_ABERTURA

Essa semana realizamos mais uma edição do Terracotta Sparks, um encontro exclusivo para convidados e membros do Terracotta Insider. A pauta desse ano não podia ser diferente: Inteligência Artificial no Imobiliário.

O mercado imobiliário parece ter entrado na fase mais perigosa da inteligência artificial: aquela em que todo mundo sente que precisa fazer alguma coisa, mas poucas empresas sabem exatamente o quê.

Licenças são contratadas. Times criam pilotos. Áreas começam a testar automações. Fornecedores adicionam IA aos seus produtos. Conselhos perguntam sobre o tema.

A sensação de movimento é enorme.

O impacto sobre o negócio, nem tanto.

Essa diferença entre adotar tecnologia e capturar valor com ela deve orientar a estratégia das empresas imobiliárias nos próximos anos.

Porque usar IA rapidamente deixará de ser diferencial. Será simplesmente parte do custo de permanecer competitivo.

E é justamente aí que começa a estratégia.

A inteligência artificial já atravessou a fase de experimentação restrita.

Outro levantamento, conduzido pelo MIT, apontou que 95% dos pilotos de IA generativa não produzem retorno mensurável no P&L.

É uma combinação importante.

A adoção está avançando muito mais rápido do que a captura de valor.

Isso não deveria surpreender o setor imobiliário.

Nas últimas décadas, incorporadoras, construtoras e imobiliárias adotaram ERPs, CRMs, BIM, plataformas de gestão, portais, sistemas comerciais e inúmeras outras soluções.

Os negócios ficaram mais sofisticados. A capacidade operacional aumentou. Processos ficaram melhores.

Mas as margens não passaram por uma transformação equivalente. E isso não é exclusivo do setor.

Nas empresas listadas em bolsa no Brasil, por exemplo, a margem bruta permaneceu relativamente estável ao longo dos últimos vinte anos. Ou seja, ainda que as empresas e pessoas sejam muito mais digitais hoje do que há duas décadas, a tecnologia não impactou o resultado.

Tecnologia raramente permanece como vantagem competitiva por muito tempo.

Uma empresa ganha eficiência. O concorrente adota a mesma ferramenta. Os clientes aumentam suas expectativas. O mercado absorve parte da produtividade criada.

A nova tecnologia deixa de ser vantagem e se torna requisito.

Foi assim com computadores, internet, smartphones e software corporativo.

Provavelmente será assim com boa parte da inteligência artificial.

Em vez de perguntar quanto a IA aumentará a margem, talvez seja mais útil perguntar qual empresa conseguirá operar em outra velocidade, em outra escala e com outra estrutura de custos.

Boa parte da confusão atual nasce da tentativa de colocar qualquer iniciativa de inteligência artificial dentro da mesma caixa.

Usar um copiloto para resumir reuniões e desenvolver um modelo proprietário para escolher terrenos são projetos completamente diferentes.

Um bom plano de IA deveria separar pelo menos três níveis de ambição.

A primeira camada é quase inevitável.

Inteligência artificial será incorporada aos softwares que as empresas já utilizam: sistemas de gestão, ferramentas comerciais, plataformas financeiras, softwares de projeto e soluções para construção.

Nesse estágio, não há motivo para reinventar tecnologia disponível no mercado.

O desafio é fazer a organização absorver essas ferramentas rapidamente.

Uma construtora provavelmente não construirá seu próprio modelo para gerar atas, analisar documentos básicos ou organizar tarefas. Vai consumir essas capacidades por meio dos fornecedores que já fazem parte de sua operação.

O ganho aqui é produtividade.

Importante, mas pouco defensável.

A segunda camada exige mais critério.

É quando a empresa direciona inteligência artificial para processos específicos em que existe uma relação clara entre tecnologia e resultado.

Compras são um bom exemplo.

Soluções como a Dgenny usam IA para automatizar cotações, comparar propostas e apoiar decisões de aquisição de materiais. O impacto potencial está menos no caráter futurista da tecnologia e mais em algo bastante concreto: menos tempo gasto pela equipe e melhores decisões de compra.

No mercado de intermediação, plataformas como a Domi automatizam partes relevantes da jornada de atendimento para ampliar a capacidade comercial das imobiliárias.

Na gestão de investimentos, a Arch Capital combina dados e inteligência artificial para avaliar riscos climáticos e apoiar decisões sobre ativos imobiliários.

Aqui existe uma disciplina importante.

A iniciativa deveria começar pelo processo econômico, não pela tecnologia.

Se não existe uma resposta clara, talvez o caso de uso não seja prioritário.

A terceira camada é menos frequente e muito mais relevante.

É quando inteligência artificial começa a alterar a estrutura da empresa ou sua forma de competir.

Imagine uma incorporadora capaz de analisar centenas de terrenos continuamente, cruzando legislação, infraestrutura, preço, demanda, perfil de renda e histórico de lançamentos.

Ou uma gestora que aumenta em dez vezes seu universo de ativos analisados sem aumentar proporcionalmente sua equipe.

Ou uma companhia que deixa de organizar centenas de pessoas em estruturas hierárquicas tradicionais porque agentes de IA passam a executar parte importante do trabalho de coordenação.

A Alpaca, nos Estados Unidos, oferece um sinal dessa direção. A empresa estruturou um fundo de real estate utilizando uma plataforma habilitada por inteligência artificial para identificar oportunidades de investimento e captou US$ 223 milhões.

Nesse estágio, IA já não está apenas reduzindo custo.

Ela começa a participar da própria tese de investimento.

Em diferentes estudos o mesmo padrão se apresenta. Acesso e integração de dados aparecem entre as maiores barreiras à implementação de IA nas empresas, citados por 41% dos executivos. Compliance e privacidade aparecem com 37%. Prioridades concorrentes do negócio, com 36%.

Nenhum deles é propriamente um problema de modelo de linguagem.

São questões de organização.

Empresas possuem dados espalhados por dezenas de sistemas. Processos nunca foram desenhados formalmente. Responsabilidades são pouco claras. Áreas trabalham com métricas diferentes. Conhecimento crítico está concentrado em algumas pessoas.

Adicionar inteligência artificial sobre essa estrutura não corrige o problema.

Em alguns casos, apenas o acelera.

Existe uma frase que vale guardar: automatizar um processo ruim cria um processo ruim mais rápido.

Por isso, programas de IA liderados exclusivamente pela área de tecnologia tendem a encontrar um teto.

Transformação exige decisões sobre pessoas, processos, dados, incentivos e estrutura organizacional.

São decisões de liderança.

Criamos aqui um framework para ajudar empresas do mercado imobiliário a discutir melhor a base de sua estratégia com inteligência artificial.

Em vez de começar pela tecnologia, comece por dois eixos.

O primeiro é a urgência de acelerar.

A pergunta aqui é:

Em alguns negócios, concorrentes podem usar IA para reduzir drasticamente custo, tempo de resposta e necessidade de pessoas. Esperar passa a ter um preço.

Em outros, a transformação ocorrerá mais lentamente. Não há motivo para confundir ansiedade com urgência.

O segundo eixo é o potencial de transformação do negócio.

A pergunta muda:

Quando cruzamos essas duas dimensões, surgem quatro estratégias diferentes.

Baixa urgência. Menor potencial de transformação.

Esse provavelmente será o caminho de parte das construtoras tradicionais.

A quantidade de casos de uso é enorme.

Compras, orçamento, planejamento, compatibilização, documentação, análise de contratos, controle de cronograma e atividades administrativas podem ganhar produtividade com IA.

Soluções já começam, por exemplo, a automatizar cotações de materiais, comparar propostas e ajudar times de suprimentos a tomar decisões melhores.

São ganhos relevantes.

Mas existe uma diferença importante entre ganhar eficiência com uma tecnologia e ter o seu negócio redefinido por ela.

No futuro próximo, uma construtora continuará dependendo de capacidade de execução, controle de obra, gestão de fornecedores, engenharia, segurança, logística e produtividade no campo.

A recomendação, portanto, não é ignorar IA.

É não transformar sua adoção em uma corrida desordenada.

Nesse quadrante, a empresa deveria absorver rapidamente aquilo que ficar comprovado, acompanhar a evolução dos fornecedores e concentrar capital e atenção executiva nos casos em que existe retorno econômico claro.

Alta urgência. Menor potencial de transformação do modelo.

Imobiliárias e empresas de gestão de propriedades ajudam a ilustrar esse quadrante.

Atendimento, triagem de clientes, follow-up, qualificação de leads, atualização de informações, cobrança e diversas rotinas operacionais estão diretamente expostas à automação.

Imagine duas imobiliárias vendendo produtos semelhantes.

Uma precisa de cem pessoas para realizar determinada quantidade de atendimentos. A outra, combinando pessoas e agentes de IA, consegue fazer o mesmo com cinquenta – e ainda responder mais rápido.

Talvez o modelo de negócio não tenha sido reinventado.

Mas a estrutura competitiva mudou.

Esse é o ponto.

Em determinadas atividades, IA não precisa criar uma nova indústria para gerar uma ameaça. Basta alterar significativamente o custo de servir.

Nesses casos, esperar pela tecnologia “amadurecer” pode ser caro.

A prioridade não é encontrar o uso mais sofisticado de IA.

É evitar que o concorrente consiga entregar o mesmo serviço com uma estrutura muito melhor.

Aqui, a estratégia é proteger a operação.

Menor urgência. Alto potencial de transformação.

Este talvez seja o quadrante mais interessante para incorporadoras e algumas gestoras de investimento.

Não necessariamente existe um risco existencial no curto prazo.

Uma boa incorporadora não deixa de ser competitiva amanhã porque ainda não opera como uma empresa AI First.

Mas a inteligência artificial pode atingir algumas das decisões mais valiosas de seu negócio.

Não estamos mais falando de economizar algumas horas.

Estamos falando de ampliar o universo de oportunidades que a empresa consegue enxergar.

Capacidades dessa natureza dependem de histórico, dados organizados, processos consistentes e conhecimento transformado em sistema.

Tudo isso leva tempo.

Daí o nome da estratégia: plantar a transformação.

A vantagem futura pode depender menos do software adquirido em 2026 e mais da base de dados e das capacidades organizacionais que começaram a ser construídas naquele momento.

Alta urgência. Alto potencial de transformação.

Aqui entram empresas cuja proposta de valor está diretamente exposta à nova tecnologia.

Portais imobiliários e empresas de software são exemplos evidentes.

Durante muito tempo, a vantagem de determinados negócios esteve ligada à capacidade de organizar informação, estruturar buscas, facilitar workflows, conectar bases de dados ou transformar complexidade em uma interface mais simples.

Esse território está no centro da evolução dos novos modelos.

Para essas empresas, colocar um chatbot no produto dificilmente será suficiente.

A pergunta não é:

É:

Quando a resposta começa a ser “não”, o problema deixa de ser tecnológico. É estratégico.

O risco também é diferente.

Uma construtora pode observar durante algum tempo antes de adotar determinada automação.

Uma empresa cujo produto pode ser substituído ou desintermediado não tem o mesmo luxo.

Nesse quadrante, proteger a operação existente não basta.

É preciso redefinir o jogo.

Em poucos anos, praticamente todas as empresas terão acesso a modelos extremamente sofisticados.

Os mesmos copilotos.

As mesmas APIs.

Os mesmos agentes.

Os mesmos fornecedores.

Isso significa que possuir inteligência artificial dificilmente será uma vantagem duradoura.

O diferencial estará naquilo que não pode ser comprado tão facilmente: dados próprios, conhecimento acumulado, velocidade de decisão, processos bem desenhados e uma organização capaz de aprender.

É provável que as maiores vencedoras da próxima década não sejam as empresas que mais investirem em IA.

Serão aquelas que souberem onde não investir, onde apenas acompanhar o mercado e onde reconstruir partes importantes do negócio ao redor dela.

Por isso, talvez exista uma maneira melhor de pensar sobre toda essa transformação.

A inteligência artificial não vai transformar automaticamente as empresas imobiliárias.

As empresas imobiliárias terão que decidir como querem se transformar com ela.

_{INVESTOR TRACK}

Para os data centers de IA, achar terra deixou de ser o problema. O gargalo virou conseguir centenas de megawatts no ponto certo da rede, com redundância e dentro do prazo.

Um data center se projeta e constrói em dois ou três anos. Uma linha de transmissão ou uma expansão relevante da rede pode levar cinco, sete ou dez. É essa diferença de prazo que começa a ser precificada no terreno.

Nos Estados Unidos, a JLL relatou terrenos rurais que saíram de cerca de US$ 21,53 para US$ 269,10 o metro quadrado depois de assegurar transmissão, água e conectividade. Mais de 12 vezes de valorização sem que nada mudasse no terreno.

No Brasil, o prêmio aparece menos no preço divulgado da terra e mais no controle da infraestrutura elétrica. A Scala fala em mais de 6 GW de conexão assegurada. A Ascenty investe cerca de R$ 200 milhões em uma linha de 35 quilômetros só para energizar o campus de Sumaré.

Proximidade de uma linha de alta tensão não garante capacidade. Pedido de acesso incerto vale pouco. Parecer aprovado reduz risco. Contrato de conexão assinado reduz mais. Subestação construída torna o ativo escasso.

Fica a pergunta para quem compra terra: quantos megawatts podem ser entregues aqui, em que prazo e a que custo?

Clique aqui para ler a análise completa

_{NO NOSSO RADAR}

_{FIQUE DE OLHO}

_FEEDBACK

Se gostou do conteúdo, encaminhe para um conhecido seu