Como criar uma regra própria de verificação por IA para uma exigência urbanística local

Criar uma regra própria de verificação por IA significa configurar, dentro do processo de análise de projeto, um critério específico — um título, a base legal ou o parâmetro interno que o justifica, e um prompt em linguagem natural explicando à inteligência artificial exatamente o que checar e como decidir se o projeto atende ou não. Diferente da pré-análise automática que já vem pronta contra um dataset de zoneamento, essa verificação é escrita pelo próprio órgão para cobrir uma exigência que o sistema padrão não prevê — uma norma municipal específica, uma condicionante técnica local, ou um critério que muda conforme o tipo de empreendimento.

Este guia cobre o que diferencia essa verificação personalizada da validação automática padrão, por que ela importa em municípios com legislação urbanística densa e particular, o passo a passo para configurá-la, o que muda na responsabilidade da equipe técnica e como medir se está funcionando.

O que é uma verificação personalizada de IA na análise de projeto

É uma regra de checagem criada pelo próprio órgão de planejamento urbano — uma prefeitura, um instituto de planejamento ou outra instituição pública com essa competência — para que a inteligência artificial confira um critério específico ao analisar o projeto arquitetônico anexado ao processo. Ao configurá-la, o responsável técnico define um título objetivo (“recuo de fundos mínimo”, por exemplo), aponta a lei municipal ou o critério interno que sustenta a exigência, escreve uma descrição do que está sendo avaliado e redige o prompt que orienta a IA sobre como aplicar esse critério à leitura da prancha. A partir daí, toda vez que um projeto do mesmo tipo for analisado, a IA aplica essa verificação junto com as demais, apontando o trecho exato do desenho em que a exigência não foi atendida — com a mesma lógica de citação que um analista humano usaria para justificar uma devolução.

Por que o dataset padrão de zoneamento não cobre toda exigência local

A pré-análise automática de projeto arquitetônico contra um dataset de zoneamento resolve bem o que é numérico e uniforme por zona — índice de aproveitamento, taxa de ocupação, altura máxima, afastamentos. O problema aparece quando o município tem uma exigência que não é um número de tabela: um artigo específico do código de obras que só se aplica a determinado tipo de uso, uma condicionante técnica peculiar daquele território, ou um critério que varia conforme o empreendimento for residencial urbano ou rural — caso comum em institutos e empresas públicas que lidam com programas habitacionais fora do perímetro urbano tradicional. Sem uma camada configurável, cada uma dessas exigências continua dependendo da memória de quem analisa, e dois analistas podem aplicar o mesmo critério de forma diferente.

Passo a passo para criar uma verificação personalizada

1. Liste as exigências que hoje dependem só do conhecimento do analista

Antes de configurar qualquer regra, mapeie quais critérios de reprovação recorrente não vêm de um índice numérico de zoneamento — são os que hoje aparecem como comentário manual do analista, não como bloqueio automático do sistema.

2. Dê um título objetivo à verificação

O título precisa identificar a exigência de forma inequívoca para quem for reutilizá-la depois — “recuo de fundos mínimo em lote de esquina”, não apenas “recuo”.

3. Vincule a base legal ou o critério interno que a justifica

Registre o artigo da lei municipal, do código de obras ou da norma técnica que sustenta a exigência. Quando o critério não tiver amparo legal — for uma exigência técnica interna do órgão, por exemplo —, deixe isso explícito no próprio campo, para que a equipe distinga uma exigência normativa de uma preferência institucional.

4. Escreva o prompt explicando à IA como aplicar o critério

O prompt precisa descrever o que observar na prancha, qual medida ou elemento conferir e qual conclusão indicar quando o critério não for atendido. Quanto mais concreto — citando a cota, o elemento gráfico ou o texto que a IA deve procurar —, menor a chance de resposta genérica.

5. Teste a verificação em projetos já analisados antes de liberar em produção

Rode a regra contra processos que já tiveram parecer humano registrado e compare o resultado. Isso expõe se o prompt está capturando o critério certo antes de a verificação valer para o fluxo real.

6. Habilite o registro de contestação (override) para o analista

O apontamento da IA precisa poder ser complementado ou contestado pelo analista, com justificativa registrada — a verificação personalizada aponta uma divergência, mas não substitui a decisão técnica sobre o mérito do projeto.

7. Revise a verificação sempre que a legislação de referência mudar

Uma verificação vinculada a um artigo de lei municipal desatualizada continua gerando o mesmo apontamento até alguém corrigi-la — trate-a como um documento vivo, não como configuração de uma vez só.

O que a legislação exige

A Lei nº 10.257/2001 (Estatuto da Cidade) atribui ao município a competência para legislar sobre parcelamento, uso e ocupação do solo urbano — o que explica por que uma exigência que faz sentido em um município pode não existir, ou existir com outro critério, no vizinho. Isso significa que não há um conjunto nacional único de regras replicável por qualquer sistema: a verificação personalizada existe justamente para que o órgão configure, a partir da própria legislação municipal, o critério que um dataset genérico de zoneamento não tem como prever. A Lei nº 14.129/2021 (Lei do Governo Digital), no art. 3º, trata a eficiência e a desburocratização como princípios do atendimento público digital — o que sustenta configurar essa camada de verificação em vez de manter a exigência apenas na memória de quem analisa há mais tempo.

Como o Aprova resolve isso

• O editor de marcação integrado permite apontar diretamente na prancha o ponto exato em que a exigência não foi atendida, com comentário vinculado ao trecho do desenho.
• Cada verificação criada recebe título, base legal e prompt próprios, ficando disponível para reaproveitar em outros processos do mesmo tipo, sem reconfigurar do zero a cada análise.
• O campo de override permite ao analista registrar concordância, complemento ou contestação ao apontamento da IA, preservando a decisão técnica final com quem tem competência para decidir.
• O apontamento cita o trecho específico da prancha e a lógica aplicada — não só “não atende”, mas o motivo, na mesma fundamentação que sustentaria uma devolução redigida por um analista.

Indicadores para medir

• Número de verificações personalizadas configuradas por tipo de processo, e taxa de reaproveitamento entre processos semelhantes.
• Percentual de apontamentos da IA mantidos sem contestação pelo analista, comparado ao percentual de override registrado.
• Tempo médio de análise técnica antes e depois de a verificação específica entrar em produção.
• Ocorrência de decisões divergentes entre analistas diferentes para o mesmo critério, antes e depois da verificação configurada.

FAQ sobre verificação personalizada de IA

A IA consegue diferenciar uma exigência normativa de uma preferência do contratante ou do cliente?

Só se essa distinção estiver explícita no prompt e no campo de base legal. Quando o critério não tem amparo em lei — uma preferência estética ou uma exigência de programa habitacional específico, por exemplo —, é preciso registrar isso como tal, para que a equipe não trate como obrigação normativa o que é decisão institucional.

É preciso conhecimento técnico de programação para configurar essa verificação?

Não. A configuração é feita descrevendo em linguagem natural o título, a base legal e o critério de verificação — o mesmo tipo de instrução que um técnico já usaria para explicar a um colega novo como aplicar aquela exigência.

Uma verificação personalizada substitui a pré-análise automática do zoneamento?

Não. Ela complementa a pré-análise numérica contra o dataset de zoneamento, cobrindo exigências que esse dataset não modela — critérios textuais, condicionantes específicas ou regras que variam conforme o tipo de empreendimento.

O analista pode discordar do apontamento gerado pela verificação?

Sim, e deve poder fazer isso com justificativa registrada. A verificação sinaliza uma divergência potencial; a decisão sobre o mérito do projeto continua sendo do responsável técnico competente.

Uma verificação criada para um tipo de processo pode ser usada em outro?

Sim, desde que a exigência subjacente também se aplique. Reaproveitar a verificação evita reconfigurar o mesmo critério do zero sempre que ele aparecer em um novo tipo de licenciamento.

Conclusão

Uma prefeitura, um instituto de planejamento urbano ou uma empresa pública que lida com licenciamento raramente opera só com os parâmetros genéricos de um dataset de zoneamento — a legislação local, os programas específicos e as condicionantes técnicas próprias do território sempre deixam sobrar exigências que dependem hoje da memória de quem analisa. Configurar uma verificação personalizada de IA é o que transforma esse conhecimento disperso em critério registrado, aplicado da mesma forma em todo processo do mesmo tipo, sem abrir mão de que a decisão final continue sendo de quem tem competência técnica para tomá-la.

Para ver como configurar essa camada de verificação dentro da análise de projetos por IA do Aprova, agende uma demonstração.