Publicado na Sustainability em 19 de agosto de 2026, o estudo de Serena Vitaliano, Stefano Cascone e Claudia Arcidiacono revisa sistematicamente a literatura sobre integração entre Building Information Modelling (BIM) e inteligência artificial aplicada ao planejamento e à gestão da construção. O objetivo foi comparar como essas tecnologias vêm sendo combinadas para previsão e otimização de prazo, custo e objetivos múltiplos, além de examinar a contribuição potencial desses fluxos para decisões mais sustentáveis.
A revisão seguiu as diretrizes PRISMA. A busca foi realizada na base Scopus em 6 de julho de 2026 e, após critérios de inclusão, exclusão e avaliação dos textos completos, 47 artigos científicos foram selecionados. Os trabalhos foram organizados em três grupos: planejamento de prazo, planejamento de custo e otimização conjunta de custo e prazo. Os autores também padronizaram informações sobre plataformas BIM, técnicas de IA, estratégias de interoperabilidade, objetivos de otimização e resultados reportados.
Os resultados mostram predominância de redes neurais artificiais e algoritmos genéticos, enquanto o Revit aparece como a plataforma BIM mais recorrente. A literatura analisada relata ganhos em automação do planejamento, precisão de estimativas, alocação de recursos e apoio à decisão. Em estudos específicos, foram reportados resultados como redução de conflitos de montagem, menor número de iterações de programação e geração mais rápida de cronogramas. A própria revisão, porém, ressalta que esses números pertencem a casos e metodologias distintas e não devem ser tratados como um efeito médio generalizável do uso de BIM + IA.
As limitações são importantes para a leitura profissional do trabalho. A revisão utilizou apenas a Scopus, o que pode ter deixado estudos relevantes fora da amostra. Entre os 47 trabalhos, a adequação dos conjuntos de dados foi classificada como média em 32 e baixa em 15; benchmarking de alta qualidade apareceu em apenas oito, e a reprodutibilidade foi avaliada como média em 38 e baixa em nove. Além disso, indicadores diretos de carbono, energia, resíduos, segurança e desempenho de ciclo de vida ainda aparecem com menor frequência do que custo e prazo.
Leitura VAELITH: o estudo reforça uma regra prática para qualquer plataforma de IA aplicada à engenharia: o ganho não começa no algoritmo, mas na qualidade e na estrutura dos dados do projeto. BIM pode funcionar como a camada organizada de informação; IA pode apoiar previsão, otimização e alertas. Mas sem modelos consistentes, histórico confiável, interoperabilidade e critérios mensuráveis, o sistema tende a produzir demonstrações pontuais difíceis de generalizar. Para empresas de engenharia, a prioridade é estruturar dados e processos reais antes de escalar automação inteligente.