Por que a IA não deve confiar na correção anterior de um projeto

Uma IA que analisa projetos arquitetônicos ou plantas de licenciamento não deve guardar memória do que já aprovou numa versão anterior do arquivo. Cada nova versão enviada pelo requerente precisa passar por uma leitura completa, do zero, mesmo que a única mudança pedida tenha sido corrigir um único apontamento. Parece redundante — e é exatamente essa redundância que evita que um erro novo, introduzido durante a própria correção, passe direto pela análise.

O requerente corrige o que quiser, não só o que foi apontado

Quando a prefeitura devolve um projeto com uma exigência técnica — ajustar o quadro de áreas, complementar uma medida, revisar um cálculo de taxa de ocupação —, nada garante que o profissional responsável vá alterar só aquele ponto. Um arquivo de projeto é um documento único: o mesmo arranjo que corrige a área da cozinha pode deslocar uma parede, mudar a metragem de outro cômodo ou alterar um recuo que antes estava correto. Quem revisa manualmente sabe disso e reabre o arquivo inteiro, mesmo tendo pedido só um ajuste pontual.

O risco de uma IA com memória é justamente pular essa reabertura. Se o sistema tratasse a nova versão como “a mesma de antes, mais a correção pedida”, ele estaria assumindo — sem verificar — que nada além daquilo mudou. Essa é precisamente a parte do arquivo que um requerente apressado, ou mal orientado por quem desenhou o projeto, mais tende a alterar sem avisar.

Memória de aprovação anterior vira ponto cego, não economia de tempo

A tentação de guardar o que já foi validado é sempre a mesma: evitar reanalisar o que “já está certo” parece ganho de eficiência. Na prática, é o oposto. Um ponto do projeto marcado como aprovado numa análise anterior, e por isso excluído da checagem seguinte, deixa de ser verificado justamente no momento em que o arquivo inteiro voltou a ser editado. A eficiência que a memória prometeria economizar em tempo de processamento é devolvida — com juros — na forma de um erro que só aparece na fiscalização em campo, no habite-se, ou pior, depois que a obra já avançou com base numa aprovação que nunca revisou o dado errado.

Isso não é um argumento contra o uso de IA na análise de projetos — é um argumento sobre como ela precisa se comportar. Uma ferramenta que analisa cada versão como um arquivo novo, sem herdar confiança da rodada anterior, entrega menos economia aparente de processamento e mais garantia de que o parecer reflete o arquivo que está sendo aprovado, não uma composição de julgamentos feitos em momentos diferentes sobre versões diferentes do mesmo documento.

Reanálise completa sustenta a validade jurídica do parecer técnico

Todo parecer técnico que aprova ou indefere um projeto é um ato administrativo, e a Lei nº 9.784/1999, no art. 50, exige que atos que neguem, limitem ou afetem direitos sejam motivados com indicação dos fatos e fundamentos jurídicos que os sustentam. Um parecer que aprova um projeto tomando por base, em parte, uma leitura de IA da versão anterior do arquivo — e não da versão que efetivamente está sendo protocolada — motiva a decisão em fatos que já não correspondem ao documento real. Isso fragiliza o ato diante de qualquer recurso administrativo, auditoria de controle interno ou questionamento judicial: o requerente pode alegar, com razão, que a aprovação não avaliou o arquivo que ele de fato entregou.

Reanalisar o projeto inteiro a cada envio não é uma escolha conservadora entre várias igualmente válidas — é o que garante que a motivação do parecer corresponda ao objeto real da decisão. Municípios que usam IA para apoiar a análise de projetos de licenciamento de obras têm reforçado esse ponto: a ferramenta lê o arquivo mais recente como se nunca tivesse visto o processo antes, aponta o que estiver em desacordo e deixa a validação final — e a assinatura do parecer — com o analista responsável. Veja também como estruturar o bloqueio de campos já analisados num processo devolvido para correção, que resolve o mesmo problema de raiz, mas para dados de formulário em vez de arquivos de projeto.

Conclusão

A IA de análise de projetos não fica mais inteligente porque aprende a pular o que já revisou — ela fica mais confiável porque nunca deixa de revisar tudo. Reanalisar o arquivo inteiro a cada nova versão custa alguns segundos a mais de processamento e evita o único erro que realmente importa: aprovar, sem saber, uma mudança que ninguém apontou e ninguém verificou.