Inteligência artificial na engenharia geotécnica: o papel do pensamento crítico

inteligência artificial na engenharia geotécnica
inteligência artificial na engenharia geotécnica

A Inteligência artificial na engenharia geotécnica e toda evolução das tecnologias digitais amplia a capacidade de processar dados, automatizar análises e desenvolver modelos cada vez mais sofisticados. Mas, para o professor Márcio Leão, uma das principais referências da geotecnia brasileira, a engenharia continua dependente de um fator que nenhuma tecnologia é capaz de substituir: o pensamento crítico.

Nas últimas décadas, a engenharia geotécnica passou por uma transformação profunda. O aumento da capacidade computacional, o avanço da modelagem numérica, a digitalização de processos e, mais recentemente, a incorporação da inteligência artificial vêm modificando a forma como dados são produzidos, organizados, analisados e utilizados na tomada de decisão.

Ao mesmo tempo em que essas ferramentas ampliam a velocidade das análises e permitem explorar cenários antes inviáveis, elas também trazem um novo desafio para os profissionais da área: interpretar corretamente as informações produzidas pelos sistemas.

Afinal, nenhuma tecnologia é capaz de corrigir automaticamente dados inconsistentes, identificar todas as particularidades de um maciço ou substituir a experiência acumulada na análise de um problema geotécnico. Em outras palavras, quanto mais sofisticadas se tornam as ferramentas, maior passa a ser a importância da qualidade das informações que alimentam esses modelos e da capacidade técnica de interpretar seus resultados.

Essa é uma reflexão que acompanha boa parte das discussões atuais sobre transformação digital na engenharia. A inteligência artificial representa um avanço importante, mas seu potencial depende diretamente da confiabilidade dos dados disponíveis e da capacidade dos profissionais de validar hipóteses, confrontar resultados e compreender os limites de cada modelo utilizado.

Para o professor Márcio Leão, professor da PUC-Rio e uma das maiores referências da engenharia geotécnica brasileira, esse cenário exige uma mudança importante na formação dos novos profissionais. Mais do que dominar ferramentas digitais, será cada vez mais necessário desenvolver uma postura investigativa, capaz de questionar respostas, interpretar evidências e transformar informações em decisões técnicas fundamentadas.

Ao longo da entrevista a seguir, Márcio Leão compartilha sua visão sobre os impactos da inteligência artificial na engenharia geotécnica, a importância da validação dos modelos, o papel da qualidade dos dados e os desafios que devem orientar a evolução da profissão nas próximas décadas.

[Leia também: https://www.geolabor.com.br/qa-qc-geotecnico-qualidade-dados/]

Entrevista | Márcio Leão

Professor da PUC-Rio, pesquisador e uma das maiores referências da geotecnia brasileira, Márcio Leão compartilha sua visão sobre inteligência artificial, qualidade dos dados, formação de engenheiros, sustentabilidade e os desafios que devem moldar a engenharia geotécnica nas próximas décadas.

Vivemos um momento em que dados, inteligência artificial e modelagem numérica ganham cada vez mais espaço na engenharia. O que permanece insubstituível na atuação do engenheiro? 

 

Permanece insubstituível a capacidade de julgamento. Dados e modelos ajudam a processar informações, identificar padrões e avaliar cenários, mas não assumem a responsabilidade pela interpretação física do problema.

O engenheiro precisa compreender como os dados foram obtidos, quais hipóteses sustentam o modelo, quais fenômenos podem não estar representados e quais consequências uma decisão poderá produzir. Também são insubstituíveis a observação em campo, o diálogo com as equipes de investigação e construção e a disposição para questionar resultados aparentemente muito precisos.

A inteligência artificial pode ampliar nossa capacidade de análise, mas não substitui experiência, senso crítico, responsabilidade técnica e compreensão do comportamento real do terreno.

A engenharia nunca produziu tantos dados como hoje. Ainda assim, ter mais informação não significa, necessariamente, tomar melhores decisões. Qual é a diferença entre acumular dados e transformá-los em conhecimento? 

Acumular dados significa reunir resultados de sondagens, ensaios, levantamentos, sensores e inspeções. Transformá-los em conhecimento significa estabelecer relações entre essas informações e utilizá-las para responder às perguntas do projeto.

Um banco de dados pode conter milhares de registros e, ainda assim, não representar adequadamente o terreno. É preciso verificar a qualidade, a representatividade espacial, a rastreabilidade e a compatibilidade entre os diferentes métodos. Também é fundamental relacionar cada informação ao modelo geológico-geotécnico e aos possíveis modos de falha da estrutura.

O dado passa a ter valor quando reduz uma incerteza relevante, confirma ou contesta uma hipótese e orienta uma decisão. Portanto, mais informação não significa, automaticamente, mais segurança. O que produz segurança é informação de qualidade, interpretada à luz de um modelo conceitual consistente.

Depois de mais de cinco décadas dedicadas à Geologia de engenharia e à geotecnia, quais transformações mais mudaram a forma de investigar o terreno e tomar decisões técnicas?

Uma das principais transformações foi a passagem de uma investigação baseada em informações relativamente pontuais para uma caracterização cada vez mais integrada do maciço de solo ou de rocha. Hoje conseguimos combinar sondagens, ensaios de campo e laboratório, geofísica, instrumentação, modelos geológicos tridimensionais e monitoramento praticamente em tempo real.

No entanto, a transformação mais importante não foi simplesmente tecnológica. Foi a mudança na forma de compreender a incerteza. O terreno continua sendo heterogêneo, descontínuo e, muitas vezes, parcialmente conhecido. As novas ferramentas permitem reduzir e organizar essa incerteza, mas não eliminá-la.

A boa decisão técnica continua dependendo da capacidade de integrar diferentes evidências, reconhecer as limitações de cada método e revisar o modelo conceitual à medida que novas informações aparecem.

Ao longo da sua carreira, você trabalhou com diferentes gerações de engenheiros e pesquisadores. O que mudou na forma de aprender engenharia?

O acesso à informação mudou completamente. Hoje, estudantes e jovens profissionais conseguem consultar artigos, cursos, programas computacionais e exemplos de projetos com uma rapidez que não existia anteriormente.

Por outro lado, essa facilidade pode criar a impressão de que obter uma resposta é o mesmo que compreender um problema. Aprender engenharia exige tempo para formular hipóteses, realizar cálculos, comparar resultados, cometer erros e entender por que determinado procedimento funciona ou não.

As novas gerações têm grande facilidade com ferramentas digitais e colaboração. O desafio é combinar essa capacidade com fundamentos sólidos, experiência prática e pensamento crítico. A melhor formação ocorre quando a rapidez de acesso à informação é acompanhada pela profundidade da análise.

Na sua trajetória, você transitou entre universidade, pesquisa e grandes projetos de engenharia. O que ainda falta para aproximar, de forma mais consistente, o ambiente acadêmico das demandas reais do mercado?

Ainda precisamos construir relações mais contínuas entre universidades e empresas. Muitas vezes, essa aproximação acontece apenas diante de um problema imediato ou de um projeto específico de pesquisa. O ideal é que existam programas permanentes de cooperação, com intercâmbio de profissionais, compartilhamento responsável de dados e definição conjunta de temas de pesquisa.

A universidade contribui com tempo para investigar mecanismos, testar metodologias e desenvolver soluções. O mercado, por sua vez, oferece problemas reais, desafios em larga escala, restrições executivas e uma enorme quantidade de informações produzidas em campo. Quando esses dois ambientes trabalham de forma integrada, ambos evoluem.

Também é importante valorizar as pesquisas aplicadas, sem abrir mão da investigação fundamental. Soluções práticas de qualidade, em geral, nascem da combinação entre conhecimento científico, experiência de projeto e observação do comportamento das obras.

Os últimos anos trouxeram importantes aprendizados para a segurança de barragens no Brasil. Quais mudanças esses acontecimentos provocaram na pesquisa e na prática da engenharia geotécnica? 

Os acontecimentos recentes mostraram que a segurança de barragens não pode ser tratada apenas como uma verificação periódica de fatores de segurança. Ela deve ser compreendida como um sistema que integra projeto, construção, operação, governança, instrumentação, gestão de mudanças, preparação para emergências e comunicação de riscos.

Esses episódios também ampliaram a discussão sobre temas como liquefação, erosão interna, comportamento não drenado, gestão de rejeitos, descaracterização de estruturas e alternativas de disposição, incluindo o empilhamento de rejeitos filtrados. Ao mesmo tempo, reforçaram a importância da qualidade dos dados, da independência das avaliações e do registro criterioso das decisões técnicas.

Talvez o maior aprendizado tenha sido compreender que os sinais de mudança de comportamento precisam ser identificados e tratados precocemente. Instrumentar uma estrutura, por si só, não basta. É preciso interpretar os dados, estabelecer níveis de controle, definir responsabilidades e agir sempre que os indicadores apontarem desvios.

Os últimos anos trouxeram importantes aprendizados para a segurança de barragens no Brasil. Quais mudanças esses acontecimentos provocaram na pesquisa e na prática da engenharia geotécnica? 

Os acontecimentos recentes mostraram que a segurança de barragens não pode ser tratada apenas como uma verificação periódica de fatores de segurança. Ela deve ser compreendida como um sistema que integra projeto, construção, operação, governança, instrumentação, gestão de mudanças, preparação para emergências e comunicação de riscos.

Esses episódios também ampliaram a discussão sobre temas como liquefação, erosão interna, comportamento não drenado, gestão de rejeitos, descaracterização de estruturas e alternativas de disposição, incluindo o empilhamento de rejeitos filtrados. Ao mesmo tempo, reforçaram a importância da qualidade dos dados, da independência das avaliações e do registro criterioso das decisões técnicas.

Talvez o maior aprendizado tenha sido compreender que os sinais de mudança de comportamento precisam ser identificados e tratados precocemente. Instrumentar uma estrutura, por si só, não basta. É preciso interpretar os dados, estabelecer níveis de controle, definir responsabilidades e agir sempre que os indicadores apontarem desvios.

 

→ No Geolabor, acreditamos na parceria e contato direto com a academia. Recentemente, fechamos uma parceria com a Universidade Federal de Ouro Preto. Leia mais: https://www.geolabor.com.br/o-futuro-da-engenharia-geotecnica/

 

inteligência artificial na engenharia geotécnica

Veja também:

A confiabilidade do QA/QC geotécnico está diretamente relacionada à qualidade dos dados que sustentam as análises na engenharia geotécnica. Em obras geotécnicas,...

A parceria entre o Geolabor e a Universidade Federal de Ouro Preto (UFOP) aproxima ensino, pesquisa e mercado para formar profissionais preparados...

Não existe uma única adaptação climática para o Brasil. Secas prolongadas, enchentes, deslizamentos, escassez hídrica e ondas de calor já fazem parte...

;