Por Ana Soares, Sector Lead Esri Portugal
À medida que os desafios se tornam mais complexos, o sistema de informação geográfica (SIG) enriquecido com inteligência artificial (IA) afirma-se como tecnologia-chave. Imagine criar um mapa temático de zonas de pressão de rede sem carregar camadas, abrir ferramentas ou ajustar simbologias. Bastaria descrever em linguagem natural o resultado pretendido e, após alguns prompts, obter o mapa com as especificações desejadas.
Estas possibilidades já estão em desenvolvimento na plataforma ArcGIS. A Esri tem incorporado AI Assistants, uma coleção de ferramentas com processamento de linguagem natural e machine learning (ML) que auxiliam em tarefas como encontrar ferramentas de geoprocessamento, gerar consultas SQL, descobrir dados ou criar expressões no ArcGIS Arcade. Integrados em diferentes produtos, aumentam a produtividade, melhoram a experiência do utilizador e democratizam o acesso à informação geoespacial.
No terreno, a recolha de informação através de formulários é prática corrente. O AI Assistant do ArcGIS Survey123 simplifica o processo, permitindo criar formulários de forma conversacional. Por exemplo, ao solicitar: “Cria um inquérito de rotina para inspeção de caixa de visita com identificação do tipo de anomalias estruturais e não estruturais, uma avaliação geral do estado (bom, razoável, mau) e associação de fotografia”, o assistente gera automaticamente a estrutura, os campos e a interface necessária, poupando tempo e reduzindo erros.
A IA no SIG não é novidade. As ferramentas de GeoAI têm-se mostrado eficazes na automatização de tarefas e extração de informação espacial a partir de dados como textos ou imagens. Atualmente, a plataforma disponibiliza mais de 70 modelos pré-treinados de deep learning, capazes de identificar edifícios, polígonos de uso do solo, piscinas, painéis solares, árvores e outros elementos, a partir de imagens e nuvens de pontos 3D.
O GeoAI também permite análises preditivas de dados vetoriais. Algoritmos de machine learning ML podem, por exemplo, estimar o risco de colapso de coletores considerando fatores como topografia, hidrologia, criticidade do ativo, características construtivas e demografia. Desta forma, a tomada de decisão, o planeamento e a gestão das redes são fortalecidos com insights baseados em dados.
A Águas e Energia do Porto destaca-se pela aplicação de IA e automação aliada ao em SIG. Desenvolveu ferramentas digitais que apoiam a identificação de ativos críticos na rede de saneamento, a redução da pressão global no sistema de água, a avaliação de variáveis como roturas e o apoio à priorização das condutas a renovar. Estes processos contribuem para prolongar a vida útil das infraestruturas, melhorar o serviço prestado e reduzir perdas de água.
Já a Águas de Gaia implementou QR Codes para georreferenciar os locais de consumo dos seus 140 mil clientes. Esta solução possibilita uma interação personalizada e bidirecional, além de identificar fugas aparentes na rede privada, que resultam em desperdícios de milhares de metros cúbicos de água e em custos excessivos para os consumidores. O sistema emite alertas de consumo anómalo no prazo de 24 horas, prevenindo reclamações e ajustando tarifas quando necessário. Com recurso a análises espácio-temporais avançadas e modelos de ML, a empresa identifica padrões como hotspots de contadores avariados ou zonas de maior incidência de ilícitos.
Em suma, a integração de IA e SIG potencia a gestão inteligente dos ativos, reforça a sustentabilidade das decisões e orienta de forma mais precisa os investimentos necessários, respondendo de forma inovadora e eficaz aos desafios atuais da gestão da água.
