Caio César Almeida Paulino Landim; Marianna Cardi Peccinelli

DOI: 10.22167/2675-6528-202600641

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

O setor da construção civil enfrenta limitações na adoção de inovações tecnológicas, afetando a gestão da informação e a agilidade na tomada de decisão em canteiros de obra. O estudo objetivou analisar e descrever o processo de implementação de uma ferramenta de inteligência artificial no Sistema de Gestão da Qualidade de uma construtora. A pesquisa caracterizou-se como um estudo de caso descritivo, com abordagem mista, realizado em uma empresa de grande porte. A execução estruturou-se na integração do ciclo PDCA com as diretrizes do Guia PMBOK, utilizando análise documental, observação e entrevistas para a coleta de dados. Os resultados evidenciaram uma redução expressiva na latência de acesso à informação técnica, diminuindo o tempo de consulta aos procedimentos de horas para poucos segundos. Constatou-se também elevado engajamento dos colaboradores, impulsionado pela integração da inteligência artificial ao aplicativo WhatsApp e pela posterior adaptação para o processamento de comandos de voz. A ferramenta descentralizou o fluxo comunicacional e garantiu alta conformidade nas respostas fornecidas. A inteligência artificial, aliada a métodos consolidados de gestão, transcendeu a simples automação documental, atuando como facilitador estratégico que democratizou o acesso ao conhecimento e elevou a eficiência operacional da organização.

Palavras-chave: Acesso à informação; Canteiro de obras; Ciclo PDCA; Gestão da Qualidade; Melhoria contínua.

1. Introdução

O setor da construção civil ocupa uma posição de destaque na economia brasileira, contribuindo significativamente para o Produto Interno Bruto e para a geração de empregos formais. Estudos indicam que o setor responde por cerca de seis por cento do PIB nacional e emprega aproximadamente 3,05 milhões de trabalhadores (Nunes et al., 2020; CBIC, 2025). Além de sua relevância econômica, a construção civil desempenha um papel social expressivo, absorvendo profissionais de diversos níveis de qualificação e promovendo a circulação de renda, o que reforça sua importância para o desenvolvimento do país (Cunha, 2012).

Apesar dessa importância, o setor da construção civil ainda enfrenta limitações na incorporação de inovações tecnológicas, especialmente nos processos de planejamento, gestão da informação e execução das atividades em obra. A lenta adoção de mudanças, comparada a outros segmentos industriais, compromete a padronização de processos, a rastreabilidade das informações e a eficiência na tomada de decisão (Cunha, 2011). A persistência em métodos tradicionais contribui para o consumo excessivo de recursos, desperdícios e a complexidade da gestão das obras, evidenciando a necessidade de modernização operacional (Balaguer e Abderrahim, 2008).

Nesse contexto, a Inteligência Artificial (IA) emerge como alternativa promissora para enfrentar as ineficiências operacionais relacionadas à gestão da informação e ao suporte à tomada de decisão. A IA tem o potencial de gerar resultados expressivos, melhorando a produtividade e o cumprimento de prazos e custos, impactando positivamente o desempenho organizacional (Gomes, 2024; Silva e Aguiar, 2025). No entanto, sua aplicação na rotina das obras é ainda prematura e pouco estruturada, demandando integração com sistemas de gestão consolidados para evitar retrabalhos e inconsistências (Cunha, 2024). A implementação sem supervisão técnica adequada pode, inclusive, comprometer a confiabilidade das informações e a qualidade das decisões (Barboza e Aguiar, 2025).

A problemática central identificada reside na limitada acessibilidade e baixa usabilidade dos procedimentos técnicos internos nas frentes de serviço de obra. O fluxo de informação centralizado e hierárquico, com acesso restrito ao portal corporativo apenas para a equipe de engenharia, gera dependência excessiva e latência significativa na resposta a dúvidas técnicas. Essa dinâmica frequentemente leva a execuções baseadas em suposições ou conhecimentos prévios, sem consulta formal aos documentos vigentes. Conforme Davenport e Prusak (1998), a informação organizacional só gera valor quando está acessível às pessoas certas e no momento adequado. A análise documental de auditorias internas revelou que vinte por cento dos desvios registrados eram causados diretamente pela falta de acesso ou interpretação incorreta dos Procedimentos de Execução de Serviço (PES), indicando uma ineficiência crítica na gestão do conhecimento.

Para mitigar esses desafios, é fundamental a adoção de modelos de implementação que aliem a inovação da IA a métodos consolidados de gestão, assegurando um uso seguro, controlado e alinhado aos objetivos organizacionais. A Associação Brasileira de Normas Técnicas (ABNT, 2015) e Davenport e Ronanki (2018) destacam que iniciativas de IA apresentam melhores resultados quando integradas a processos estruturados e orientados à melhoria contínua. Nesse sentido, metodologias como o Guia PMBOK (PMI, 2017) e o ciclo PDCA (Agostinetto, 2006; Campos, 2014; Canteli, 2023) são adequadas para estruturar a implementação de soluções tecnológicas, promovendo planejamento, execução, controle e melhoria contínua.

A presente pesquisa se justifica pela necessidade de superar as barreiras tecnológicas e operacionais, democratizando o acesso ao conhecimento técnico e otimizando a interação entre os setores. Ao integrar a inteligência artificial com metodologias de gestão da qualidade, busca-se transcender a simples automação documental, posicionando a tecnologia como um facilitador estratégico que eleva a eficiência operacional de toda a organização. Dessa forma, este estudo teve como objetivo analisar e descrever o processo da implementação de uma ferramenta de inteligência artificial no Sistema de Gestão da Qualidade de uma construtora.

2. Material e Métodos

A presente pesquisa caracterizou-se como um estudo aplicado, com finalidade descritiva, buscando expor características de fatos e identificar variáveis, conforme Appolinário (2012). Adotou-se o método misto, que integra abordagens qualitativa e quantitativa, considerado adequado para problemáticas complexas (Creswell e Clark, 2017).

O delineamento da pesquisa consistiu em um Estudo de Caso (Yin, 2015), realizado em uma construtora de grande porte, sediada no Nordeste do Brasil. A organização, certificada ISO 9001:2015 e SiAC (PBQP-H), conta com aproximadamente 5.000 colaboradores. O pesquisador atuou ativamente no projeto, como integrante do setor de gestão da qualidade. O estudo compreendeu o período entre novembro de 2025 e março de 2026.

A estruturação do projeto e a análise dos dados fundamentaram-se na integração dos princípios do Guia PMBOK (PMI, 2017) com as quatro etapas do ciclo PDCA (“Plan”, “Do”, “Check”, “Act”). Essa abordagem é essencial para a melhoria contínua em sistemas de gestão da qualidade (Agostinetto, 2006; Campos, 2014). A coleta de dados ocorreu cronologicamente, acompanhando as fases do ciclo PDCA, e utilizou a triangulação de dados por múltiplas fontes de evidência (Yin, 2015).

Na fase de Planejamento (“Plan”), em novembro de 2025, realizou-se análise documental de 30 relatórios de auditorias internas e verificações periódicas de 2025, Procedimentos de Execução de Serviço (PES) e registros de não conformidades. O objetivo foi identificar não conformidades associadas ao acesso e à interpretação de informações técnicas nos canteiros de obra (Garcia Jr et al., 2017).

A observação foi conduzida entre novembro de 2025 e março de 2026, abrangendo as fases “Plan”, “Do” e “Check”. Observou-se o mapeamento do fluxo de consulta aos procedimentos internos antes da implementação da ferramenta, o acompanhamento da implantação em sete obras piloto e o monitoramento do uso após a expansão. As obras piloto, localizadas em Fortaleza – CE, Recife – PE e Salvador – BA, tiveram duração de um mês. Para mensurar o impacto na eficiência de tempo, realizaram-se medições controladas, com cinco integrantes da engenharia antes e dez colaboradores após a implementação (Gil, 2002).

As entrevistas foram realizadas em dois momentos. Na fase “Plan”, em novembro de 2025, entrevistaram-se 15 mestres e encarregados para mapear dificuldades de acesso e compreender o fluxo de consulta. Na fase “Check”, entre fevereiro e março de 2026, realizaram-se entrevistas com dez usuários finais da ferramenta para coletar percepções sobre usabilidade e clareza das informações. As entrevistas foram conduzidas pelo setor de Gestão da Qualidade (Marconi e Lakatos, 2017).

A ferramenta de inteligência artificial selecionada foi configurada para estruturar uma base de conhecimento a partir de dados internos, como planilhas e procedimentos, criando um agente inteligente e treinável. Sua integração com o aplicativo WhatsApp eliminou a necessidade de interfaces web, facilitando o acesso direto. O escopo inicial focou na disponibilização dos Procedimentos de Execução de Serviço (PES), por serem os documentos mais utilizados em canteiro de obras.

Após a coleta, as informações foram submetidas a tratamento específico. Para os dados quantitativos, como tempos de consulta e volume mensal de uso, aplicou-se a Análise Estatística Descritiva (Gil, 2002). Para os dados qualitativos das entrevistas, utilizou-se a Análise de Conteúdo (Bardin, 2016). O estudo seguiu princípios éticos, assegurando participação voluntária, confidencialidade e anonimato dos envolvidos e da empresa, com dados utilizados exclusivamente para fins acadêmicos.

3. Resultados e Discussão

A pesquisa foi conduzida em uma empresa incorporadora e construtora de grande porte, com mais de quarenta anos de atuação no setor imobiliário e liderança consolidada na região Nordeste do Brasil. A organização, que possui aproximadamente 5.000 colaboradores diretos e capital aberto na bolsa de valores desde 2020, demonstra um elevado patamar de governança corporativa. Seu modelo de negócio é verticalizado e integrado, abrangendo desde a incorporação até a comercialização, com forte capilaridade regional e foco em qualidade construtiva, padrão de acabamento e pós-venda, o que a posiciona de forma diferenciada em um mercado competitivo.

No diagnóstico inicial, antes da implementação das etapas do ciclo PDCA, identificou-se que o fluxo de informações técnicas na empresa era centralizado e hierárquico. O setor de Gestão da Qualidade era responsável pela elaboração e atualização dos Procedimentos de Execução de Serviço (PES) e Procedimentos de Gestão Integrada (PGI), os quais eram disponibilizados em um portal corporativo com acesso restrito apenas às equipes de engenharia. Essa estrutura gerava uma dependência excessiva da engenharia para a resolução de dúvidas técnicas no canteiro de obras, resultando em latência significativa na obtenção de respostas.

A dinâmica observada frequentemente levava os colaboradores de produção, como mestres e encarregados, a realizar execuções baseadas em suposições ou conhecimentos prévios, sem a consulta formal aos documentos técnicos vigentes. Essa prática contraria o princípio de que a informação organizacional só gera valor quando está acessível às pessoas certas e no momento adequado, conforme apontado por Davenport e Prusak (1998). A centralização e hierarquização do fluxo de conhecimento comprometiam a eficiência operacional e a conformidade dos serviços executados.

A análise documental de 30 relatórios de auditorias internas e verificações periódicas realizadas em 2025 revelou que vinte por cento dos desvios registrados eram causados diretamente pela falta de acesso à informação ou pela interpretação incorreta dos Procedimentos de Execução de Serviço (PES). Embora esse percentual possa parecer modesto em um canteiro de obras complexo, ele representa uma ineficiência crítica, indicando que o conhecimento técnico existe e está documentado, mas sua distribuição falha em alcançar quem executa o serviço. Essa falha é uma fonte contínua de retrabalhos, desperdícios de materiais e custos ocultos, que poderiam ser mitigados com a descentralização do acesso.

A pesquisa qualitativa, por meio de entrevistas com 15 mestres e encarregados, validou esses achados quantitativos. Sessenta por cento da amostra (nove profissionais) relatou dificuldade recorrente de acesso aos PES. Todos os entrevistados afirmaram depender diretamente dos integrantes da engenharia para consultar os procedimentos, uma vez que não possuíam acesso ao portal corporativo. Adicionalmente, os próprios engenheiros relataram dificuldades em realizar consultas rápidas devido à extensão e detalhamento dos documentos, o que aumentava o tempo de resposta e a probabilidade de interpretações parciais.

Com base nessas evidências, a principal causa das não conformidades não era a ausência de procedimentos ou informações errôneas, mas sim a limitada acessibilidade e a baixa usabilidade dos documentos nas frentes de serviço. Esse cenário gerava retrabalhos, atrasos e desvios de conformidade, sobrecarregando a engenharia com demandas de consulta. Tal constatação está alinhada aos princípios da ABNT (2015), que enfatiza a necessidade de efetiva disseminação e compreensão dos procedimentos para um sistema de gestão da qualidade eficaz.

Planejar (“Plan”)

A etapa de Planejamento (“Plan”) do ciclo PDCA foi crucial para diagnosticar o problema e estruturar a solução. A observação direta confirmou um fluxo de consulta centralizado e dependente da engenharia, o que retirava a autonomia da liderança operacional. A triangulação da comunicação gerava latência na tomada de decisão e distanciava os profissionais de campo dos requisitos técnicos, limitando a eficácia dos treinamentos. O processo de consulta envolvia a identificação de dúvidas pelos colaboradores de campo, solicitação de apoio à engenharia, localização do documento no portal pela engenharia e, por fim, o repasse da orientação ao solicitante.

A análise dos stakeholders, realizada em alinhamento com o Guia PMBOK (PMI, 2017), identificou as partes interessadas internas e externas e seus papéis no projeto. A diretoria e o setor de gestão da qualidade foram classificados com alto poder e impacto, enquanto os colaboradores de obra, embora com médio poder, apresentavam elevado impacto operacional. Essa análise revelou que os colaboradores de obra eram o grupo de maior criticidade, pois, apesar de não deterem a decisão financeira, possuíam um “poder de veto comportamental” que poderia inviabilizar a implementação da ferramenta se houvesse resistência à mudança de rotina.

A necessidade de uma abordagem estritamente centrada no usuário foi, portanto, um achado fundamental. A implementação não poderia ser impositiva, exigindo estratégias que promovessem a aceitação e o engajamento. Essa percepção moldou a definição dos indicadores de desempenho para a etapa de verificação, que visavam mensurar não apenas ganhos de eficiência, mas também impactos na qualidade técnica e no nível de adesão dos usuários à solução proposta, garantindo uma visão sistêmica do desempenho da ferramenta.

Quatro indicadores de desempenho foram definidos para monitorar a eficácia da ferramenta de Inteligência Artificial. O primeiro, “Eficiência de Tempo”, mediu o tempo médio de consulta, monitorando o período entre o surgimento de uma dúvida técnica e a obtenção da resposta fundamentada nos procedimentos internos. O método de cálculo consistiu na comparação entre o tempo gasto no fluxo centralizado anterior e o tempo de resposta obtido via nova ferramenta de IA, com a meta de reduzir a latência da informação.

O segundo indicador, “Qualidade Técnica”, avaliou a taxa de redução de não conformidades, medindo o impacto direto da ferramenta na conformidade dos serviços executados, com foco na diminuição de erros por falha de instrução. O cálculo envolvia o monitoramento da redução percentual de não conformidades registradas em auditorias, cujas causas raízes fossem atribuídas ao desconhecimento ou interpretação incorreta dos PES. No entanto, este indicador não pôde ser integralmente aferido durante o período do estudo, pois os ganhos de conformidade técnica tendem a surgir no médio e longo prazo.

O terceiro indicador, “Qualidade da Informação”, focou na taxa de assertividade da IA, um critério crítico para garantir a segurança técnica das informações fornecidas e mitigar riscos de interpretações inadequadas. O método de cálculo consistiu na amostragem periódica de consultas validadas pelo setor de Gestão da Qualidade, verificando a acurácia da IA em relação ao conteúdo original dos procedimentos. Por fim, o quarto indicador, “Adesão e Usabilidade”, avaliou o índice de engajamento do usuário, medido pelo volume total de acessos mensais e por uma pesquisa de satisfação sobre a facilidade de uso, clareza das respostas e utilidade prática da ferramenta.

O plano preliminar de implementação da solução de inteligência artificial foi elaborado com base nos princípios do gerenciamento de projetos do Guia PMBOK (PMI, 2017). O escopo inicial da solução foi definido para focar exclusivamente na disponibilização rápida e direcionada das informações contidas nos Procedimentos de Execução de Serviço (PES), por serem os documentos mais utilizados e diretamente relacionados à execução e conferência dos serviços em campo. A implantação de outros documentos, como PGIs e Tabelas de Materiais, foi prevista para fases futuras de ampliação.

O cronograma do projeto foi estruturado em etapas sequenciais, permitindo a definição de marcos de controle e o acompanhamento do progresso sob a ótica do ciclo PDCA. Essa organização prévia foi fundamental para que a fase de execução ocorresse de forma controlada, garantindo o cumprimento dos prazos. Foram mapeados riscos como resistência dos usuários, transmissão de informações erradas, interpretações inadequadas e limitações de infraestrutura tecnológica, para os quais foram traçadas ações preventivas e mitigatórias, incluindo treinamentos, validação técnica e acompanhamento contínuo.

Fazer/Executar (“Do”)

A fase de Execução (“Do”) consistiu na implementação prática da solução de Inteligência Artificial, seguindo o planejamento estabelecido. Primeiramente, selecionou-se uma plataforma de IA capaz de estruturar uma base de conhecimento a partir de dados internos, como planilhas e procedimentos. Um diferencial crucial da solução escolhida foi sua integração com o aplicativo de mensagens WhatsApp, o que eliminou a necessidade de interfaces web e facilitou o acesso direto pelos colaboradores. Essa escolha visou reduzir a barreira tecnológica, uma vez que o WhatsApp é amplamente difundido e utilizado no cotidiano dos usuários finais, conforme observado por Santos (2018).

Paralelamente à configuração da plataforma, o setor de Gestão da Qualidade realizou o levantamento, seleção e organização dos procedimentos internos que seriam incorporados à ferramenta. A integração técnica foi conduzida pelo setor de Tecnologia da Informação (TI), que carregou a base documental e treinou o algoritmo para priorizar rigorosamente o conteúdo interno da empresa, recorrendo à busca na web apenas de forma complementar. Essa abordagem garantiu que as respostas fossem fundamentadas nos documentos cadastrados, assegurando a confiabilidade das informações.

Antes da liberação para os usuários finais, foi realizada uma fase de testes internos, com duração de duas semanas, envolvendo cinco integrantes do setor de gestão da qualidade. Nesta etapa, uma amostragem inicial de cinco procedimentos foi utilizada para validar a precisão das respostas. A plataforma demonstrou alta aderência aos conteúdos originais, permitindo consultas amplas sem a necessidade de referenciar um Procedimento de Execução de Serviço específico. A realização de testes controlados, conforme recomendado pelo PMI (2017), foi essencial para o controle de qualidade e mitigação de riscos.

Após os bons resultados dos testes internos, a ferramenta foi implantada em sete obras-piloto, localizadas em Fortaleza, Recife e Salvador, com duração de um mês. Essa fase incluiu a capacitação remota dos usuários envolvidos para familiarizá-los com a funcionalidade e interface da ferramenta. Durante o período, o Setor de Gestão da Qualidade monitorou continuamente o uso da ferramenta para assegurar a assertividade das respostas e coletar feedbacks dos colaboradores de campo, permitindo ajustes finos antes da expansão. A validação satisfatória nas obras piloto permitiu o escalonamento para todos os canteiros da organização, abrangendo os sete estados de atuação da empresa, democratizando o acesso via link de contato integrado ao WhatsApp e campanhas de endomarketing.

Verificar/Checar (“Check”)

Na etapa de Verificação (“Check”), os indicadores definidos na fase de planejamento foram monitorados, e feedbacks dos usuários dos canteiros de obra foram coletados para avaliar a eficácia da ferramenta. Esta fase permitiu confrontar as metas iniciais com os resultados operacionais. O indicador de Taxa de Redução de Não Conformidades (Indicador 2) não pôde ser integralmente aferido durante o período do estudo, pois os ganhos de conformidade técnica dependem de uma maior difusão da plataforma e tendem a surgir no médio e longo prazo, necessitando de futuras auditorias internas para validação.

Os demais indicadores forneceram dados importantes sobre o impacto imediato da ferramenta. Em relação à Eficiência de Tempo, observou-se uma redução significativa na latência de obtenção de informações técnicas. Antes da implementação da IA, a medição realizada no cenário centralizado com cinco integrantes da engenharia registrou um tempo médio de 270 segundos por consulta, com variações individuais entre 157 e 423 segundos. Após a implementação da Inteligência Artificial, a medição com dez colaboradores operando a nova plataforma registrou um tempo médio de resposta de apenas 38,5 segundos, com variações entre 31 e 52 segundos. Isso representa uma redução de aproximadamente sete vezes no tempo de consulta.

Essa expressiva redução no tempo de consulta refletiu-se diretamente na agilidade da tomada de decisão no canteiro de obras, diminuindo a dependência da engenharia e as interrupções operacionais, além de aumentar a autonomia das equipes em campo. Tais achados corroboram estudos como o de Tavares et al. (2022), que destacam a importância da adoção de tecnologias móveis para o crescimento da produtividade e a redução de falhas de comunicação. A descentralização da informação, conforme Rey e Costa (2018), mitiga gargalos de comunicação e custos ocultos de espera na construção civil.

Quanto à Qualidade da Informação (Taxa de Assertividade), a avaliação fundamentou-se em validações qualitativas periódicas conduzidas pelo setor de Gestão da Qualidade. Essas verificações sistemáticas da amostra de interações da ferramenta atestaram a integridade técnica e a elevada conformidade das informações fornecidas pela Inteligência Artificial em relação aos Procedimentos de Execução de Serviço originais. Esse monitoramento foi imprescindível para mitigar o risco de interpretações inadequadas, assegurando a transmissão correta de orientações técnicas aos usuários finais e reforçando a segurança e a confiabilidade operacional nas frentes de serviço de obra.

O indicador de Adesão e Usabilidade foi mensurado pelo monitoramento sistemático do volume de acessos e pela realização de entrevistas. Os dados revelaram um engajamento robusto, totalizando 2.460 logs com uma média de 410 interações mensais ao longo do período monitorado. O volume de interações partiu de níveis incipientes em julho e agosto de 2025, atingindo seu primeiro ápice em outubro de 2025, com mais de 500 registros mensais. Após uma flutuação sazonal em novembro e dezembro, a ferramenta apresentou uma forte retomada em janeiro de 2026, atingindo um novo pico de engajamento antes da estabilização observada em fevereiro.

No total, 288 colaboradores acessaram a plataforma ao menos uma vez, o que representa um alcance significativo diante da complexidade e dos desafios de conectividade inerentes ao canteiro de obras. Os relatos colhidos nas entrevistas ratificaram a facilidade de uso e a clareza das respostas, consolidando a solução como um instrumento estratégico para o acesso aos procedimentos internos e para a agilidade na tomada de decisão no ambiente de produção. Contudo, a coleta de feedbacks também revelou percepções e detalhes operacionais críticos que extrapolam os dados analisados nos indicadores.

Entre os feedbacks negativos, identificou-se uma divulgação ineficiente da ferramenta, com disparidade no nível de conscientização entre os grupos de usuários. Enquanto a engenharia demonstrava ciência e uso regular, uma parcela significativa de mestres e encarregados relatou desconhecimento sobre a existência da ferramenta, evidenciando uma lacuna na comunicação interna. Outro ponto foi a dificuldade da IA em interpretar termos regionais ou gírias não técnicas, resultando em respostas insatisfatórias em cenários de comunicação informal. Barreiras de alfabetização e uso do teclado também surgiram para colaboradores com baixos índices de letramento digital, que solicitaram interação via mensagens de áudio para superar as limitações de escrita e acelerar o processo de consulta, um perfil característico da força de trabalho da construção civil brasileira, conforme Cunha (2012). Por outro lado, a boa aceitação via WhatsApp foi um feedback positivo, impulsionando a rápida adoção da ferramenta.

Agir/Ajustar (“Act”)

A etapa final do ciclo PDCA, “Act”, consistiu na apresentação e implementação de ações corretivas e de melhoria, fundamentadas na análise crítica dos resultados da fase de verificação. Conforme Agostinetto (2006), é neste momento que o aprendizado se converte em ação efetiva, seja pela padronização de processos bem-sucedidos ou pela correção de desvios, garantindo a evolução contínua do sistema. A análise dos indicadores e feedbacks permitiu a estruturação de um plano de ação focado na melhoria contínua e na maturidade do processo de implementação da ferramenta de IA.

As intervenções imediatas focaram na correção dos problemas de engajamento e usabilidade percebidos. Dentre as ações, destacou-se uma campanha de comunicação direcionada, com comunicação direta para mestres e encarregados durante treinamentos de capacitação e visitas em obras. Essa medida visou corrigir a falha na difusão da ferramenta entre os níveis operacionais, alinhando-se à premissa do PMI (2017) de que falhas de comunicação são causas de insucesso em projetos. A atualização da ferramenta para uso com mensagens de áudio também foi implementada, mitigando as dificuldades de colaboradores com baixa familiaridade com a escrita digital e promovendo maior inclusão e celeridade no manejo da nova ferramenta.

Além das ações imediatas, outras melhorias técnicas e gerenciais foram mapeadas para garantir a sustentabilidade da solução. Propôs-se o aprimoramento da robustez linguística da Inteligência Artificial, com a inclusão de um dicionário de termos regionais e sinônimos operacionais, visando treinar a IA para compreender variações linguísticas e reduzir respostas insatisfatórias. Também foi planejada a expansão do escopo documental, integrando gradativamente outros documentos do Sistema de Gestão Integrada, como os Procedimentos de Gestão Integrada e as Tabelas de Materiais, para ampliar o suporte técnico e impactar mais colaboradores.

A estruturação dessas ações assegura que a implementação da IA não se limite a uma inovação tecnológica isolada, mas se torne um processo dinâmico de gestão do conhecimento organizacional. Nesse sentido, a ferramenta de IA cumpre o papel de tornar o conhecimento técnico acessível a quem mais precisa, no momento em que a dúvida surge, conforme a visão de Davenport e Prusak (1998) sobre a geração e circulação sistemática do conhecimento como vantagem competitiva. Com isso, o ciclo PDCA inicial se encerra com evidências concretas de melhoria, estabelecendo as bases para um sistema de gestão da qualidade mais ágil, inclusivo e alinhado aos objetivos estratégicos da empresa.

Em síntese, a implementação da ferramenta de inteligência artificial no Sistema de Gestão da Qualidade da construtora demonstrou ser uma solução eficaz para o problema de acesso limitado à informação técnica. A redução do tempo médio de consulta de horas para poucos segundos, o alto engajamento dos colaboradores impulsionado pela integração com o WhatsApp e a adaptação para comandos de voz, e a descentralização do fluxo comunicacional foram resultados notáveis. A ferramenta transcendeu a simples automação documental, atuando como um facilitador estratégico que democratizou o acesso ao conhecimento e elevou a eficiência operacional da organização, em consonância com os métodos consolidados de gestão da qualidade e de projetos.

4. Conclusão

O estudo objetivou analisar e descrever o processo de implementação de uma ferramenta de inteligência artificial no Sistema de Gestão da Qualidade de uma construtora. Verificou-se uma redução expressiva na latência de acesso à informação técnica, diminuindo o tempo de consulta aos procedimentos de horas para poucos segundos. Observou-se também um elevado engajamento dos colaboradores, impulsionado pela integração da inteligência artificial ao aplicativo WhatsApp e pela posterior adaptação para o processamento de comandos de voz. A ferramenta descentralizou o fluxo comunicacional e garantiu alta conformidade nas respostas fornecidas. A inteligência artificial, aliada a métodos consolidados de gestão, transcendeu a simples automação documental, atuando como um facilitador estratégico que democratizou o acesso ao conhecimento e elevou a eficiência operacional da organização.

Contudo, identificou-se que o indicador de Taxa de Redução de Não Conformidades não pôde ser integralmente aferido durante o período do estudo, uma vez que os ganhos de conformidade técnica tendem a surgir no médio e longo prazo. Adicionalmente, foram notadas limitações iniciais na divulgação da ferramenta e na capacidade da IA de interpretar termos regionais ou gírias não técnicas, bem como barreiras para colaboradores com baixa familiaridade com a escrita digital. Para estudos futuros, sugere-se o aprimoramento da robustez linguística da inteligência artificial, com a inclusão de um dicionário de termos regionais e sinônimos operacionais, e a expansão do escopo documental para integrar outros procedimentos de gestão e tabelas de materiais. Essas ações visam consolidar a ferramenta como um processo dinâmico de gestão do conhecimento organizacional, assegurando a melhoria contínua e a sustentabilidade da solução.

Referências Bibliográficas

Agostinetto, J. S. 2006. Sistematização do processo de desenvolvimento de produtos, melhoria contínua e desempenho: o caso de uma empresa de autopeças. Dissertação de Mestrado em Engenharia de Produção. Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, SP, Brasil.

Appolinário, F. 2012. Metodologia da Ciência: Filosofia e Prática da Pesquisa. 2ed. Cengage Learning, São Paulo, SP, Brasil.

Associação Brasileira de Normas Técnicas [ABNT]. 2015. NBR ISO 9001: Sistemas de gestão da qualidade – Requisitos. Rio de Janeiro, RJ, Brasil.

Balaguer, C.; Abderrahim, M. 2008. Robotics and Automation in Construction. 1ed. IntechOpen. Zagrebe, Croácia.

Barboza, T.N.U; Aguiar, C.P.D. 2025. Inteligência Artificial na construção civil: benefícios, desafios e a importância do profissional na tomada de decisão. Revista Caderno Pedagógico 22(6): 01–16.

Bardin, L. 2016. Análise de Conteúdo. 1ed. Edições 70, São Paulo, SP, Brasil.

Campos, V. F. 2014. TQC: Controle da Qualidade Total no Estilo Japonês. 9ed. Falconi, São Paulo, SP, Brasil.

Canteli, A. R. A. 2023. Aplicação do Ciclo PDCA no sistema de gerenciamento e armazenamento de amostras biológicas de Biobanco e Biorrepositório. Trabalho de conclusão de curso em Gestão de Projetos. USP ESALQ, Brasil.

Creswell, J. W.; Clark, V. L. P. 2017. Designing and conducting mixed methods research. Sage, Thousand Oaks, CA, USA.

Cunha, B.P.P.D. 2011. Atualização do conceito de qualidade na construção civil. Monografia de bacharelado em Engenharia Civil. Faculdade de Engenharia do Campus de Guaratinguetá, Universidade Estadual Paulista, Guaratinguetá, SP, Brasil.

Cunha, G.D.C. 2012. A importância do setor de construção civil para o desenvolvimento da economia brasileira e as alternativas complementares para o funding do crédito imobiliário no brasil. Monografia de bacharelado em Economia. Instituto de Economia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ, Brasil.

Cunha, P.H.F.R. 2024. Uso da inteligência artificial na construção civil. Monografia de bacharelado em Engenharia Civil. Universidade Federal de Uberlândia, Uberlândia, MG, Brasil.

Câmara Brasileira da Indústria da Construção [CBIC]. 2025. Desempenho da Construção Civil e Perspectivas. Disponível em: https://cbic.org.br/wp-content/uploads/2025/10/final-desempenho-cc-outubro-2025.pdf. Acesso em 03 nov. 2025.

Davenport, T. H.; Ronanki, R. 2018. Inteligência Artificial para o mundo real. Harvard Business Review 96(1): 108-116.

Davenport, T.H.; Prusak, L. 1998. Conhecimento Empresarial: Como as Organizações Gerenciam o seu Capital Intelectual. 10ed. Campus, Rio de Janeiro, RJ, Brasil.

Garcia Jr, E. F.; Medeiros, S.; Augusta, C. 2017. Análise documental: uma metodologia da pesquisa para a Ciência da Informação. Universidade Federal da Paraíba, PB, João Pessoa.

Gil, A. C. 2002. Como Elaborar Projetos de Pesquisa. 4ed. Editora Atlas, São Paulo, SP, Brasil.

Gomes, J. V. O. 2024. Aplicações avançadas de inteligência artificial na construção civil: tecnologias emergentes, benefícios operacionais e desafios de implementação. In: Congresso Técnico Científico da Engenharia e da Agronomia – CONTECC, 2024, Salvador, BA, Brasil. Anais… p. 1-5.

Marconi, M. A.; Lakatos, E. M. 2017. Fundamentos de Metodologia Científica. 8ed. Editora Atlas, São Paulo, SP, Brasil.

Nunes, J. M.; Longo, O. C.; Alcoforado, L. F; Pinto, G. O. 2020. O setor da Construção Civil no Brasil e a atual crise econômica. Research, Society and Development 9(9).

Project Management Institute [PMI]. 2017. Um guia do conhecimento em gerenciamento de projetos. 6ed. Project Management Institute, Newtown Square, PA, EUA.

Rey, R.; Costa, D. 2018. Utilização de tecnologias móveis no controle da qualidade no canteiro de obras. In: Encontro nacional de tecnologia do ambiente construído, 2018, Porto Alegre, RS, Brasil. Anais… p. 3278-3286.

Santos, C. S. 2018. Uso do whatsapp como uma ferramenta de comunicação interna: um estudo de caso na prefeitura de São Félix-BA. Trabalho de Conclusão de Curso em Tecnologia em Gestão Pública. Universidade Federal do Recôncavo da Bahia, Cachoeira, BA, Brasil.

Silva, F. C; Aguiar, C. P. 2025. Entre avanços, construções e desafios: aplicação da inteligência artificial na Engenharia Civil. The Journal of Engineering and Exact Sciences – JCEC 11: 1-10.

Tavares, K.; Freitas, P. R.; Monteiro, D. 2022. Desenvolvimento e avaliação de um aplicativo para aprimorar o PCP em canteiros de obras: um instrumento orientado pela abordagem lean. Revista Tecnologia 43: 1-14.

Yin, R. K. 2015. Estudo de Caso: Planejamento e Métodos. 5ed. Bookman Editora, Porto Alegre, RS, Brasil.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Projetos do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy