iDesignGPT aprimora o projeto conceitual por meio de fluxos de trabalho agenteados com grandes modelos de linguagem

Por que ferramentas de projeto mais inteligentes importam

De carros elétricos a drones de emergência, todo produto complexo começa como uma ideia vaga num quadro branco. As escolhas de projeto feitas nas etapas iniciais costumam determinar a maior parte do custo, da segurança e do desempenho de um produto, mas essa fase ainda depende fortemente da intuição de especialistas, de longas reuniões e de documentos dispersos. Este artigo apresenta o iDesignGPT, uma nova estrutura baseada em IA que pretende transformar grandes modelos de linguagem — a mesma família de ferramentas por trás dos chatbots modernos — em colaboradores disciplinados para engenheiros, ajudando tanto especialistas quanto iniciantes a explorar ideias, reunir informações e avaliar conceitos iniciais de forma mais sistemática.

O problema do estágio inicial na engenharia

O projeto conceitual é a “frente difusa” da engenharia: as equipes precisam decidir o que um sistema deve fazer, como ele pode funcionar e se é mesmo viável, tudo isso com informação incompleta. Estudos mostram que até 80% do custo do ciclo de vida fica definido nessa etapa, e erros podem ser enormemente caros de corrigir depois. Métodos tradicionais — como quadros estruturados de requisitos e manuais de resolução de problemas — foram concebidos para ambientes industriais mais restritos e frequentemente exigem formação especializada profunda. Ao mesmo tempo, ferramentas de desenho assistido por computador e simulação ajudam principalmente quando já existe um layout detalhado, deixando uma lacuna de suporte para a fase inicial, mais criativa. À medida que produtos se tornam mais multidisciplinares e empresas buscam envolver projetistas menos especializados, essas limitações ficam cada vez mais difíceis de ignorar.

O que a IA atual acerta — e erra

Modelos recentes de grandes linguagens (LLMs), como GPT-4o e DeepSeek, demonstraram habilidades impressionantes de raciocínio e já podem ajudar em tarefas como redigir relatórios ou gerar ideias. Eles também podem ser transformados em “agentes” que planejam etapas, chamam ferramentas e consultam bases de dados externas. No entanto, fora da caixa eles têm dificuldades com projeto de engenharia: faltam-lhes conhecimentos de domínio específicos, podem interpretar mal a intenção do usuário e são suscetíveis a “alucinações” — afirmações confiantes, porém incorretas. Ajudantes de design por IA existentes geralmente focam em uma única etapa, como a geração de ideias, e são sensíveis à forma como o usuário formula prompts. Isso os torna difíceis de confiar em decisões de alto risco ou para apoiar novatos que não conseguem detectar erros técnicos sutis.

Um parceiro de IA estruturado para projetistas

O iDesignGPT resolve essas questões ao integrar agentes LLM em um processo de projeto completo e orientado por método. Construído sobre uma plataforma aberta, organiza assistentes de IA em clusters com papéis distintos — analistas, oficiais de informação, inovadores e avaliadores — vinculados a quatro estágios: definir o problema, coletar informações, gerar conceitos e avaliar opções. No modo “Copilot”, um agente conversacional trabalha com o usuário para esclarecer objetivos e refinar requisitos por meio de diálogo natural, aceitando texto e imagens. No modo “Agent”, agentes especializados aplicam automaticamente técnicas de projeto estabelecidas, como estruturas de análise de necessidades e matrizes de qualidade-função, para transformar desejos do cliente em metas de engenharia ponderadas. Uma base de conhecimento agrega patentes, artigos acadêmicos e exemplos de produtos premiados, enquanto salvaguardas e agentes de verificação cruzada ajudam a reduzir alucinações e manter o processo transparente.

Colocando o sistema à prova

Para avaliar se essa estrutura funciona na prática, os autores testaram o iDesignGPT num desafio de alto perfil: projetar uma aeronave de resgate compacta capaz de voar de forma autônoma em emergências. O sistema primeiro expandiu e reorganizou a lista original de requisitos, eliminando detalhes estreitos de casos de teste e inferindo necessidades mais amplas como segurança e autonomia. Em seguida, pesquisou patentes, artigos de pesquisa e bases de dados de prêmios de design, e usou múltiplos métodos criativos — biomimética, brainstorming, recombinação estruturada e análise por princípios inventivos — para construir opções de solução modulares. Finalmente, pontuou e selecionou um projeto combinado. Medidas quantitativas mostraram que esse processo ampliou o espaço de projeto explorado e aumentou a diversidade e a novidade das ideias nas fases iniciais, para depois migrar ao refinamento. Quando o conceito resultante foi comparado com 22 entradas humanas vencedoras da mesma competição, sua pontuação de satisfação do cliente o colocou aproximadamente no quartil superior.

Como ele se compara a outros fluxos de trabalho de IA

A equipe também comparou o iDesignGPT com configurações padrão de LLM — prompting simples, chain-of-thought e um modelo focado em raciocínio — em seis desafios públicos de engenharia de agências como a NASA e o Departamento de Energia dos EUA. Usando métricas objetivas fundamentadas na prática de engenharia, eles avaliaram soluções quanto a novidade, originalidade (o quanto se distanciam de patentes existentes), racionalidade, maturidade técnica e modularidade. O iDesignGPT produziu de forma consistente conceitos mais originais e modulares enquanto mantinha forte racionalidade, mesmo que suas ideias fossem um pouco menos prontas para implementação imediata do que as geradas pelos modelos mais conservadores. Revisores especialistas confirmaram amplamente esses padrões. Em estudos com 48 participantes, que iam de estudantes de graduação a engenheiros profissionais, a assistência de IA em geral reduziu a carga mental comparada ao projeto apenas humano, e o iDesignGPT, em particular, ofereceu a projetistas novatos orientação de processo mais clara, revelou necessidades negligenciadas e apoiou a tomada de decisão sem exigir habilidades avançadas de redação de prompts.

O que isso significa para os projetistas do futuro

Para leitores leigos, a principal conclusão é que ferramentas como o iDesignGPT não têm a ver com substituir engenheiros, mas com tornar as etapas iniciais e bagunçadas do projeto mais acessíveis, transparentes e exploratórias. Ao embalar métodos rigorosos de projeto em fluxos de trabalho multiagente de IA, a estrutura ajuda usuários a articular o que realmente precisam, explorar uma gama mais ampla de possibilidades e comparar opções usando critérios explícitos. Embora ainda enfrente limites — especialmente em problemas com restrições rígidas e fora da fase conceitual —, ela oferece um vislumbre de ambientes de projeto onde estudantes, generalistas e especialistas podem cocriar sistemas complexos com uma IA que se comporta menos como um assistente tagarela e mais como um colaborador metódico e bem treinado.

Citação: Liu, S., Shen, Y., Zhang, Y. et al. iDesignGPT enhances conceptual design via large language model agentic workflows. Nat Commun 17, 1997 (2026). https://doi.org/10.1038/s41467-026-68672-1

Palavras-chave: projeto de engenharia, ferramentas de design com IA, grandes modelos de linguagem, geração de conceitos, colaboração humano–IA