Medições IA vs medições manuais: o que muda mesmo
«Medição 10× mais rápida.» Toda demo de ferramenta IA na construção abre com essa promessa. Ao observar uma equipa de orçamentistas real durante 18 meses, o número revela-se ao mesmo tempo verdadeiro e enganador: sim, a IA divide por dez a passagem de contagem, mas essa passagem representa apenas uma fração do tempo total de uma medição. A poupança real está noutro sítio — e o risco de confiar demais em números errados é real. Este artigo compara a medição manual clássica e a medição assistida por IA em seis eixos mensuráveis: tempo bruto, precisão, taxa de erro, curva de aprendizagem, custo direto, custo oculto. Dados tirados de um painel de 200 projetos residenciais e terciários franceses e suíços, auditados durante 18 meses.
Tempo bruto: não 10×, mas 4× a 6×
Uma medição manual de uma planta de T2 de 75 m² leva em média 95 minutos a um orçamentista sénior: 15 minutos de calibração da planta em papel, 35 minutos a contar portas, janelas e radiadores, 20 minutos a calcular superfícies de chão e lineares de tabiques, 25 minutos a introduzir no Excel e verificações cruzadas. A mesma planta, tratada com uma ferramenta IA e verificada, leva 18 a 22 minutos em média: 30 segundos de análise automática, 12 a 15 minutos a validar deteções (corrigir 2-3 erros, adicionar 1-2 elementos esquecidos), 5 minutos a exportar e integrar no caderno de medições.
Este rácio 4×-6× está abaixo do «10×» dos discursos comerciais, porque os editores contam apenas a passagem IA bruta (30 segundos vs 5 horas de redesenho) e ignoram as etapas a montante (preparação do PDF) e a jusante (validação, integração). Sobre uma carteira de 50 plantas/mês, esse 4×-6× representa ainda assim uma poupança de 60 a 80 horas mensais — o equivalente a meio posto libertado para tarefas de maior valor.
Precisão: mAP não equivale a zero erros
Os editores anunciam 95% mAP@0.5 (mean Average Precision com limiar IoU de 0,5). É uma métrica académica honesta, mas traduz-se na prática em: de 100 aberturas detetadas, 95 estão corretas e 5 são omitidas, mal classificadas ou mal posicionadas. Numa planta de 60 portas e janelas, espera 2 ou 3 erros em média. A boa notícia: esses erros são sistemáticos e fáceis de detetar na validação (um humano vê-os em 5 segundos por caso). A má: um operador apressado que salta a validação pode entregar uma medição desviada de 2 a 5% — frequentemente mais do que a margem de lucro de um lote.
A medição manual tem uma taxa de erro semelhante — estudos internos medem 3 a 7% de erros em contagens manuais ao fim do dia — mas esses erros são aleatórios e mais difíceis de detetar (sem cluster visual). O combo vencedor: IA + validação sistemática com checklist, que reduz o erro abaixo de 1%.
A curva de aprendizagem: 2 semanas, não 2 dias
O marketing das ferramentas SaaS sugere que ficas produtivo em 2 horas de onboarding. No terreno, observa-se uma curva de aprendizagem em dois tempos: durante as 5 primeiras plantas (cerca de 1 dia), o operador corrige em excesso e perde tempo a verificar cada deteção. Entre a planta 10 e a 30, aprende onde a IA falha sistematicamente (tipicamente: portas inclinadas a 30°, janelas sob portas-janelas, miradouros de correr). A partir da 50ª planta, desenvolve uma intuição de «zona de confiança» que lhe permite fazer zoom apenas nas 3-4 zonas críticas por planta, ganhando mais 30% de tempo.
Esta curva é mais longa que a promessa comercial («produtivo desde a primeira hora») mas muito mais rápida que as ferramentas CAD clássicas (3 a 6 meses para o Revit). Em orçamento de formação, conta 2 horas de tutorial vídeo mais 2 semanas de prática supervisionada — o equivalente a uma semana-homem. Muito menos que uma mudança de suite CAD.
O custo oculto: o que a ficha comercial não diz
Três custos ocultos surgem nos deployments reais. Primeiro: qualidade variável dos PDFs recebidos. Uma planta arquivada em 2002 e digitalizada a 100 dpi dá deteções menos fiáveis que um PDF nativo recente. Por vezes tens de adicionar uma camada de pré-processamento (endireitamento, contraste, upscale 2× via ferramenta terceira), adicionando 5 minutos por planta.
Segundo: a integração no caderno interno. Se o teu software de orçamentação espera um formato proprietário (CCS, Arquimedea, CYPE), o export Excel da ferramenta IA não chega — é preciso uma transformação, via macro VBA ou integração API. Conta 1 a 3 dias de setup único, grátis depois.
Terceiro: o risco reputacional. Uma medição IA entregue sem validação e com um erro nas portas corta-fogo de um edifício público pode custar uma receção. A contramedida: um protocolo de auditoria interno — toda análise IA passa por uma checklist de 8 pontos antes da assinatura. É esse protocolo, mais do que a ferramenta em si, que distingue uma poupança real de um risco mal medido.
Quando o manual continua preferível
Três situações inclinam a balança para a medição 100% manual. Primeiro, os volumes muito pequenos: menos de 3 plantas por mês não justifica uma subscrição anual de 600 a 2.400 €. Segundo, as plantas muito atípicas: esboços à mão livre, plantas de monumentos históricos com convenções gráficas únicas, plantas estrangeiras (asiáticas) com símbolos não-padrão — a IA cai para mAP de 60-70% nestes casos e a verificação custa mais do que o redesenho. Terceiro, os projetos sensíveis a auditoria onde a rastreabilidade de cada entidade deve ser manual por razões legais (peritagem judicial, processo de urbanismo litigioso).
Para todos os outros casos — ou seja, 80 a 90% do fluxo diário de um gabinete técnico médio — a combinação IA + validação ganha claramente sobre o manual puro, na condição de respeitar duas regras: nunca entregar sem validação humana, e conservar um operador formado que saiba reconhecer os padrões de erro da tua ferramenta.
Os números reais das medições IA são menos espetaculares que o marketing mas claramente positivos: 4×-6× de poupança de tempo, taxa de erro final abaixo de 1% com um bom protocolo de validação, retorno de investimento entre 3 e 8 meses para um gabinete que trata mais de 10 plantas por mês. A chave não é a ferramenta sozinha mas o binómio ferramenta + processo de validação. As empresas que realmente industrializaram a medição IA em 2026 não são as que têm a IA mais precisa — são as que escreveram, formaram e aplicaram uma checklist de auditoria que transforma a precisão média da IA em garantia técnica do ficheiro entregue.