IA confiável em projetos de construção sustentável: Priorizar a qualidade dos dados para decisões de gerenciamento de risco

A inteligência artificial (IA) está sendo cada vez mais adotada para suporte à decisão no gerenciamento de risco em construções sustentáveis, no entanto, a confiabilidade das decisões de risco de sustentabilidade apoiadas por IA depende tanto da qualidade dos dados quanto da capacidade analítica. Condições precárias dos dados podem amplificar os riscos de sustentabilidade ao produzir suporte à decisão não confiável, porém estudos existentes oferecem insights limitados sobre quais dimensões da qualidade dos dados devem ser priorizadas para possibilitar resultados confiáveis de IA. Este estudo identifica e prioriza as dimensões críticas da qualidade dos dados para decisões confiáveis apoiadas por IA no gerenciamento de risco de construção sustentável. Foi realizada uma pesquisa por questionário com profissionais credenciados de construção sustentável, e seus julgamentos especializados foram analisados por meio do Processo Analítico Hierárquico (AHP). Os achados revelam que dimensões dependentes do sistema, particularmente rastreabilidade e interoperabilidade, são priorizadas sobre dimensões intrínsecas como precisão e consistência. Os resultados sugerem que decisões de sustentabilidade confiáveis apoiadas por IA dependem fortemente de uma proveniência de dados verificável, integração entre sistemas e saídas interpretáveis, em vez da correção dos dados isoladamente. Este estudo reformula a qualidade dos dados de um pré-requisito geral para uma construção prioritária, sensível ao contexto, que fundamenta aplicações confiáveis de IA, estendendo a teoria da decisão orientada por dados no domínio da construção sustentável. Por fim, recomenda-se uma abordagem faseada de governança de dados para priorizar a rastreabilidade e interoperabilidade como condições fundamentais para organizações de construção que implementam IA confiável no gerenciamento de risco em construção sustentável.