Quantitativo de obra com IA: como funciona e dá pra confiar?

O que "quantitativo com IA" quer dizer — e o que não quer

Antes de confiar ou desconfiar, vale separar o que está no pacote. Quantitativo é o levantamento das quantidades de uma obra: metros quadrados de piso, metros lineares de rodapé, número de portas e janelas, área de parede a revestir, metros de eletroduto, quilos de aço. É a base de qualquer orçamento — mas não é o orçamento. Quem transforma quantidade em dinheiro é o orçamentista, aplicando preços, produtividade, encargos e composições.

"IA para levantamento de quantitativos" descreve um software que lê o projeto (PDF, DWG ou DXF), interpreta o que está desenhado e devolve essas quantidades organizadas. Repare no que isso NÃO é:

• Não é BIM. Você não precisa modelar nada no Revit nem ter um modelo federado. A IA trabalha em cima do desenho 2D que o escritório já produz.
• Não é orçamento. Sai quantidade, não preço.
• Não é adivinhação de projeto. A IA não inventa o que não está desenhado — ou pelo menos não deveria, e quando extrapola, tem que avisar.

Entender essa fronteira é o primeiro filtro de confiança. Uma ferramenta que promete "orçamento pronto em minutos" está prometendo mais do que a geometria de uma prancha permite entregar com honestidade.

O que a IA realmente faz bem hoje: ler, contar e medir a geometria

A parte boa é concreta. Quando o projeto chega em formato vetorial — um DWG, um DXF ou um PDF exportado do CAD com as linhas preservadas —, o desenho não é uma foto: é um conjunto de coordenadas. Uma linha de parede tem começo e fim; um hachurado de piso tem um contorno fechado com área calculável; um bloco de porta é um objeto que aparece repetido. Isso é matéria-prima para medição de verdade.

O que a tecnologia entrega bem nesse cenário:

• Medir área e comprimento pela geometria. Área de um ambiente, perímetro para rodapé, comprimento de parede — tudo isso é aritmética sobre coordenadas. Não é interpretação subjetiva; é medição.
• Contar objetos repetidos. Blocos de porta, janela, luminária e mobiliário aparecem como instâncias no arquivo. Contar instância é algo que a máquina faz sem cansar e sem pular a porta do fundo às 18h.
• Ler texto da prancha. Cotas, legendas, tabelas de esquadrias, nomes de ambiente — a extração de texto (OCR e leitura de camadas de texto) é hoje uma das tarefas em que os modelos vão bem.
• Organizar por disciplina. Separar arquitetura, elétrica, hidráulica e estrutura, e agrupar os itens numa planilha navegável.

No lugar de uma tarde inteira riscando planta com marca-texto, o levantamento base sai em minutos. Esse ganho é real — desde que você saiba o que veio de medição e o que veio de estimativa.

Onde a IA erra: contar símbolo é mais difícil que ler texto

Aqui entra o dado que separa conversa de vendedor de conversa técnica. Em janeiro de 2026 foi publicado o AECV-Bench, um benchmark que testou modelos multimodais (as "IAs que enxergam") justamente na tarefa de entender plantas de arquitetura e engenharia — incluindo contar portas, janelas, quartos e banheiros em 120 plantas de qualidade.

O resultado é honesto e útil: a leitura de texto (OCR, extrair informação escrita) chegou a cerca de 95% de acurácia, mas a contagem confiável de portas e janelas a partir da imagem ficou frequentemente entre 40% e 55% de acerto. Ou seja: pedir para um modelo "olhar" uma planta rasterizada e contar símbolos ainda é um problema não resolvido, com erro proporcional alto.

A lição prática é direta. Quando a contagem depende de o modelo interpretar visualmente um símbolo numa imagem, o resultado é frágil. Quando a contagem sai da geometria do arquivo vetorial — o bloco de porta é um objeto que existe no DWG, não um desenho que precisa ser "reconhecido" —, o jogo muda completamente. É por isso que o formato do arquivo que você sobe importa tanto (voltamos a isso adiante) e por que uma ferramenta séria não trata "contei os blocos no DXF" e "achei que tinha umas 12 portas na imagem" como a mesma coisa.

Medido vs estimado: a linha que separa ferramenta séria de chute

Esse é o ponto central do texto. Todo quantitativo gerado por IA mistura dois tipos de número, e a diferença entre eles é o que decide se você pode confiar:

• Medido: veio da geometria do desenho. A área de 47,3 m² de um ambiente saiu do contorno fechado da hachura; os 8 blocos de porta saíram da contagem de instâncias no arquivo. Você consegue apontar no CAD de onde cada número veio e refazer a conta. Isso é auditável.
• Estimado: veio de uma inferência, de uma regra empírica ou de um índice de projeto — não de uma medição direta no desenho. Por exemplo, deduzir área de forma de concreto sem que a estrutura esteja cotada, ou completar um item que a prancha não detalha.

Uma ferramenta honesta marca cada linha da planilha com essa distinção — visualmente, sem letra miúda. Medido é medido; estimado carrega um alerta que diz "confira isto antes de usar". O pecado capital de uma ferramenta de IA é apresentar estimativa com cara de medição: um número redondo, confiante, sem aviso, que o usuário copia direto para o orçamento achando que a máquina "mediu".

Quando você avalia qualquer solução de quantitativo com IA, faça essa pergunta de teste: "como você me mostra o que mediu versus o que estimou?". Se a resposta é vaga, ou se tudo vem com a mesma cor e a mesma confiança, desconfie. Não porque a IA seja ruim, mas porque a ferramenta escondeu de você exatamente a informação que você precisa para revisar.

Por que casar com o SINAPI importa (é taxonomia, não preço)

Medir a quantidade é metade do trabalho; a outra metade é chamar cada item pelo nome certo. Um levantamento que diz "parede: 210 m²" ajuda pouco. "Alvenaria de vedação com bloco cerâmico furado, revestimento com chapisco + emboço + reboco" já conversa com o resto da cadeia — porque cada um desses serviços tem um código numa referência nacional.

O SINAPI (Sistema Nacional de Pesquisa de Custos e Índices da Construção Civil), mantido pela Caixa com pesquisa de preços do IBGE, é essa referência. Ele é inclusive obrigatório como parâmetro de custo em obras públicas com recursos federais, conforme o Decreto nº 7.983/2013. Mas atenção ao uso que uma ferramenta de quantitativo faz dele: aqui o SINAPI vale como vocabulário controlado — uma taxonomia de serviços com códigos e descrições padronizadas —, não como fonte de preço.

Casar cada item medido com uma composição SINAPI faz três coisas úteis:

• Dá um nome padronizado que o orçamentista reconhece e consegue precificar depois, na base que ele escolher.
• Evita ambiguidade: "contrapiso", "regularização de base" e "lastro" param de virar três nomes para a mesma coisa.
• Facilita conferência, porque a descrição da composição diz o que aquele serviço inclui.

O que uma ferramenta de quantitativo NÃO deve fazer é usar o SINAPI para cravar preço e chamar aquilo de orçamento. Quantidade + código de referência é insumo para o orçamentista — não substitui o julgamento dele sobre preço, produtividade e contexto da obra.

Como revisar um quantitativo gerado por IA: um checklist prático

Confiar não é acreditar — é conferir e passar a confiar no que resistiu à conferência. A boa notícia é que revisar um levantamento pronto é muito mais rápido do que levantar do zero. Um roteiro que funciona:

• Comece pelos itens marcados como estimados. São os candidatos naturais a erro. Se a planilha separa medido de estimado, você já sabe onde gastar sua atenção.
• Cheque as âncoras de área. Pegue dois ou três ambientes e confira a área contra a cota da prancha. Se as áreas medidas batem, a leitura da geometria está saudável.
• Confira as contagens em uma disciplina. Conte à mão as portas de um pavimento e compare. Divergência grande costuma denunciar problema de camada, bloco não reconhecido ou escala errada.
• Desconfie de zeros e de números redondos demais. Um item que deveria existir e voltou zerado geralmente significa que a informação não estava no formato que a IA conseguiu ler — não que a obra não tem aquilo.
• Verifique a escala e a unidade. Um desenho sem cota de referência, ou com mais de uma escala na mesma prancha, é a maior fonte de erro sistemático. Área errada por escala erra tudo para cima ou para baixo na mesma proporção.
• Valide o casamento com a referência. Veja se o código SINAPI atribuído descreve mesmo o serviço que você desenhou.

Se a ferramenta te dá rastreabilidade — de onde saiu cada número —, essa revisão vira meia hora de conferência dirigida em vez de um recomeço. Esse é o teste final de confiança: uma boa ferramenta te deixa auditar rápido; uma ruim te obriga a refazer para descobrir se pode acreditar.

O formato do arquivo muda o resultado: PDF vetorial, DWG e DXF

Voltando ao ponto que o benchmark deixou claro: a qualidade do quantitativo depende diretamente de quanta geometria de verdade chega até a IA. E isso é decidido no formato do arquivo.

• DWG e DXF (formatos nativos de CAD) são o melhor cenário. As linhas, hachuras e blocos são objetos com coordenadas. Contar e medir aqui é operar sobre dados exatos, não sobre uma imagem interpretada. É a diferença entre 40-55% e algo muito mais confiável na contagem.
• PDF vetorial (exportado do CAD com as linhas preservadas) ainda carrega geometria e permite medição real, desde que exista uma cota ou escala de referência para calibrar.
• PDF "desenho" ou imagem escaneada é o pior caso. Quando o CAD foi exportado como figura, as cotas viram pixel e o contorno vira mancha. Aí a IA cai justamente na tarefa em que os modelos erram mais: reconhecer símbolo em imagem. Quantidade tende a zerar ou a sair torta.

A regra prática: quando possível, suba o arquivo mais próximo do CAD original que você tiver. Um DWG ou DXF entrega um levantamento auditável; um PDF achatado entrega um palpite. Se o seu projeto vem de disciplinas com objetos especiais (elétrica, forro, MEP em geral), às vezes é preciso exportar para DXF a partir do CAD para que a geometria fique legível — vale o passo a mais, porque é ele que transforma chute em medição.

O que a IA não faz: ela não substitui o orçamentista

Depois de tudo que a tecnologia faz bem, o limite precisa ficar igualmente claro — porque confiar cega em uma ferramenta é tão ruim quanto desconfiar de tudo.

A IA não decide método construtivo. Ela mede a parede; se aquela parede vai ser bloco cerâmico ou de concreto, drywall ou alvenaria estrutural, é decisão de projeto e de obra. A IA não aplica critério de perda, não escolhe produtividade de equipe, não julga o contexto do canteiro, não avalia se aquele detalhe da prancha faz sentido executivo. E, principalmente, ela não precifica: transformar quantidade em custo, com composição, encargos e BDI, é trabalho do orçamentista — e existe norma para o cálculo de custos, como a ABNT NBR 12721, justamente porque isso exige método e responsabilidade técnica.

O papel correto da ferramenta é tirar do profissional a parte mecânica e propensa a erro — contar, medir, digitar — e devolver tempo para ele fazer o que a máquina não faz: julgar. O quantitativo com IA é uma primeira versão rápida e auditável do levantamento, não a palavra final. Quem assina o orçamento continua sendo gente, e a ferramenta que finge o contrário é a que você não deve usar.

É por isso que a distinção medido vs estimado importa tanto: ela devolve ao profissional exatamente o controle que uma automação honesta deve preservar. A máquina faz o volume; você faz o juízo.