pessoas ficam porque querem, não porque precisam. A ciência do lugar não extingue a magia urbana; ela a torna menos acidental e mais deliberada.

Para o setor imobiliário do Reino Unido, as implicações são profundas. A inteligência artificial oferece um meio de conciliar escala com sensibilidade, crescimento com habitabilidade e imperativos econômicos com valor social. A questão decisiva não é mais se a IA moldará as cidades britânicas, mas como e sob a administração de quem.

Aqueles que dominarem essa integração moldarão a próxima geração de lugares. Aqueles que não o fizerem poderão se ver projetando para um passado que já está recuando.