Conectando teoria urbana e inteligência artificial: um sistema de recomendação multiagente para desenvolvimento urbano sustentável

Por que isso importa para a vida na cidade

À medida que mais cidades recorrem à inteligência artificial para enfrentar trânsito, ondas de calor, criminalidade e poluição, emerge um risco oculto: muitos projetos de IA ignoram décadas de conhecimento acumulado sobre como os bairros realmente funcionam. Este estudo mostra que a maioria das ferramentas de IA urbana persegue os algoritmos mais recentes em vez das necessidades reais dos moradores, e oferece uma nova forma de colocar o pensamento urbano centrado nas pessoas de volta no comando das máquinas.

Quando ferramentas inteligentes esquecem a sabedoria urbana

Os autores revisaram 1.123 artigos de pesquisa que usam IA para planejamento urbano e segurança. Eles descobriram que menos de 2 em cada 100 sequer mencionavam ideias clássicas sobre cidades, como a forma como a vida nas ruas sustenta a segurança ou como os serviços devem ser organizados em um bairro. Em vez disso, quase metade dos estudos foi guiada principalmente pela tecnologia: os pesquisadores escolheram algoritmos porque eram novos ou potentes, não porque correspondiam a um problema urbano real. Justiça social, resiliência de longo prazo e habitabilidade do dia a dia foram frequentemente tratados como considerações secundárias.

Dados e algoritmos guiando na direção errada

A equipe também examinou que tipos de algoritmos e dados esses projetos usavam. Aprendizado de máquina moderno e deep learning dominaram, e modelos de IA mais recentes, como grandes modelos de linguagem e ferramentas generativas, foram adotados quase imediatamente após seu lançamento. Ao mesmo tempo, a maioria dos projetos confiou em dados fáceis de obter por sensores e ambientais, como monitores de qualidade do ar ou detectores de tráfego. Informações mais difíceis de coletar sobre as experiências das pessoas, condições sociais ou a configuração dos bairros foram usadas muito menos, embora muitas teorias urbanas digam que esses fatores são cruciais. O resultado é o que os autores chamam de “oportunismo de dados”, onde o que é mensurável molda as perguntas, em vez do que realmente importa para a vida urbana.

Como a pressa pela IA acelera o problema

Ao analisar a evolução temporal, os pesquisadores observaram a mudança da IA nas cidades de experimentos cuidadosos e orientados por problemas para um rápido “empurrão tecnológico”. Antes de 2008, quase nenhum artigo de planejamento urbano utilizava linguagem de IA. Depois disso, e especialmente após o crescimento do deep learning, o número de estudos rotulados como IA explodiu, com mais de 60 por cento publicados depois de 2020. Novas ferramentas, como modelos imagem-texto e grandes modelos de texto, apareceram em pesquisas urbanas no mesmo ano em que foram inventadas. Essa velocidade pode parecer empolgante, mas incentiva o uso de novidades, mesmo que não sejam adequadas à tarefa ou que obscureçam para os planejadores as trocas sociais e ambientais envolvidas.

Um novo manual para IA mais inteligente e justa nas cidades

Para reconectar a IA com necessidades urbanas reais, os autores construíram um sistema baseado em grandes modelos de linguagem que funciona como um painel de assistentes especialistas. Ao receber uma descrição de um desafio urbano, como desperdício de alimentos, exposição ao calor ou risco de desastres, um agente primeiro estrutura o problema. Outro busca em um banco de 46 teorias clássicas da cidade para encontrar as que melhor descrevem o que está acontecendo. Um terceiro associa métodos de IA adequados, um quarto sugere fontes de dados necessárias, e um quinto verifica se o pacote todo é robusto e realista. Testes em estudos de caso mostram que esse processo desloca projetos de objetivos estreitos, como reduzir custos de entrega ou melhorar precisão preditiva, para metas mais amplas que também consideram equidade, saúde e impactos climáticos.

O que isso significa para o futuro da IA urbana

Em termos simples, o estudo argumenta que perguntar “O que este algoritmo pode fazer?” é o ponto de partida errado. Em vez disso, planejadores, engenheiros e comunidades devem primeiro perguntar “O que este problema urbano realmente exige para se tornar mais sustentável e justo?” e só então escolher ferramentas de IA que se ajustem a essas necessidades e às melhores teorias urbanas disponíveis. Ao tornar essas teorias visíveis e utilizáveis dentro de um sistema de recomendação de IA, os autores mostram como as cidades podem usar computação avançada sem perder de vista a experiência humana, os espaços compartilhados e a resiliência de longo prazo.

Citação: Tong, J., Wang, S., Wang, G. et al. Bridging urban theory and artificial intelligence: a multi-agent recommendation system for sustainable city development. npj Urban Sustain 6, 77 (2026). https://doi.org/10.1038/s42949-026-00377-2

Palavras-chave: IA urbana, cidades sustentáveis, planejamento urbano, sistemas multiagente, governança de cidades inteligentes