Análise IA de plantas em 2026: onde está a indústria
Entre 2020 e 2022, a IA aplicada a plantas arquitetónicas estava em fase de proof of concept: modelos treinados em alguns milhares de imagens académicas, demos impressionantes mas pouco generalizáveis. Entre 2023 e 2025, vários atores (CubiCasa, Magicplan, FloorScan, Floorplanner, mas também laboratórios como ETH Zürich com o seu projeto Floor-SP, ou Nanyang Technological University) publicaram arquiteturas convolucionais e transformers que ultrapassam os 90% de mAP em plantas padronizadas. Em 2026, a tecnologia é madura para plantas arquitetónicas europeias e norte-americanas clássicas; ainda tropeça em três categorias de casos que este relatório detalha.
Os modelos: do CNN ao transformer em 5 anos
Os primeiros sistemas (2020) baseavam-se em CNN tipo Faster R-CNN ou Mask R-CNN treinados no dataset CubiCasa5K (5.000 plantas anotadas). Estas arquiteturas atingiam 75-80% de mAP@0.5 em plantas simples e caíam a 50% assim que as convenções eram atípicas. A partir de 2023, as arquiteturas híbridas CNN + transformer (DETR, DeformableDETR) tornaram-se padrão: um encoder convolucional extrai as features visuais, um transformer decodifica os objetos em paralelo. Desempenho típico: 92-96% de mAP@0.5 em plantas padrão, 80-85% em plantas atípicas.
Em 2026, a fronteira da investigação encontra-se em duas direções: (1) os Vision-Language Models (Florence-2, arquitetura GPT-4V) que combinam perceção visual e compreensão textual das cotas («3,40 m» escrito na planta torna-se informação útil para a deteção); e (2) as abordagens multi-modais que exploram simultaneamente o PDF vetorial e o seu rendering raster para reconciliar as duas fontes.
Os datasets: ainda o elo fraco
O estrangulamento da IA das plantas não é o modelo, são os dados de treino. CubiCasa5K (5.000 plantas finlandesas), FloorPlanCAD (15.000 plantas chinesas) e R2V (1.500 plantas sintéticas) continuam a ser os principais datasets públicos em 2026. Todos têm vieses culturais marcados: o CubiCasa5K carece de convenções latinas (hachuras oblíquas para paredes portantes), o FloorPlanCAD é maioritariamente apartamentos de obra nova sem reabilitação, o R2V é demasiado sintético para generalizar. Os editores comerciais (FloorScan, CubiCasa, Magicplan) mantêm datasets internos proprietários de 50.000 a 200.000 plantas, o que explica a sua vantagem sobre o open-source.
A tendência 2026 é a geração sintética controlada: modelos tipo Stable Diffusion afinados sobre plantas existentes geram variações infinitas de plantas realistas para aumentar os datasets. Risco conhecido: estes dados sintéticos são perfeitos à superfície mas podem derivar para convenções que não existem na realidade. O melhor compromisso observado continua a ser 30% sintético + 70% real anotado.
Os limites atuais: 3 casos que resistem
Primeiro: as plantas à mão livre. A IA continua desarmada perante um esboço traçado a lápis sobre vegetal, onde cada linha tem espessura variável e nenhuma convenção de símbolos é respeitada. mAP típico em esboços: 30-40%. Nenhuma ferramenta comercial dá resultados fiáveis aqui.
Segundo: as plantas históricas (pré-1950). Convenções gráficas antigas (paredes em dupla linha sem hachuras, janelas representadas por uma cruz em X, escadas desenhadas em alçado em vez de em planta), papel amarelado, más digitalizações. mAP típico: 50-65%. Requer ainda intervenção humana sistemática.
Terceiro: as plantas extremamente especializadas. Hospitais, datacenters, fábricas com as suas condutas técnicas, racks e zonas de segurança específicas não são cobertos pelos datasets padrão. mAP: 60-75% com por vezes objetos totalmente ignorados (o modelo não sabe reconhecer uma UPS ou um disconetor). Solução atual: fine-tuning sobre um dataset cliente de 200-500 plantas representativas, custo 5.000-15.000 €.
O ecossistema: quem lidera em 2026
Três grupos partilham o mercado. Os pure-players verticais (FloorScan na Europa, Studio 360 Floors nos EUA, Floored no Japão) têm a vantagem do modelo treinado no seu nicho e do fluxo integrado (PDF → DXF/Excel/BIM). Os atores da captação móvel (CubiCasa comprado pela Roper, Magicplan, Polycam) posicionam-se no extremo de uma cadeia mais ampla mas com uma integração AEC menos profunda. Finalmente, os grandes editores CAD tradicionais (Autodesk com FormIt, Bentley com OpenBuildings) começaram a integrar módulos IA nas suas suites em 2025-2026 — tipicamente uma função «PDF to Wireframe» na nova interface Revit. A qualidade fica abaixo dos pure-players mas o custo de adoção tende a zero para quem já possui a suite.
Evolução chave esperada até final de 2026: o aparecimento de modelos foundation abertos (equivalente CLIP ou SAM para plantas arquitetónicas), que democratizarão o fine-tuning vertical e permitirão aos gabinetes técnicos produzir modelos especializados sem data science interna.
Recomendações práticas para 2026-2027
Quatro conselhos concretos para gabinetes técnicos e empresas de construção que consideram um investimento IA em 2026. Um: não esperar pelo «100% perfeito» que não virá — o estado atual da tecnologia já é rentável para mais de 80% do fluxo diário. Dois: priorizar a qualidade do DXF/Excel de export sobre o mAP do modelo. Um mAP de 90% com camadas limpas ganha a um mAP de 96% sobre ficheiro inutilizável. Três: integrar desde a compra um protocolo de validação interno — formação da equipa sobre os padrões de erro específicos da ferramenta. Quatro: testar duas ferramentas em paralelo durante 1 mês sobre 10 plantas reais antes da decisão de compra. Os benchmarks de marketing nunca refletem o teu caso particular (convenções de planta, qualidade do PDF recebido).
A industrialização da IA das plantas já não é uma questão técnica em 2026 — é uma questão de organização interna, procedimento e qualidade de export.
A IA aplicada a plantas arquitetónicas saiu do território da curiosidade tecnológica para entrar no da ferramenta industrial séria. Os 92-96% de mAP em plantas padrão fazem dela uma tecnologia utilizável no dia a dia na grande maioria dos gabinetes técnicos. As zonas de resistência (plantas à mão livre, históricas, hiper-especializadas) ficarão provavelmente humanas ainda 2-3 anos. A verdadeira linha de divisão em 2026 já não está entre «os que têm IA» e «os que não têm» — está entre os que escreveram um protocolo de validação rigoroso em torno da IA e os que confiam cegamente numa ferramenta. Os primeiros poupam realmente 60-80% do tempo. Os segundos redescobrem o risco técnico oculto da caixa negra.