IA pode substituir o engenheiro diagnóstico?

Não. A IA, mesmo com RAG, não observa o campo, não interpreta contexto não documentado e não assina o laudo. O que ela faz é organizar a fundamentação técnica e acelerar o cruzamento com normas. O diagnóstico continua sendo do engenheiro.

Como citar normas ABNT com IA sem erro?

Usando IA com RAG (busca em base própria), em vez de IA treinada genericamente. Com RAG, a ferramenta busca na base de normas que você definiu e retorna a citação com documento de origem e página. Você valida antes de incluir no laudo.

O que é RAG aplicado à engenharia?

RAG (Retrieval-Augmented Generation) é uma abordagem em que a IA busca em uma base de documentos real antes de responder, em vez de depender só do que aprendeu no treinamento. Na Engenharia Diagnóstica, isso significa buscar nas normas ABNT, manuais e referências técnicas reais, com citação verificável.

Qual IA usar para laudos técnicos?

O problema não é qual modelo usar: é como a ferramenta acessa a informação. Uma ferramenta com RAG sobre base de normas técnicas é mais confiável para fundamentação do que qualquer modelo genérico, independente de qual seja.

IA para Laudos de Engenharia: o passo que o mercado ainda não deu

Q: Por que engenheiros evitam usar IA no diagnóstico?

Pelo risco real de fundamentação incorreta. Ferramentas de IA genéricas inventam normas e jurisprudência, e o engenheiro responde pelo conteúdo do laudo. Sem uma solução que resolva o problema da fundamentação verificável, o uso de IA fica restrito às tarefas operacionais.

A IA já chegou ao laudo de engenharia. Mas parou exatamente antes do que mais importa.

Recentemente, acompanhei uma discussão entre engenheiros experientes sobre como estão usando inteligência artificial no dia a dia. Foram quase duas horas de conversa sobre produtividade: organização de fotos, geração de ilustrações, transcrição de reuniões, formatação de laudos.

Boa parte do que foi dito é verdade e funciona. Mas, em nenhum momento da conversa, alguém falou sobre usar IA para ajudar no raciocínio diagnóstico em si.

Fiquei pensando nisso depois. E faz sentido que seja assim, por um motivo muito específico.

A IA chegou no laudo, mas parou antes do que mais importa

O que já funciona

Engenheiros em todo o Brasil já estão usando IA para tarefas operacionais: organizar e lançar registros fotográficos de vistorias, gerar ilustrações para laudos, corrigir texto sem alterar o conteúdo técnico, transcrever reuniões com clientes e criar linhas do tempo de sinistros.

Tudo isso funciona. Poupa horas reais de trabalho e melhora a apresentação do documento.

O que ficou de fora

Entretanto, o núcleo do trabalho de Engenharia Diagnóstica, que é identificar a manifestação patológica (o dano visível), investigar a causa, cruzar com as normas técnicas aplicáveis e fundamentar a conclusão, ainda é feito manualmente.

A IA formata o que o engenheiro já concluiu. Ela ainda não chegou no processo de chegar à conclusão.

Não é por falta de ferramenta. É por um motivo concreto.

Por que engenheiros evitam usar IA no diagnóstico

A norma inventada e a responsabilidade civil

Quem já tentou usar ChatGPT ou ferramentas similares para fundamentar um laudo sabe o que acontece: a IA cita normas que não existem, inventa itens de ABNT, cria jurisprudência fabricada.

No nosso mercado, isso é sério. O engenheiro assina o documento. Ele responde civil e criminalmente pelo conteúdo. Se a norma citada não existe, o laudo pode ser contestado e o profissional pode responder perante o CREA.

Então a solução que a maioria adotou foi: usar IA para tudo, menos para a parte que mais expõe.

O problema não é de produtividade, é de raciocínio

Existe uma frase que ouvi numa dessas conversas e ficou comigo: "a IA é um amplificador de quem está por trás."

Concordo inteiramente. E é exatamente por isso que o problema de norma inventada não é um problema de produtividade. É um problema de raciocínio. Nenhuma ferramenta de formatação resolve isso, porque a falha está antes do documento: está na busca e no cruzamento de informação técnica.

Para resolver isso, precisamos de uma abordagem diferente.

O que é RAG e por que muda tudo para o engenheiro

O que é RAG (IA que busca nas normas reais)

RAG (Retrieval-Augmented Generation, ou geração com busca em base própria) é uma abordagem em que a IA não responde a partir do treinamento genérico dela. Ela busca em uma base de documentos real, que você definiu, e responde a partir desse material.

Na Engenharia Diagnóstica, isso significa buscar nas normas ABNT, nos manuais técnicos e nas referências que você carregou na base, com citação verificável (documento de origem e número da página), em vez de depender só do que o modelo "lembra" do treinamento.

Na prática, para a Engenharia Diagnóstica, significa o seguinte.

Busca em base de normas reais, não treinamento genérico

Em vez de a IA "lembrar" de uma norma a partir do que aprendeu durante o treinamento, e eventualmente inventar detalhes, ela consulta os documentos da ABNT, os manuais técnicos e as referências que você carregou na base. Ela busca no lugar certo.

Citação com página: você valida em segundos, não re-pesquisa do zero

O que muda na prática: a IA retorna a fundamentação com a citação completa, o documento de origem e o número da página. Você não precisa re-pesquisar para confirmar se a norma existe. Você abre o documento na página indicada e valida em segundos.

Isso é diferente de simplesmente confiar no que a IA disse. É a IA te dando a fonte para você verificar.

A diferença entre IA inventando e IA buscando no lugar certo

Não é uma questão de qual IA é melhor ou mais inteligente. É uma questão de arquitetura. IA treinada genericamente inventa quando não sabe. IA com RAG busca na base e, se não encontrar, diz que não encontrou.

Para o laudo de engenharia, essa diferença é a diferença entre uma ferramenta confiável e uma ferramenta arriscada.

Como o trabalho muda na prática

Estruturar o caminho, não substituir o raciocínio

O engenheiro continua sendo o responsável pelo diagnóstico. O RAG não substitui a análise técnica. O que ele faz é estruturar o caminho: dado o que você observou em campo, quais normas se aplicam, quais são os critérios de classificação, o que a literatura técnica diz sobre essa manifestação patológica.

O raciocínio diagnóstico continua sendo seu. O que muda é que você chega a ele com mais informação organizada e verificável.

Rastreabilidade nativa: resguardo técnico e jurídico

Além da eficiência, há uma consequência direta para a responsabilidade técnica: cada conclusão do laudo tem rastreabilidade. Você sabe de onde veio cada fundamentação, em qual norma e em qual página.

Isso não é só produtividade. É resguardo. Em contestação ou perícia judicial, ter a cadeia de fundamentação documentada faz diferença.

O que estamos construindo no Déxia

Para quem é

O Déxia é uma metodologia de Engenharia de Contexto para IA aplicada à Engenharia Diagnóstica. O nome pode parecer técnico, mas a ideia é direta: para que uma IA funcione bem no diagnóstico técnico, ela precisa de contexto estruturado, da base de normas certa, do raciocínio certo, das referências certas. O Déxia organiza esse contexto.

É para engenheiros com escritório próprio, que atuam com patologia de sistemas construtivos, inspeções prediais e perícias. Profissionais que já entenderam as limitações das ferramentas genéricas de IA e precisam de algo construído para o contexto técnico deles.

Não é produtividade genérica. É raciocínio diagnóstico estruturado, com base de conhecimento específico para a área.

Por que agora

O mercado está num ponto de inflexão. A IA de produtividade já está disseminada. O próximo movimento, usar IA para a parte central do trabalho técnico, está sendo travado pelo problema da fundamentação não confiável.

O Déxia está sendo construído exatamente para esse momento.