IA, materiais e especificação: um novo mapa para pesquisar melhor

A especificação de materiais é a decisão que conecta intenção estética, desempenho técnico, origem, custo, manutenção, disponibilidade e experiência de uso. Com inteligência artificial, essa decisão pode se tornar mais bem pesquisada, comparada e documentada. E também pode se tornar mais arriscada, porque a IA responde sobre materiais com uma segurança que nem sempre corresponde à realidade.

Por que materiais exigem mais critério

A IA pode sugerir alternativas com aparência plausível, mas sem garantir disponibilidade, desempenho, origem, manutenção, norma ou adequação ao projeto.

Uma pedra, uma madeira, um tecido, uma cerâmica ou um metal carregam propriedades físicas, cadeias produtivas, custos, riscos de manutenção e valor simbólico. Um mesmo mármore pode ser perfeito na parede de um lavabo e desastroso na bancada de uma cozinha usada todos os dias. Um revestimento de madeira pode envelhecer bem em Curitiba e mal no litoral. A IA só ajuda quando o escritório cruza essas camadas.

Especificar também é assumir responsabilidade. O material escolhido vai conviver com a família por anos, e qualquer problema, de uma mancha a uma infiltração, volta para o escritório. Por isso, a especificação é uma das áreas em que a velocidade da IA mais precisa de freio.

O relatório de IA do Royal Institute of British Architects de 2026 mostra que o uso nessa frente ainda é pequeno: 18% dos escritórios que usam IA a aplicam na seleção e análise de produtos e materiais, e 24% em especificação e projeto técnico. É uma área em que há espaço para ganhar, desde que com método.

O problema da resposta confiante

Modelos de linguagem erram com a mesma fluência com que acertam. Em informação técnica, a confiança do texto não é indicador de precisão.

Um estudo do RegLab da Universidade Stanford, conduzido por Varun Magesh, Faiz Surani, Matthew Dahl, Mirac Suzgun, Christopher Manning e Daniel Ho, testou ferramentas de IA vendidas especificamente para pesquisa jurídica, justamente um campo em que os fornecedores prometiam respostas confiáveis. O resultado: as ferramentas avaliadas produziram erros ou informações inventadas em algo entre 17% e 33% das consultas. O trabalho foi publicado no Journal of Empirical Legal Studies em 2025.

O estudo não trata de arquitetura, mas o paralelo é direto. Normas técnicas, fichas de produtos e requisitos de desempenho são textos especializados, cheios de números e condições. Uma ferramenta pode citar uma norma com o número certo e a exigência errada, atribuir a um produto uma propriedade de outro, ou afirmar que um material existe em uma cor que foi descontinuada. Tudo em linguagem perfeitamente segura.

A conclusão prática não é abandonar a IA na pesquisa de materiais. É separar o que ela faz bem, organizar e comparar, do que precisa ser sempre conferido na fonte.

Da lista de acabamentos ao sistema

A IA permite transformar a lista de acabamentos em sistema de especificação, conectando estética, função, manutenção, fornecedor, custo, risco e argumento de projeto.

Em muitos escritórios, a especificação ainda é uma planilha com nome do material, fornecedor e ambiente. Funciona, mas guarda pouco do raciocínio. Um sistema de especificação guarda também o porquê: que critério levou àquela escolha, que alternativas foram descartadas, que cuidado de manutenção o cliente precisa saber.

Como a IA ajuda na pesquisa de materiais

A IA ajuda quando organiza perguntas, compara alternativas, resume documentos, estrutura fichas e identifica pontos que precisam de verificação.

Um fluxo de pesquisa com IA pode seguir seis etapas, cada uma com um papel claro para a ferramenta e para o profissional:

1. Definir o uso. Descrever com precisão onde e como o material será usado: área molhada ou seca, tráfego, exposição ao sol, presença de crianças ou animais, rotina de limpeza. A IA pode ajudar a transformar a conversa com o cliente nessa descrição.
2. Mapear restrições. Orçamento, prazo, disponibilidade regional, normas aplicáveis, compatibilidade com outros sistemas. A IA pode sugerir restrições esquecidas, mas a lista final é do arquiteto.
3. Comparar alternativas. Pedir à IA que organize três ou quatro opções em uma matriz de critérios. É aqui que ela economiza mais tempo, e onde cada dado da matriz precisa ser marcado como “a verificar”.
4. Checar fontes. Confirmar cada propriedade relevante na ficha técnica do fabricante, na norma vigente e, sempre que possível, em amostra física.
5. Traduzir para o cliente. Transformar a escolha em linguagem de experiência: como o material se comporta no dia a dia, como envelhece, que cuidados exige.
6. Registrar aprendizado. Depois da obra, anotar o que funcionou e o que não funcionou. Esse registro é o que torna o sistema cada vez mais valioso.

Sustentabilidade precisa de dado

A IA pode ajudar a investigar sustentabilidade, mas não deve transformar intenção ambiental em afirmação vaga.

O relatório global sobre edificações e construção do Programa das Nações Unidas para o Meio Ambiente, na edição 2025-2026 publicada em maio de 2026, atribui ao setor cerca de 37% das emissões globais de CO₂ e quase 50% da extração global de materiais. Um relatório anterior do mesmo programa, feito com o Yale Center for Ecosystems + Architecture e a Global Alliance for Buildings and Construction em 2023, projeta que a parcela das emissões do setor ligada à operação dos edifícios deve cair de 75% para 50% nas próximas décadas, o que faz crescer o peso relativo do carbono incorporado nos materiais. No Reino Unido, o UK Green Building Council estima que o carbono incorporado da construção e da reforma de edifícios já responde por 20% das emissões do ambiente construído.

Esses números explicam por que a escolha de materiais virou tema ambiental central. Mas “sustentável” pode significar coisas muito diferentes: menor carbono incorporado, origem renovável, conteúdo reciclado, produção local, baixa toxicidade, durabilidade, possibilidade de reparo ou de reuso. Sem escopo, a palavra diz pouco, e a IA tende a repetir afirmações de marketing como se fossem dados.

O caminho mais seguro é pedir evidência verificável. Uma Declaração Ambiental de Produto, elaborada segundo a norma ISO 14025, traz dados de impacto medidos com metodologia padronizada. Certificações reconhecidas também ajudam. A IA pode ser muito útil para ler e comparar esses documentos, desde que o escritório parta deles, e não de descrições genéricas.

Há ainda uma camada pouco discutida. No levantamento do RIBA de 2026, 65% dos arquitetos concordam que o consumo de energia da IA vai atrasar as metas globais de sustentabilidade, enquanto 38% acreditam que a IA vai ajudar a atingir as metas do ambiente construído. Usar a ferramenta com parcimônia e propósito também faz parte de uma prática coerente.

O que não pode ser delegado

A IA não deve validar desempenho, conformidade, segurança, fornecimento ou adequação final de um material.

Resistência ao fogo, desempenho acústico, resistência ao escorregamento, toxicidade, absorção de água, dilatação, garantia, instalação e origem legal não podem ser aceitos apenas porque uma ferramenta respondeu com segurança. No Brasil, a norma ABNT NBR 15575, de desempenho de edificações habitacionais, estabelece requisitos que dependem de ensaios e de documentação do fabricante. Nenhuma resposta de IA substitui esse lastro.

Também não se delega a responsabilidade técnica. Quem assina o projeto responde pela especificação. A IA pode encurtar a pesquisa, mas a decisão final e a verificação continuam sendo do profissional.

Perguntas que a IA ajuda a preparar

Uma das formas mais seguras de usar IA na especificação é pedir que ela ajude a formular perguntas, e não a fornecer respostas.

Antes de uma reunião com fornecedor ou de uma visita a showroom, a IA pode transformar o uso descrito pelo escritório em uma lista de perguntas objetivas. Por exemplo:

1. Qual é a ficha técnica atualizada, e quais ensaios sustentam os valores informados?
2. O produto atende às normas aplicáveis ao uso previsto, e há documento que comprove?
3. Qual é a manutenção recomendada, com que produtos e com que frequência?
4. Como o material se comporta com exposição solar, umidade e produtos de limpeza comuns?
5. Qual é o prazo de entrega real para a região da obra, e há estoque para reposição futura?
6. Qual é a garantia, e o que a invalida?
7. Existe Declaração Ambiental de Produto ou outra evidência verificável de impacto?

As respostas vêm do fornecedor, com documentos. A IA entra antes, para que nenhuma pergunta importante seja esquecida, e depois, para organizar e comparar o que foi respondido.

Manutenção também é experiência

A especificação não termina na obra. Termina quando o cliente sabe como cuidar do que foi escolhido.

Muitos problemas atribuídos a materiais são, na verdade, problemas de uso: um produto de limpeza inadequado, uma impermeabilização não renovada, um cuidado que ninguém explicou. No Brasil, a norma ABNT NBR 14037 trata justamente das diretrizes para manuais de uso, operação e manutenção das edificações.

A IA pode ajudar o escritório a transformar as fichas técnicas dos materiais especificados em um guia de cuidados claro para o cliente, escrito na linguagem da casa, e não do catálogo. É um detalhe que o cliente percebe como atenção, e que reduz a chance de o material “dar problema” por falta de orientação.

A biblioteca de materiais como ativo

A biblioteca ganha valor quando deixa de ser arquivo visual e passa a registrar decisões, fornecedores, desempenho, problemas, substituições e argumentos.

Todo escritório com alguns anos de prática tem uma biblioteca, física ou digital. Mas o conhecimento mais valioso raramente está nas amostras: está na memória de quem usou. Aquele porcelanato que manchou na obra do cliente X, o fornecedor que atrasou três vezes, a madeira que se comportou melhor do que o previsto no litoral.

Quando esse conhecimento é registrado de forma organizada, com fichas, observações de obra, fotos de envelhecimento e contatos, a IA pode funcionar como camada de busca sobre ele. Em vez de perguntar a uma ferramenta genérica qual o melhor revestimento para uma área externa, o escritório pergunta ao próprio histórico: o que já usamos, onde, e como se comportou. É a diferença entre a média da internet e a experiência acumulada da casa.

Esse uso exige cuidado com a atualização. Um produto descontinuado ou uma ficha técnica antiga podem gerar erros tão graves quanto uma resposta inventada. A biblioteca precisa de um responsável e de revisões periódicas.

Um exemplo: a bancada da cozinha

A melhor forma de ver o método funcionando é acompanhar uma decisão concreta do começo ao fim.

Um casal quer uma bancada clara para uma cozinha usada diariamente, com uma rotina intensa de cozinhar e dois filhos pequenos. Eles trouxeram imagens de mármore branco.

O escritório descreve o uso com precisão e pede à IA uma matriz comparando mármore, quartzito, superfície de quartzo industrializado e porcelanato de grande formato, em critérios como resistência a manchas e riscos, reação a ácidos, manutenção, aparência ao longo do tempo e faixa relativa de custo. A matriz chega em minutos. O escritório marca cada célula como “a verificar”, confere as propriedades nas fichas dos fornecedores com quem trabalha e pede amostras das duas opções mais promissoras para um teste simples com limão e café.

Na reunião, o casal não recebe uma lista de materiais, mas uma escolha explicada: a aparência que desejam, as consequências de cada opção na rotina deles e a recomendação do escritório. A IA encurtou a pesquisa. O critério, a verificação e a conversa continuaram humanos.

Ressalvas

Os dados sobre erros de IA vêm de outro campo técnico, e os dados ambientais descrevem o setor em escala global. Ambos indicam direção, não valores para cada projeto.

O estudo de Stanford avaliou ferramentas de pesquisa jurídica, e a taxa de erro de ferramentas de uso geral em temas de construção pode ser diferente. Os números de emissões variam conforme o escopo e a metodologia de cada relatório, e por isso foram apresentados com suas fontes. O levantamento do RIBA reúne respondentes que se autosselecionaram, majoritariamente do Reino Unido. As referências a normas são gerais e não substituem a consulta às versões vigentes.

Especificar é construir inteligência material

A melhor especificação escolhe o material que sustenta o conceito, responde ao uso, respeita restrições e melhora a experiência no tempo.

A IA pode tornar a pesquisa mais ampla e a comparação mais rápida. O que ela não faz é conhecer a obra, a rotina do cliente e a história do escritório com cada fornecedor. Quando essas camadas estão organizadas, a ferramenta ganha precisão; quando não estão, ela apenas acelera o palpite.

O IA Lab by amano parte dessa leitura, com os oito movimentos do método e a agenda da imersão presencial: a IA não substitui a inteligência material do arquiteto. Ela pode ajudar a organizá-la.

Perguntas frequentes

Como usar IA para pesquisar materiais?

Para organizar critérios, comparar alternativas em matrizes, resumir fichas técnicas e preparar perguntas para fornecedores, sempre conferindo os dados na fonte.

A IA pode indicar o melhor material?

Pode sugerir hipóteses, mas não deve decidir sozinha. Ela não conhece a rotina do cliente, os fornecedores locais nem o histórico do escritório.

Por que não confiar nos dados técnicos que a IA fornece?

Porque modelos de linguagem podem inventar ou misturar informações com a mesma fluência com que acertam. Em estudo de Stanford, ferramentas especializadas em pesquisa jurídica erraram entre 17% e 33% das vezes.

Como avaliar sustentabilidade?

Defina o critério, como carbono, origem, transporte, conteúdo reciclado, toxicidade, durabilidade ou certificação, e peça evidência verificável, como uma Declaração Ambiental de Produto.

Qual é o risco?

Aceitar resposta plausível sem verificação técnica.

Uma biblioteca pode ser conectada à IA?

Sim, desde que dados e fichas estejam organizados, atualizados e sob responsabilidade de alguém da equipe.