A ilusão da iminência: Onde está a tão sonhada revolução da IA?

Durante a maior parte da última década, o setor imobiliário do Reino Unido falou sobre a Inteligência Artificial como algo que está chegando: iminente, inevitável, mas perpetuamente logo após o horizonte. As agendas das conferências estão repletas de painéis da PropTech, as estratégias de inovação estão cheias de referências ao data e à automação, e a maioria das grandes empresas pode apontar pelo menos um punhado de pilotos, iniciativas sem brilho ou provas de conceito. E, no entanto, para muitos topógrafos em campo, o progresso ainda parece hesitante e fragmentado. A IA parece estar presente em toda parte na retórica, mas apenas seletivamente incorporada na realidade.

Essa aparente apatia, no entanto, esconde uma verdade mais sutil. A questão não é que a IA não tenha conseguido encontrar relevância no setor imobiliário, nem que a tecnologia em si seja imatura. Na verdade, a IA já está proporcionando um valor tangível em transações, avaliações, gerenciamento de ativos e operações de construção. A verdadeira questão é por que a adoção tem sido mais lenta, mais cautelosa e mais desigual do que em muitos setores comparáveis. A resposta está menos nos algoritmos e muito mais nas características estruturais do próprio setor imobiliário do Reino Unido.

Para entender o rumo que o setor está tomando, primeiro precisamos ser honestos quanto à sua situação atual.

A mudança: Da integração do piloto ao fluxo de trabalho

Nos últimos doze a dezoito meses, ocorreu uma mudança significativa. A IA saiu decisivamente da fase experimental e entrou nos fluxos de trabalho profissionais cotidianos. Há apenas um ano, a maioria das iniciativas ainda era enquadrada como piloto, muitas vezes confinada a pequenas equipes de inovação que trabalhavam na periferia da empresa. Esses esforços tendiam a se concentrar em ferramentas de conversação; chatbots projetados para responder a perguntas básicas, redigir textos ou obter informações de repositórios de documentos. Embora úteis, raramente eram conectados aos principais processos operacionais.

Hoje, esse quadro é bem diferente. A IA está cada vez mais incorporada ao trabalho diário de topógrafos, analistas, gerentes de ativos e equipes operacionais. A velocidade da mudança tem sido impressionante. Enquanto grande parte da atividade do ano passado girava em torno do uso de Modelos de Linguagem Ampla (LLMs) como assistentes passivos, a atenção agora se voltou para os sistemas agênticos; agentes de IA capazes de executar tarefas de várias etapas de forma autônoma, coletando informações, validando entradas, elaborando saídas e escalando problemas para análise humana em pontos definidos.

No entanto, apesar dessa aceleração, um princípio permaneceu praticamente intacto no setor imobiliário do Reino Unido: A IA está sendo implementada como suporte à decisão, não como um tomador de decisões. Essa distinção não é acidental, nem se trata apenas de conservadorismo cultural. Ela reflete um entendimento profundamente arraigado de responsabilidade profissional e risco que continua a moldar até onde as empresas estão dispostas e são capazes de ir.

IA na prática de topografia: Aumento, não automação

Transações e Due Diligence

Na prática, isso se torna mais evidente em transações e due diligence, que continuam sendo a área mais madura de adoção de IA. Aqui, a proposta de valor é clara e imediata. Atualmente, os sistemas de IA são usados rotineiramente para ler e analisar grandes pacotes de documentos, extrair cláusulas-chave de arrendamento, resumir condições de planejamento, EPCs e manuais operacionais e gerar primeiros rascunhos de arrendamentos, listagens e due diligence reports. O conceito crítico subjacente a todos esses casos de uso é o da “primeira passagem”. A IA permite que as equipes apresentem os problemas mais rapidamente, estruturem as informações de forma mais consistente e concentrem a atenção profissional onde for mais importante. Ela não elimina a necessidade de julgamento e experiência profissional; ao contrário, ela os aprimora.

Avaliação e pesquisa de mercado

Um padrão semelhante pode ser observado na avaliação e na pesquisa de mercado. A IA é cada vez mais usada para selecionar evidências comparáveis, redigir comentários iniciais sobre o mercado e executar cenários ou análises de sensibilidade em uma velocidade e escala que antes seriam impraticáveis. No entanto, o parecer de avaliação em si permanece firme (e legalmente) com o avaliador. Tanto do ponto de vista profissional quanto do ponto de vista de seguros, não pode ser diferente. A IA acelera a análise, mas não assina, e não deve assinar, pareceres de valor. E nunca o fará.

Gerenciamento de ativos e portfólio

No gerenciamento de ativos e portfólios, a ênfase muda novamente, da velocidade para a perspectiva. A IA permite que as empresas examinem seus portfólios de novas maneiras, explorando questões relacionadas à sensibilidade da taxa de juros, exposição a vagas ou prioridades de alocação de capital com muito mais profundidade e consistência do que as abordagens manuais permitem. Mais uma vez, não se trata de automação da tomada de decisões, mas de aumento do pensamento estratégico.

Operações de edifícios e gerenciamento de energia

Talvez a ilustração mais clara do potencial da IA esteja nas operações de construção e no gerenciamento de energia, onde a adoção tem sido mais forte sempre que existe data de boa qualidade. A manutenção preditiva, a otimização de energia e a detecção precoce de falhas se prestam naturalmente às abordagens do data-driven, e os benefícios financeiros geralmente são fáceis de quantificar. Não é de se surpreender que esses casos de uso tenham encontrado menos resistência do que aqueles que envolvem o julgamento profissional básico.

As restrições estruturais à adoção no Reino Unido

Dada essa amplitude de aplicação, é razoável perguntar por que a adoção da IA na propriedade não parece estar mais avançada. A resposta é que as principais restrições não são tecnológicas. Elas são estruturais e humanas, como costuma ser o caso.

O Desafio da Fundação Data

O desafio mais óbvio e mais persistente é o data. O data de propriedades é notoriamente fragmentado, inconsistente, caro de acessar e, muitas vezes, não estruturado. O mesmo ativo pode aparecer com vários nomes (ou endereços) em diferentes sistemas; os documentos frequentemente se contradizem; as informações críticas geralmente estão enterradas em repositórios isolados de PDFs, digitalizações ou longas cadeias de e-mail. Os sistemas de IA têm dificuldade para escalar nessas condições. Sem um sólido data foundations, até mesmo os modelos mais sofisticados terão um desempenho inferior.

Há também uma questão mais profunda e específica do setor em jogo. A propriedade é fundamentalmente não padronizada. Não há dois ativos realmente iguais. As características físicas variam, assim como as estruturas de posse, os pacotes de incentivos e as nuances contratuais. Diferentemente de commodities ou bens de consumo, as transações imobiliárias são de alto valor, baixo volume e inerentemente únicas. Isso torna a criação de datasets limpos e estatisticamente robustos muito mais difícil do que nos setores que lidam com produtos padronizados comercializados em escala.

Embora o Reino Unido tenha um rico cenário data relacionado à propriedade (e conjuntos data contextuais ainda mais ricos), mais forte do que a maioria dos países da UE, ele tem lacunas notórias nos conjuntos data. Não existe um data de leasing confiável, nem APIs para o HM Land Registry para extrair transações de vendas em massa, data de planejamento fragmentado atrás de firewalls intermináveis e autoridades locais pouco integradas em nível data nacional. Embora, em alguns aspectos, exista o risco de ficar sobrecarregado com o data, ainda existem lacunas significativas que limitam os casos de uso de IA em potencial.

Governança, responsabilidade e risco

Além do data, as questões de responsabilidade, governança e proteção do data são grandes. A maioria das atividades do setor imobiliário é rigidamente regulamentada e os governos geralmente (muitas vezes com razão) demoram a adotar mudanças que possam afetar o público. Quando a Artefact ministra cursos práticos de IA por meio do Royal Institution of Chartered Surveyors (RICS), as mesmas preocupações surgem repetidamente. A quem pertence um resultado gerado por IA? Quem é responsável se o resultado estiver errado? Em que data o modelo foi treinado e para onde vão as informações do cliente depois de processadas? Essas não são perguntas abstratas. Os inspetores lidam com informações altamente confidenciais e ainda há um mal-entendido generalizado sobre como os modelos de linguagem grande funcionam, principalmente em relação à retenção, ao treinamento e ao risco do data. Até que essas questões sejam claramente abordadas por meio de governança e política, muitas empresas permanecerão cautelosas, preferindo pilotos contidos à implantação em grande escala.

Inércia cultural e organizacional

Fatores culturais e organizacionais agravam ainda mais essa cautela. O setor imobiliário do Reino Unido é, por natureza, lento e avesso a riscos. As receitas são de longo prazo e relativamente previsíveis (principalmente para grandes REITs e construtoras), as margens estão sob pressão e as condições de mercado continuam desafiadoras. Em um ambiente como esse, a preservação do caixa geralmente tem prioridade sobre a experimentação. Além disso, as empresas imobiliárias tendem a operar com um número relativamente pequeno de funcionários em comparação com o valor dos ativos ou das receitas, o que significa que os ganhos de eficiência nem sempre se traduzem em reduções imediatas nos custos de FTE. Isso pode tornar o retorno sobre o investimento mais difícil de ser articulado em termos tradicionais.

A demografia também desempenha um papel importante. A idade média no setor continua aumentando, e o setor luta para atrair talentos mais jovens, nativos de IA, capazes de promover mudanças internas. Não se trata apenas de uma questão de habilidades, mas de mentalidade e familiaridade com ferramentas digitais como padrão e não como complemento.

O papel do RICS: Impulsionando a adoção responsável

A RICS está assumindo um papel de liderança global na preparação da profissão de topógrafo para a adoção responsável da IA. Reconhecendo que a IA já está transformando a prática cotidiana, desde o suporte de avaliação e modelagem de risco até a extração de data. O RICS publicou recentemente um padrão profissional global inovador sobre o uso responsável da IA. Esse padrão foi projetado não para sufocar a inovação, mas para apoiar a adoção ética e confiante, definindo expectativas claras de base para competência, governança e responsabilidade entre seus 150.000 agrimensores licenciados em todo o mundo.

O novo padrão de conduta se aplica a todos os membros da RICS e empresas regulamentadas onde os resultados de IA têm um impacto material na prestação de serviços. Desenvolvida com os principais líderes do setor, incluindo a Artefact, que copreside o grupo de trabalho, a estrutura se concentra em reforçar o julgamento profissional e, ao mesmo tempo, aumentar a experiência. A norma descreve requisitos essenciais em cinco áreas: estabelecer uma linha de base de alfabetização em IA; fortalecer o gerenciamento de práticas por meio de registros de governança e risco; introduzir expectativas claras para a devida diligência ao adquirir ferramentas de IA de terceiros; reforçar o julgamento profissional, o ceticismo e a transparência ao confiar nos resultados de IA; e definir expectativas de responsabilidade para os envolvidos no desenvolvimento de sistemas de IA.

Essa abordagem proativa é crucial para gerenciar os novos riscos profissionais introduzidos pela IA, garantindo uma prática consistente e protegendo a confiança do cliente. O RICS acredita que, ao fornecer essa estrutura compartilhada, a profissão pode adotar a inovação em uma base ética e profissional sólida, atraindo talentos ‘nativos de IA’ e impulsionando o setor.

Crucialmente, os novos padrões fazem parte de um ecossistema RICS mais amplo e abrangente para impulsionar a adoção responsável da IA. Isso inclui a adaptação das Avaliações de Competência Profissional (APCs), a realização de cursos de treinamento prático (como o altamente popular ‘Global Harnessing AI & Data in the Built Environment’) e a publicação de documentos de orientação prática. Esse esforço conjunto fornece aos topógrafos um kit de ferramentas abrangente, permitindo que eles implementem a IA com maior confiança e integridade e garantindo que o RICS permaneça relevante na era digital.

Adoção pragmática - Os princípios fundamentais

O desafio inerente está no elemento humano: as pessoas do setor imobiliário geralmente demonstram relutância, até mesmo aversão, em adotar mudanças significativas. Embora a inércia regulatória certamente desempenhe um papel, existe uma barreira mais fundamental nas atitudes predominantes. Conversas com executivos seniores do setor imobiliário e topógrafos frequentemente trazem à tona princípios como “se não está quebrado, não conserte”.” “Nenhuma IA substituirá minhas décadas de profundo conhecimento contextual”.” ou “Nossos clientes não nos pagam para usar IA.” Embora essas perspectivas contenham um pouco de verdade, elas geralmente sinalizam uma liderança preocupada em preservar o status quo em vez de buscar a eficiência transformadora.

A enxurrada inicial de mensagens hiperbólicas e muitas vezes contraditórias em torno da IA mostrou-se contraproducente, gerando ceticismo e confusão. No entanto, agora estamos ultrapassando com firmeza a fase de “Trough of Disillusionment” (Vale da Desilusão)” e começando a subir o “Slope of Enlightenment” (Ladeira do Iluminismo)” (um padrão reconhecível no Gartner Hype Cycle). Essa transição significa que o foco deve mudar de ‘e se’ para ‘como’. Para o pesquisador individual, isso criou incerteza sobre o ponto de partida prático para a adoção.

Para promover uma mudança genuína, é essencial uma abordagem dupla que combine ‘soft power’ e ‘hard power’.

Do ponto de vista do ‘soft power’, as organizações devem defender e incentivar visivelmente os evangelistas internos de IA. Isso envolve a realização consistente de sessões de treinamento e informações envolventes, o estabelecimento de um ciclo contínuo de demonstração de sucessos iniciais e tangíveis, o compartilhamento aberto de recursos, a documentação de falhas e descobertas e a garantia de aprimoramento contínuo das habilidades dos colegas. É fundamental que essa mudança cultural não se concretize sem um exemplo claro, consistente e ativo dos níveis mais altos de liderança.

Esses esforços culturais devem ser complementados de forma robusta pelo ‘poder duro’ da reforma estrutural e operacional. Para isso, é necessário mudar irrevogavelmente as formas de trabalho existentes, exigindo certificações técnicas de alfabetização em IA para as principais funções, redesenhando as estruturas organizacionais, refinando os modelos operacionais e atualizando as matrizes RACI. O objetivo é garantir que a IA não seja mais tratada como uma atividade voluntária, “secundária”, mas que seja totalmente incorporada ao Business as Usual (BAU). Essa incorporação deve se estender às alocações orçamentárias e às métricas de desempenho, tratando a implementação da IA como um impulsionador essencial dos negócios, e não como um projeto de tecnologia periférico.

Acima de tudo, as organizações devem cultivar um ambiente que incentive a experimentação, mesmo que isso leve a um fracasso em pequena escala. Para isso, é necessário promover discussões honestas no data-driven sobre a utilidade prática da IA e os ganhos de eficiência verificáveis que ela proporciona (ou onde ela simplesmente representa uma ‘ferramenta brilhante’ com valor limitado). As aplicações mais impactantes de IA observadas no Artefact são aquelas que são perfeitamente integradas aos fluxos de trabalho existentes. Se a adoção de uma ferramenta exigir um atrito significativo para um ganho marginal, ela será inevitavelmente abandonada em massa. Por outro lado, o maior sucesso geralmente vem dos aplicativos que não são necessariamente visíveis, mas que silenciosamente tornam a vida profissional comprovadamente mais fácil, automatizando tarefas repetitivas, manuais e ‘destruidoras de almas’. Ser deliberado e cirúrgico na identificação e implementação desses casos de uso de alto impacto e baixo atrito é fundamental para promover uma adoção real e sustentada.

Como será o futuro: Horizontes temporais de três anos

Olhando para o futuro, as oportunidades de adoção de IA no setor imobiliário do Reino Unido podem ser consideradas em três amplos horizontes de tempo.

Curto prazo (próximos 6 meses): Ganhos práticos e de baixo risco

Os ganhos mais convincentes são práticos e de baixo risco. Padronizar o recebimento de instruções, automatizar os primeiros rascunhos da reports com referências claras de evidências, extrair listas de verificação estruturadas de contratos de locação e documentos de planejamento e implantar ferramentas de conhecimento interno que respondam a perguntas como “como abordamos isso da última vez?” proporcionam economia de tempo imediata. Notavelmente, é provável que alguns dos maiores ganhos sejam encontrados em funções de back-office, como RH, finanças e marketing, liberando os pesquisadores para se concentrarem nos relacionamentos com os clientes e no trabalho de consultoria de maior valor.

Médio prazo (6 a 18 meses): Integração de processos agênticos

O valor real surge da união dos processos. Fluxos de trabalho de transação de ponta a ponta alimentados por IA agêntica, plataformas de gerenciamento de ativos que combinam condição, conformidade, energia e despesas de capital data e ferramentas que suportam retrofit e otimização net-zero se enquadram nessa categoria. O sucesso aqui depende menos de modelos de IA mais avançados e mais do design e da integração cuidadosos do processo. Todos os modelos fundamentais fizeram grandes avanços recentemente no desenvolvimento e na padronização de recursos agênticos, de modo que sua implementação se tornou uma brincadeira de criança.

Prazo mais longo (18 a 36 meses): Insights mais profundos e novos serviços

As empresas voltarão cada vez mais sua atenção para insights mais profundos, incluindo planejamento, análise geoespacial e de risco climático, gêmeos digitais no nível do portfólio e novos serviços de consultoria de data-driven. No entanto, essas ambições só serão concretizadas quando já houver um data governance robusto e de qualidade.

Prazo ainda mais longo (36+ meses): Medo existencial

Os usuários de ‘X’, ou mesmo os seguidores casuais de notícias gerais, podem sentir uma sensação de pavor esmagadora, quase existencial. O ritmo do desenvolvimento da IA é implacável. Estamos vendo robôs humanoides substituindo trabalhadores de fábricas e até mesmo sendo utilizados como soldados, carros autônomos finalmente ganhando força, Neuralink prometendo aumentar as capacidades humanas, computação quântica se aproximando da realidade, uma aceleração maciça na pesquisa científica e o domínio generalizado de ‘AI slop’.

No entanto, apesar dessa cascata contínua de descobertas e progresso, a maior empolgação atual está concentrada na possível culminação dos esforços de longo prazo em direção à AGI (Artificial General Intelligence, Inteligência Geral Artificial) - um sistema de IA muito mais contextualmente consciente e complexo que, teoricamente, poderia se igualar, se não superar, o cérebro humano - e nas profundas mudanças sociais que isso implica. Será que ela realmente aumentará a produtividade a tal ponto que o emprego se tornará opcional e a dependência da Renda Básica Universal se tornará um caminho feliz?

O capital sem precedentes que está sendo canalizado para centros data, poder de computação e infraestrutura para alcançar a AGI é impressionante. Esse investimento, sem dúvida, levará a correções significativas no mercado em curto e médio prazo. É provável que o retorno sobre o investimento seja mais lento do que o previsto, e o hype provavelmente superará o impacto no mundo real. No entanto, a tecnologia está pronta para exercer uma influência dramática e imprevisível em nosso ambiente construído e em nossa interação com ele. As empresas devem permanecer ágeis e bem cientes dessa realidade se quiserem não apenas sobreviver, mas prosperar nesse futuro altamente incerto.

O que não é negociável: Julgamento, confiança e escrutínio

Durante todo esse processo, é essencial manter a lucidez sobre as limitações da IA. A IA não reduz a responsabilidade profissional; ela a concentra. A capacidade de julgamento não pode ser delegada. Embora a IA possa ajudar na análise, ela não pode substituir a intuição e a experiência desenvolvidas ao longo de décadas, nem pode levar em conta o comportamento humano emocional e muitas vezes irracional que molda os mercados imobiliários. Os agrimensores permanecem legalmente responsáveis por suas orientações em todos os momentos, e essa realidade não mudará.

A transparência com os clientes é igualmente fundamental. Quando a IA afeta materialmente a forma como um serviço é prestado, os clientes devem ser informados. Não se trata apenas de uma questão de conformidade, mas de confiança. A explicabilidade e a auditabilidade também são essenciais. Se um profissional não puder explicar de onde veio um resultado, qual data foi usado e quais suposições foram feitas, pode ser difícil defender esse resultado no tribunal.

Os riscos de confiabilidade não devem ser subestimados. Os sistemas de IA podem parecer confiáveis e, ao mesmo tempo, estar errados, o que torna indispensável a revisão, a amostragem e o escrutínio. Por fim, a proteção e a confidencialidade do data permanecem inegociáveis. Os prompts são registros. As ferramentas devem ser aprovadas e avaliadas. O data do cliente deve ser controlado. Esses são elementos essenciais da prática profissional, não opcionais.
Em última análise, a IA não substituirá os topógrafos. O que ela substituirá são as buscas manuais, a redação repetitiva e o trabalho administrativo de baixo valor. Em última análise, o caminho do setor imobiliário do Reino Unido para a adoção da IA não depende da adoção de novas tecnologias, mas de sua disposição para corrigir velhos hábitos: incorporar a qualidade data, adotar a estrutura de governança do RICS e elevar conscientemente o julgamento humano acima das tarefas que a tecnologia agora pode realizar com confiança.

Sobre Artefact & Chris de Gruben, FRICS

Artefact é uma consultoria global e completa de Data e IA. Fazemos tudo, desde a estratégia data e a governança de IA, a avaliação de riscos e a conformidade, até a definição da arte do possível em IA e ML, a implementação e, em seguida, o gerenciamento e a adoção de mudanças. O Artefact aproveita sua profunda experiência tanto em Propriedade quanto em Estratégia Data e Governança de IA para ajudar as empresas a incorporar estrategicamente a IA em suas operações com responsabilidade e confiança.

Chris é Diretor Sênior no escritório Artefact do Reino Unido, liderando a equipe de propriedades e gerenciando todos os clientes de propriedades do Reino Unido. Ele é agrimensor há 15 anos e continua defendendo firmemente o uso responsável da IA na profissão imobiliária do Reino Unido. Chris também atua como vice-presidente do Professional Group on Valuation, participa de vários grupos de trabalho de especialistas em IA e é um dos principais instrutores da RICS Academy, em particular do curso ‘Global Harnessing AI & Data in the Built Environment’ (que provou ser o curso mais popular da RICS até o momento). Atualmente, Chris está escrevendo orientações práticas para o uso de IA para avaliadores credenciados. Por fim, ele é um palestrante regular em conferências de PropTech e Real Estate em todo o mundo.