Back to blog
Nov 16 • 4 min read

MIT cria “copiloto” de IA que deixa o engenheiro opinar enquanto o algoritmo desenha estruturas

Sistema do MIT indica onde o engenheiro deve interferir na otimização de estruturas; em um teste, a carga de flambagem subiu 39%.

MIT cria “copiloto” de IA que deixa o engenheiro opinar enquanto o algoritmo desenha estruturas

Editorial Fisacorp

Quem já viu um algoritmo propor a forma de uma peça estrutural conhece a cena: o resultado é leve e eficiente no papel, mas cheio de barras finas, nós complicados e detalhes difíceis de fabricar. O engenheiro, então, precisa decidir se confia na máquina ou se refaz tudo à mão. Um grupo do MIT apresentou nesta semana uma terceira via: um “copiloto” de inteligência artificial que aponta, durante o cálculo, onde o projetista provavelmente vai querer interferir.

O que foi desenvolvido

A técnica de base se chama otimização topológica. Em vez de partir de um desenho pronto, o software distribui material dentro de um espaço de projeto até atingir as metas de desempenho definidas pelo engenheiro. É um método poderoso, mas, segundo os pesquisadores, sua natureza de “caixa-preta” limitou a adoção em áreas como edifícios e pontes, nas quais o profissional precisa confiar no que assina.

O sistema criado pela equipe da professora Josephine Carstensen, do Departamento de Engenharia Civil e Ambiental do MIT, coloca a pessoa dentro do processo. Enquanto o algoritmo gera a estrutura, um modelo de aprendizado de máquina marca as regiões que um humano tenderia a querer mudar. O projetista avalia a sugestão e, nesta primeira versão, pode deixar aquelas regiões mais grossas ou mais finas. O algoritmo, então, segue otimizando com a nova orientação.

O trabalho foi publicado na revista científica Communications Engineering e divulgado pelo MIT em 13 de novembro. O modelo que faz as indicações foi treinado com milhares de projetos e com um conjunto sintético de preferências prováveis — por exemplo, o elemento mais longo da estrutura ou o nó com mais conexões.

Os números do estudo

Nos exemplos testados, a colaboração custou pouco tempo: o processo completo levou cerca de 15 segundos a mais (aproximadamente 4%) do que a otimização convencional. Em uma peça em formato de L, a carga linear de flambagem — indicador da resistência da estrutura antes de perder estabilidade — aumentou 39% em relação ao projeto inicial. Em outro caso, o nó mais complexo passou de seis para cinco barras conectadas, e o menor ângulo entre elas dobrou, de 20,4° para 40,9°, o que facilita a fabricação.

Os limites também estão no artigo. Os pesquisadores descrevem como modesta a precisão do modelo ao prever exatamente a região escolhida, com muitos acertos parciais. As preferências usadas no treino foram simuladas, não coletadas de engenheiros reais, e os resultados vêm de casos de demonstração. Os próprios autores apresentam o método como complemento, e não substituto, das abordagens totalmente automáticas.

Por que isso importa

O ponto mais interessante não está no ganho de 39%, que vale para um exemplo específico, mas na lógica do projeto. “Engenheiros são sempre muito céticos em relação a programas de computador”, resumiu o autor principal, Dat Ha, ao MIT News (tradução livre). Em vez de pedir confiança cega, a ferramenta mostra onde vale a pena olhar e deixa a decisão com quem tem experiência e responsabilidade técnica.

Esse desenho conversa com uma tendência mais ampla: a IA que funciona como assistente atento ao contexto humano, e não como piloto automático. Em construção civil e indústria, isso pode significar peças que usam o material de forma mais inteligente, com menos idas e vindas entre cálculo, desenho e fábrica. O estudo não mediu economia de material ou emissões, mas abre caminho para que ferramentas de otimização, conhecidas por gerar estruturas eficientes, cheguem a mais projetos do mundo real.

Uma ideia para o gestor

A lição vale para além da engenharia. Ao avaliar uma ferramenta de IA para a operação, pergunte: em que momento do processo a pessoa responsável consegue entender e corrigir o que a máquina propõe? Sistemas que mostram suas sugestões, aceitam ajustes rápidos e preservam a decisão final costumam enfrentar menos resistência das equipes. Uma pergunta prática para a próxima reunião: em quais rotinas da sua empresa a IA poderia apontar onde olhar, em vez de decidir sozinha?

A Fisacorp desenvolve soluções de tecnologia para gestão de frotas, gestão de pessoas, atendimento digital, condomínios e sustentabilidade, e acompanha com atenção avanços como este, que aproximam a inteligência artificial do julgamento humano, para trazer o melhor da inovação aos seus clientes.

Referências

Fontes consultadas em 16/11/2026.

Questions? Contact us