◆ Futuro · Tendência
Case #T09 · Ng / Suleyman · MASSING GENERATIVO · ZONEAMENTO COMO CÓDIGO

Urbanismo Generativo — Quem Analisa 500 Terrenos por Ano Vence Quem Analisa 10

Ferramentas: Delve (Sidewalk Labs/Google) · TestFit (Dallas) · Archistar (Sydney) · eCheck/AI PreCheck (Vancouver) · 2015 → hoje

Se analisar um terreno custa três semanas de arquiteto, você analisa dez por ano. Se custa vinte minutos de máquina, você analisa quinhentos. Vantagem em desenvolvimento imobiliário é, antes de tudo, quantas opções você consegue avaliar — e ferramentas de massing generativo já geram dezenas de milhares de implantações otimizando coeficiente, insolação, custo e yield. A sacada que ninguém está fazendo no Brasil: quem codifica o plano diretor primeiro tem monopólio local de análise. Transformar a lei de zoneamento das cidades-alvo em base estruturada consultável por IA responde “quanto dá pra construir aqui?” em minutos — enquanto o concorrente ainda liga para o arquiteto.
Interface de um motor de design generativo (Archistar): blocos volumétricos de edifícios gerados sobre um lote urbano, com painel lateral de mix de unidades
O que a máquina cospe: massing gerado sobre o lote, já com mix de unidades — interface da Archistar Archistar · Wikimedia Commons · CC BY-SA 4.0 · clique para ampliar

O Terreno Como Dado — Três Imagens

Este case não é sobre um prédio — é sobre um método. Os outputs reais das ferramentas (renders de massing da Delve para Wembley Park, telas do TestFit, relatórios de compliance da Archistar) são material proprietário dos desenvolvedores — links oficiais na seção Fontes. O que existe em licença livre é a matéria-prima do processo: a interface generativa, o modelo 3D da cidade e o tecido urbano que vira dado. As duas imagens abaixo são ilustrativas — representam a categoria, não um projeto específico citado no texto.

Imagens ilustrativas sob licença livre (Wikimedia Commons, CC BY / CC BY-SA). Outputs reais das ferramentas: TestFit · Archistar · Delve (ArchDaily).

As Ferramentas — O Que Cada Uma Faz de Verdade

Âncora da Távola: Andrew Ng + Mustafa Suleyman — IA aplicada como vantagem operacional: quem estrutura o dado primeiro tem o monopólio da análise

Delve — Sidewalk Labs / Google (lançado out/2020)

O que éFerramenta de design generativo para desenho de quarteirões/bairros — usa machine learning para gerar e ranquear implantações
OtimizaYield de unidades, acesso à luz do dia, insolação no térreo, custo de construção, valor, área livre — "priority outcomes" definidos pela equipe
Caso real — Wembley Park (Quintain, Londres)Delve gerou e avaliou mais de 40.000 variantes; destilou 24 opções de alto desempenho. Uma delas: ~200 unidades a mais, +11% de área livre, melhor luz do dia
Caso real — Japão~10.000 variantes; melhor design: yield desalavancado de 12,1% vs 9,5% do baseline (+260 pontos-base). 50% dos designs superaram o benchmark financeiro e de qualidade de vida
Situação atualSidewalk Labs foi absorvida pelo Google em dez/2021; a Delve foi desativada em 04/mai/2026, com parte das funções migrada para o Google Earth

TestFit — Dallas (fundada 2016)

O que éPlataforma de feasibility imobiliária: configurador paramétrico + design generativo que gera plantas de implantação, estacionamento, mix de unidades e pró-forma
ProdutosSite Solver (feasibility do lote) · Parking Solver · Site Intelligence (zoneamento/dados de risco) · Pro Forma (integração financeira)
Claim de velocidade"Dimensionar um site em 10 minutos" (antes: 3–4 semanas para o primeiro rascunho, por depoimento de usuário). Cenário de site: 30–60 min para várias opções
Produtividade reportadaUsuários citam 2–3× mais modelos alternativos no mesmo orçamento
InteroperabilidadeExporta para DXF (CAD), glTF (3D), SketchUp e Revit — a geometria flui para a fase seguinte de projeto
FundingSérie A de US$ 20 mi liderada pela Parkway Venture Capital (jul/2022); ~US$ 22 mi captados até então

Archistar — Sydney (fundada 2010, Dr. Benjamin Coorey)

O que éPlataforma de pesquisa de sítio + feasibility + geração de design que lê regras de planejamento e gera "milhares de designs compatíveis em minutos"
DiferencialMotor de compliance: checa o desenho contra o zoneamento e o código de obras — o "zoneamento-como-código" que responde o potencial construtivo de qualquer lote
Escala institucionalSegundo a empresa, alimenta o planejamento digital de 30+ cidades e governos na Austrália, Canadá e EUA (LA County, cidade de LA, Austin, Nova York)
OrigemComeçou como Archistar Academy (e-learning de design generativo) antes de virar plataforma de análise

Zoneamento-como-código — eCheck / AI PreCheck (Vancouver, Canadá)

O que éA cidade de Vancouver adotou tecnologia de checagem automática de conformidade (eCheck, hoje AI PreCheck) fornecida pela Archistar — o solicitante sobe o desenho e recebe relatório de compliance
Ferramentas irmãseComply (checagem de conformidade do projeto) e PRET/Project Requirements Exploration Tool (explora regras, custos e viabilidade por localização)
A promessa"Comprimir meses ou anos de aprovação em minutos"; arquiteto do consórcio Multi-AR estima cortar até 60% da revisão focando as regras quantitativas (afastamento verificado — ver Verificação)
Por que importa aquiÉ a prova de conceito pública de que a lei de zoneamento pode virar base estruturada consultável por máquina — a peça central da tese deste case
Precisão sobre os claims comerciais Os números de velocidade ("10 minutos", "milhares de designs em minutos", "cortar 60% da revisão") são, em grande parte, claims dos próprios fornecedores e depoimentos de usuários, não medições independentes auditadas. O que é fato verificável e forte são os casos com números: Wembley Park (40.000+ variantes → 24 opções, ~200 unidades a mais) e o caso Japão da Delve (12,1% vs 9,5% de yield). Ao levar isso para uma mesa de investimento no Brasil, cite os casos, não os slogans.

Mecanismo — Por Que Isso É Vantagem, e Não Só Software

A matemática da tese: opções por ano

A conta central é brutal de simples. Um estudo de massa e viabilidade feito à mão por um arquiteto sênior consome semanas — levantar zoneamento, testar coeficiente, insolação, estacionamento, montar pró-forma. Se cada análise custa três semanas, um profissional entrega da ordem de 10–15 terrenos analisados por ano. Se a mesma análise passa a custar 20–60 minutos de máquina, o mesmo profissional passa a peneirar centenas de terrenos no mesmo período.

E vantagem em desenvolvimento é, na origem, um problema de amostragem. O incorporador que avalia 500 oportunidades e escolhe as 5 melhores está jogando um jogo diferente do que avalia 10 e escolhe as 2 menos ruins. Não é sobre desenhar mais bonito — é sobre ver mais opções antes de comprometer capital. A ferramenta generativa não substitui o arquiteto no projeto executivo; ela substitui o gargalo humano na fase de triagem, onde o valor de errar é baixo e o valor de descartar rápido é altíssimo.

Otimização multi-objetivo: o que a máquina realmente faz

O nome técnico é otimização multi-objetivo sob restrição. O usuário declara (1) as restrições — coeficiente de aproveitamento, afastamentos, altura, área mínima livre; e (2) os objetivos ponderados — maximizar yield de unidades, maximizar insolação, minimizar custo, e assim por diante. O motor então percorre o espaço de soluções (milhares a dezenas de milhares de configurações de implantação) e devolve não "a resposta", mas uma fronteira de opções ranqueadas: as que melhor equilibram os trade-offs.

É por isso que o output da Delve em Wembley não foi um render, e sim 24 opções de alto desempenho de um universo de 40.000. O valor está na fronteira: a equipe humana escolhe onde, na curva entre "mais unidades" e "mais luz", quer ficar. A máquina não decide — ela expande o cardápio de decisões possíveis e mostra o custo de cada troca.

"Teams can choose to update their priorities and planning inputs as stakeholder feedback changes, exploring new possibilities in minutes instead of months."

→ "As equipes podem atualizar suas prioridades e parâmetros à medida que o retorno dos stakeholders muda, explorando novas possibilidades em minutos em vez de meses."

— Okalo Ikhena, Diretor de Produto, Sidewalk Labs (anúncio da Delve, out/2020)

A sacada da Távola: quem codifica o plano diretor primeiro

Aqui está o alfa que ninguém está capturando no Brasil. A parte cara e defensável não é o motor de otimização — esse é software licenciável, qualquer um compra. A parte cara é a base de conhecimento do zoneamento local. A Archistar diz ter investido dezenas de milhares de horas lendo documentos de planejamento para tornar as regras australianas consultáveis; Vancouver está transformando seu código de obras em algo que uma máquina verifica. O ativo real é a lei de zoneamento estruturada.

A leitura de Ng e Suleyman é direta: quem transforma a lei de zoneamento das cidades-alvo em base estruturada consultável por IA responde "quanto dá pra construir aqui?" em minutos — e ganha um monopólio local de análise. Enquanto o concorrente liga para o arquiteto e espera três semanas, você já descartou 480 terrenos ruins e está negociando os 20 bons. A barreira de entrada não é o algoritmo; é o trabalho paciente e chato de codificar o Plano Diretor, a LUOS, os coeficientes por zona, a outorga onerosa, os recuos — cidade por cidade, bairro por bairro.

Ponte direta com a fábrica de análise com IA

Este case existe porque conecta com o que já se opera no Brasil hoje: uma fábrica de análise imobiliária com IA. A viabilidade paramétrica de um terreno — quanto dá pra construir, quanto vale o potencial construtivo, qual o Dossiê de Mercado da região — é exatamente o output que Delve, TestFit e Archistar automatizam lá fora. A diferença competitiva no Brasil não virá de comprar essas ferramentas (o zoneamento delas não é o nosso), e sim de construir a camada brasileira: a base estruturada do zoneamento das cidades onde se opera, plugada num motor de análise que já roda com IA. Quem tiver essa base primeiro responde em minutos o que o mercado responde em semanas.

O Que a Tendência Entrega e Onde Ela Trava

Leitura honesta de uma tendência em curso — o que já funciona e o que ainda é promessa. Detalhes e fontes nas seções Fontes e Verificação.

✓ O Que Já Entrega
  • Triagem em escala: a fase de feasibility passa de semanas para minutos — o incorporador peneira centenas de terrenos, não dezenas.
  • Casos com número real: Wembley Park (40.000+ variantes → 24 opções, ~200 unidades a mais, +11% de área livre) e o caso Japão (12,1% vs 9,5% de yield). Não é folclore de fornecedor.
  • Fronteira de trade-offs explícita: a máquina mostra o custo de cada troca (mais unidades × mais luz × menos custo), decisão que antes era intuição.
  • Interoperável: geometria exporta para CAD/Revit/SketchUp — o output alimenta a fase de projeto, não morre numa tela.
  • Zoneamento-como-código já é público: Vancouver e cidades dos EUA provam que a regra de urbanismo vira base consultável por máquina — a peça central da tese saiu do slide.
✗ Onde Trava / Limites
  • Risco de plataforma: a Delve, a mais avançada, foi desativada em mai/2026 após a Sidewalk Labs ser dissolvida no Google. Depender de ferramenta de terceiro é depender da estratégia dele.
  • Claims não auditados: "10 minutos", "milhares em minutos", "cortar 60%" são do fornecedor/usuário, sem medição independente. Slogan não é due diligence.
  • Lixo entra, lixo sai: a qualidade do output depende inteiramente da qualidade da base de zoneamento — e no Brasil essa base não existe pronta.
  • Não substitui aprovação: gerar o massing ótimo não garante alvará. O gargalo político-jurídico da aprovação continua humano (ver Case Sidewalk Toronto).
  • Zoneamento brasileiro é heterogêneo: milhares de municípios, planos diretores díspares, dados dispersos em PDF — codificar isso é trabalho braçal, não plug-and-play.

Aplicação — Construir a Camada Brasileira de Análise Generativa

Pattern Extraído
Quem Codifica o Zoneamento Primeiro Vira o Monopólio Local de Análise

A vantagem não está no motor generativo — está na base estruturada do zoneamento da sua cidade-alvo. O motor é commodity licenciável; a base de regras codificadas é o ativo escasso. Quem transforma o Plano Diretor, a lei de uso e ocupação do solo e as regras de outorga em dado consultável por IA responde o potencial construtivo de qualquer lote em minutos — e passa a triar 500 terrenos por ano enquanto o concorrente ainda analisa 10 no braço.

Frase causal: Onde a fase de viabilidade paramétrica de um terreno custa semanas de arquiteto e limita o funil a dezenas de análises por ano [C], estruturar o zoneamento das cidades-alvo em base consultável por IA e acoplá-la a um motor de massing generativo [M] derruba o custo de análise para minutos, multiplica por 30–50× o número de oportunidades avaliadas e cria uma barreira local que o concorrente não replica sem refazer o mesmo trabalho de codificação [R].

Gêmeo brasileiro: um banco de terrenos operando em capitais e cidades médias aquecidas (interior de SP, Sul, eixos do agro) no momento de ciclo em que o estoque de terreno bem localizado escasseia e cada oportunidade precisa ser peneirada rápido — o Brasil pós-2023, com CUB e custo de obra pressionados e prazo de aprovação longo. O primeiro passo não é comprar TestFit; é codificar o Plano Diretor e a LUOS das 3–5 cidades onde já se opera numa base estruturada e plugá-la à fábrica de análise com IA existente. Gatilho mensurável a monitorar: número de terrenos analisados por mês por analista (meta: saltar de ~10 para 100+); percentual de cidades-alvo com zoneamento codificado; tempo médio da pergunta "quanto dá pra construir aqui?" da chegada do lote à resposta (meta: de semanas para <1 dia); e taxa de conversão de terrenos triados em propostas de permuta ou aquisição.

Critérios para montar a camada de análise generativa — Brasil nacional

As ferramentas estrangeiras não resolvem o Brasil de saída porque o zoneamento delas não é o nosso. O que se importa é o método, não o produto. A tabela traduz o padrão em decisões operacionais para quem já roda análise imobiliária com IA.

CritérioO que buscarSinal de alerta
Comece pela base de zoneamento, não pelo motor Priorizar a codificação do Plano Diretor, LUOS, coeficientes por zona, recuos, gabarito e regras de outorga das cidades onde já se opera. Essa base é o ativo — o motor generativo se compra ou se constrói depois. Comprar licença de ferramenta estrangeira achando que resolve o Brasil — o zoneamento dela não é o seu; a base local continua faltando
Foco nas regras quantitativas primeiro Codificar o que é numérico e objetivo (CA, taxa de ocupação, recuos, altura) — é onde a máquina acerta e onde Vancouver focou. O qualitativo (estética, entorno) fica para o humano. Tentar automatizar o subjetivo (aprovação de vizinhança, análise de impacto) na largada — vira ruído e desconfiança no output
Otimização multi-objetivo honesta Definir os objetivos ponderados que importam para o produto-alvo (yield, custo/m², VGV, insolação) e entregar uma fronteira de opções ranqueada — não uma "resposta mágica" única. Vender "a IA achou o projeto perfeito" — a máquina expande o cardápio de decisões, quem decide é o incorporador
Independência de plataforma Não amarrar o core do negócio a uma única ferramenta de terceiro. A Delve morreu; a base de dados e a lógica de análise precisam ser ativo próprio, portável. Construir todo o processo dentro de uma plataforma fechada — quando ela mudar de estratégia ou fechar, o funil de análise para
Fase certa: triagem, não projeto executivo Usar o generativo onde o valor de errar é baixo e o de descartar rápido é alto — a peneira de oportunidades. O projeto que vai pra prefeitura continua com arquiteto humano. Prometer que a máquina entrega o projeto de aprovação — ela entrega o estudo de massa e a pró-forma preliminar, não o alvará
Dado de mercado acoplado Ligar o massing à camada de mercado (preço/m² por região, absorção, VGV comparável) para que a saída seja viabilidade econômica, não só volume construível — o Dossiê de Mercado da região. Otimizar só o físico (quanto cabe) sem o econômico (quanto vende) — massing lindo que não fecha a conta
Prova pública de conceito local Buscar prefeituras dispostas a estruturar o próprio código (como Vancouver fez) — parceria com o poder público acelera a base e cria posicionamento de autoridade. Assumir que a prefeitura brasileira entrega o zoneamento pronto e digital — na maioria dos municípios, a regra ainda vive em PDF e lei esparsa

Onde no Brasil isso está maduro para agir agora

Bancos de terreno e incorporadoras com pipeline recorrente: quem avalia dezenas de terrenos por mês tem o problema exato que a análise generativa resolve. O ROI aparece na triagem — descartar rápido o que não fecha e concentrar a due diligence cara nos poucos que fecham.

Cidades médias em verticalização (interior de SP, Sul, Centro-Oeste do agro): zoneamento mais simples e menos judicializado que o das capitais — mais fácil de codificar primeiro. É onde a permuta já é moeda corrente e onde responder "quanto dá pra construir aqui?" em minutos vira vantagem comercial imediata na negociação com o dono da terra.

Operações urbanas e PIUs em São Paulo (Água Branca, Tamanduateí, PIUs do centro): perímetros com potencial construtivo adicional pactuado — onde a matemática do massing é mais generosa e mais vale a pena modelar com precisão.

O que NÃO se aplica direto: importar a ferramenta estrangeira esperando que ela leia o zoneamento brasileiro — não lê. E não confundir massing ótimo com aprovação garantida: o gargalo político-jurídico do alvará continua humano (o Case Sidewalk Toronto é o lembrete de que a licença social e a aprovação matam mais VGV que a engenharia). A vantagem é de análise, não de aprovação.

Siglas e Termos-Chave

Design generativo
Método em que um algoritmo gera muitas soluções de projeto a partir de parâmetros e restrições declarados, em vez de o humano desenhar uma por uma. No urbanismo: milhares de implantações possíveis geradas e avaliadas automaticamente.
Massing
Estudo de massa: a definição volumétrica preliminar do que se constrói num lote (implantação, gabarito, área por pavimento) antes do projeto detalhado. É a fase que as ferramentas generativas automatizam.
Otimização multi-objetivo
Técnica que busca soluções equilibrando vários objetivos conflitantes ao mesmo tempo (mais unidades × mais luz × menos custo). O resultado não é uma resposta única, mas uma fronteira de opções ranqueadas por trade-off.
FAR / CA (Coeficiente de Aproveitamento)
FAR (Floor Area Ratio) é o equivalente americano do Coeficiente de Aproveitamento brasileiro: a razão entre a área construída permitida e a área do lote. É a variável central de quanto se pode construir — e o primeiro parâmetro que qualquer motor de análise precisa conhecer.
Yield
Retorno do empreendimento — no caso Japão da Delve, o "yield desalavancado" (unlevered yield) mede o retorno operacional sobre o capital total investido, sem dívida. Saiu de 9,5% (baseline) para 12,1% no melhor design gerado.
Ponto-base (bps)
1 ponto-base = 0,01%. A melhora de 9,5% para 12,1% de yield equivale a 260 pontos-base — a unidade padrão de mercado financeiro para variações de retorno.
Insolação / acesso à luz do dia
Quanto de sol/luz natural cada face do edifício e o térreo recebem — variável de qualidade de vida e de valor comercial que a Delve otimizava explicitamente ("daylight access"). Calculável a partir do modelo 3D do entorno.
Zoneamento-como-código
Transformar a lei de uso e ocupação do solo em base de dados estruturada que uma máquina consulta e verifica — em vez de texto legal lido por humano. É a peça central da tese: quem estrutura primeiro tem monopólio local de análise.
Feasibility (viabilidade)
Estudo que responde se e quanto um terreno comporta de construção e se o negócio fecha economicamente. É a fase que TestFit e Archistar automatizam — de semanas para minutos, na promessa.
Pró-forma
Planilha de viabilidade econômica do empreendimento (receita, custo, VGV, margem). O TestFit integra a pró-forma ao massing para que a saída seja "quanto vende", não só "quanto cabe".
Potencial construtivo
O quanto se pode edificar em um lote segundo o zoneamento (CA, ocupação, recuos, outorga). Responder isso em minutos, e não em semanas, é a vantagem competitiva que este case defende.
Interoperabilidade (DXF/glTF/Revit)
Capacidade de a geometria gerada fluir para outros softwares de projeto (CAD, 3D, BIM) sem retrabalho — garante que o output generativo alimente a fase seguinte em vez de morrer numa tela isolada.

Onde Estudar — Links Verificados

Delve — Sidewalk Labs / Google

TestFit — Dallas

Archistar & zoneamento-como-código

Status dos Principais Claims

AfirmaçãoStatusObservação
Delve lançada em out/2020 pela Sidewalk Labs; usa ML para gerar e ranquear implantações✓ VERIFICADOArchDaily + Smart Cities Dive + anúncio oficial (Medium/Sidewalk Talk)
Wembley Park (Quintain): 40.000+ variantes → 24 opções de alto desempenho; ~200 unidades a mais, +11% área livre✓ VERIFICADOAnúncio oficial da Sidewalk Labs + Smart Cities Dive + ArchDaily
Caso Japão: yield 12,1% vs 9,5% baseline (+260 bps); ~10.000 variantes; 50% acima do benchmark✓ VERIFICADOaec+tech (Delve Case Study: Japan) — números detalhados; capital ¥300 bi (~US$ 3 bi)
Sidewalk Labs absorvida pelo Google em dez/2021; Delve desativada em 04/mai/2026✓ VERIFICADOTechCrunch (2021) + Wikipedia — funções migradas ao Google Earth
TestFit fundada em 2016 (Dallas) por Clifton Harness e Ryan Griege; Série A US$ 20 mi (Parkway, jul/2022)✓ VERIFICADOGlobeNewswire + múltiplas fontes de imprensa. Corrige "fundada 2015"/"2015+" do brief
TestFit: produtos (Site Solver, Parking Solver, Pro Forma) e exportação DXF/glTF/SketchUp/Revit✓ VERIFICADOSite oficial testfit.io
Archistar fundada em 2010 por Dr. Benjamin Coorey (Sydney); lê regras de planejamento e gera designs compatíveis✓ VERIFICADOArchistar (Our Story) + perfis Crunchbase/imprensa
Vancouver adotou eCheck/AI PreCheck da Archistar para checagem automática de conformidade✓ VERIFICADOCidade de Vancouver (echeck-compliance-made-easy) + Digital Supercluster (consórcio Multi-AR)
"10 minutos para dimensionar um site" / "milhares de designs em minutos" / "cortar 60% da revisão"⚠ CLAIM DE FORNECEDOR / DEPOIMENTOSão claims comerciais e depoimentos de usuários (TestFit, Archistar) ou estimativa de arquiteto (Vancouver), sem medição independente auditada — usar como ilustração, não como métrica dura
Archistar "alimenta 30+ cidades/governos" incl. LA County, NY, Austin⚠ FONTE ÚNICA (o próprio fornecedor)Número institucional da Archistar; não localizada auditoria independente da lista completa
"3 semanas → 20 minutos" (framing do brief)⚠ ORDEM DE GRANDEZACoerente com depoimentos (3–4 semanas → 10 min no TestFit), mas o "20 minutos" exato é arredondamento retórico, não número de fonte primária. Usar como ilustração da ordem de magnitude
"Ferramentas geram milhares/dezenas de milhares de variações"✓ VERIFICADOConfirmado nos números reais: 40.000 (Wembley) e ~10.000 (Japão) na Delve
"Quem codifica o plano diretor primeiro tem monopólio local de análise"✗ TESE ESTRATÉGICA — NÃO É FATO VERIFICÁVELÉ a leitura da Távola (Ng/Suleyman), não um fato empírico. Apresentada como argumento, apoiada pela evidência de que o zoneamento-como-código já existe (Vancouver) e é trabalhoso de replicar

Outputs a Gerar Após o Estudo

Brief: roteiro para codificar o zoneamento de 3–5 cidades-alvo em base estruturada consultável por IA — do PDF da LUOS à camada acoplada à fábrica de análiseoutputs/briefs/case-t09-brief.md
Post LinkedIn — "Quem analisa 500 terrenos por ano vence quem analisa 10: a vantagem imobiliária virou problema de amostragem"outputs/conteudo/case-t09-linkedin.md
Pattern: Zoneamento-como-Código — a base estruturada como ativo escasso e monopólio local de análisepatterns/zoneamento-como-codigo.md
← Voltar ao índice Case novo · Currículo da Távola