Inteligência artificial no mercado imobiliário cria valor onde existe operação real e dado proprietário para alimentá-la, não onde existe modelo genérico aplicado a dado público. No Brasil, a leitura da Terracotta é ops-first, não data-first: a IA paga quando entra numa operação que já gira, com dado que só aquela empresa tem, e vira promessa de slide quando é vendida como camada mágica em cima de informação que todo mundo acessa. O motor não é o algoritmo. É o dado proprietário e a operação que o gera.
Principais pontos
- A IA no imobiliário entrega onde há operação rodando e dado proprietário que a alimenta. Onde falta um dos dois, é hype.
- Ops-first vence data-first no Brasil. Acumular dado sem operação que o use é custo, não vantagem.
- O algoritmo virou commodity. O que ninguém copia rápido é o dado que só a sua operação gera, ciclo após ciclo.
- O mesmo capital que ficou seletivo no funding e na inovação separa, agora, IA com tese de IA com narrativa.
- Para quem capta e para quem aloca, adotar IA é decisão de operação: onde ela encurta um processo que já existe e tem caixa.
Este é o explicador da tese. Para o setor inteiro, veja construtechs e proptechs no Brasil. Para a visão de capital que organiza tudo isso, veja inteligência de capital imobiliário.
O que é IA no mercado imobiliário (e por que a definição importa)
IA no mercado imobiliário é o uso de modelos que aprendem com dados para prever, classificar ou automatizar decisões na cadeia do imóvel: precificar um ativo, prever demanda, qualificar um lead, ler um contrato, estimar absorção de um lançamento. A definição parece técnica, mas a parte que decide o resultado não é o modelo. É de onde vem o dado e em que operação a decisão entra.
Aqui mora a confusão do mercado. A maior parte do que se vende como "IA imobiliária" é um modelo genérico, em geral o mesmo de prateleira, rodando sobre dado que qualquer concorrente também tem. Isso produz demonstração bonita e vantagem nenhuma. Se o dado é público e o modelo é comprado, o resultado é replicável por quem tiver o mesmo fornecedor na semana seguinte.
A IA que cria valor é a que se acopla a uma operação real e se alimenta de dado que só aquela operação gera. Não é mais inteligente por ter um algoritmo melhor. É mais difícil de copiar por estar amarrada a um caixa que já roda e a um histórico que ninguém mais tem.
Ops-first contra data-first: a tese da casa
Há duas formas de apostar em IA no imobiliário, e elas levam a lugares opostos. A data-first parte do dado: junta a maior base possível, na esperança de que a escala da informação, sozinha, vire vantagem. A ops-first parte da operação: pega um processo que já gira, com caixa e repetição, e usa IA para encurtá-lo, gerando dado proprietário como subproduto.
A tese da Terracotta é ops-first. No Brasil, acumular dado sem uma operação que o consuma é custo, não ativo. Base parada não prevê nada, não decide nada e não se paga. O dado vira motor quando nasce de uma operação que roda todo dia e volta para ela como decisão melhor no ciclo seguinte. Quem só tem dado tem planilha grande. Quem tem operação tem o lugar onde a IA paga, e o histórico proprietário que o concorrente não reconstrói do zero.
Por que o dado proprietário é o motor
Modelo de IA virou commodity. Os bons estão disponíveis por API, e o que era diferencial técnico em 2020 hoje se contrata por assinatura. O que não se contrata é o dado que só a sua operação produz: o histórico de captação que a sua casa acumulou, a curva de absorção dos seus lançamentos, o comportamento dos seus leads ao longo de anos.
Esse dado é o fosso. Ele não aparece num benchmark público, não se compra de fornecedor e não se replica copiando o pitch. Por isso a pergunta certa para qualquer aposta de IA no setor não é "qual o modelo?". É "qual o dado proprietário que alimenta esse modelo, e de qual operação ele vem?". Sem resposta, a IA é uma camada genérica esperando para ser comoditizada.
O caso CoStar: o fosso é o dado que a operação gera
Um modelo de IA não se sustenta no vácuo. Sem uma base limpa e padronizada de ativos, transações e comportamento de mercado, o algoritmo vira feature, copiável por quem assinar o mesmo fornecedor na semana seguinte. O caso que prova isso é a CoStar.
A empresa nasceu em 1987 digitalizando fichas de imóveis comerciais nos Estados Unidos. Não começou como empresa de IA. Começou como operação de coleta: gente em campo levantando dado que ninguém mais tinha. Três décadas depois, virou uma base presente em 14 países, com mais de 5 milhões de anúncios ativos, 26 milhões de imóveis residenciais e 7 milhões de propriedades comerciais mapeados. Em 2024, faturou US$ 2,74 bilhões com margem de 43% (dados da própria CoStar, 2024).
O ponto não é o tamanho. É a origem. A CoStar não comprou esse dado, gerou ele, ciclo após ciclo, numa operação que roda há mais de 30 anos. Nenhum concorrente reconstrói isso copiando o pitch ou assinando uma API. A IA em cima dessa base é difícil de replicar porque a base é difícil de replicar. É a tese ops-first levada ao limite: a operação veio primeiro, o dado proprietário veio como subproduto, e a IA entrou por último, no lugar onde já havia caixa e histórico.
No Brasil, o equivalente não é comprar a maior planilha. É ter a operação que gera o dado que ninguém mais tem. O Mapa das Construtechs e Proptechs é esse tipo de ativo na casa: dado nascido de uma operação que roda, não base de prateleira.
Onde a IA cria valor real e onde é promessa vazia
A diferença entre as duas não é o tema, é a estrutura por trás. A tabela separa o caso em que a IA paga do caso em que ela só demonstra, pelo mesmo critério: existe operação rodando e dado proprietário alimentando, ou não.
| IA que cria valor real | IA que é hype | |
|---|---|---|
| Ponto de partida | Operação que já gira, com caixa e repetição | Modelo procurando um problema para resolver |
| Fonte do dado | Proprietário, gerado pela própria operação | Público ou comprado, o mesmo do concorrente |
| O que ela faz | Encurta um processo que já existe e tem retorno | Promete reinventar um processo que ninguém pediu |
| Quem copia | Difícil: depende do histórico que só você tem | Fácil: mesmo modelo, mesmo dado, na semana seguinte |
| Como se mede | Caixa: ciclo mais curto, custo menor, decisão melhor | Demonstração: a tela impressiona, o resultado não aparece |
| Efeito com o tempo | O fosso aprofunda: mais operação, mais dado, decisão melhor | Comoditiza: o mesmo modelo chega ao concorrente na semana seguinte |
A coluna da esquerda é decisão de operação. A da direita é narrativa de inovação. O setor gasta tempo demais na segunda porque ela rende slide, e tempo de menos na primeira porque ela exige ter uma operação que funcione antes de plugar o modelo. A IA não conserta uma operação ruim. Ela acelera uma boa.
Onde a IA já entrega no imobiliário brasileiro é onde havia operação com caixa para pagá-la: originação e qualificação de lead, precificação amparada por histórico próprio, leitura de documento e contrato em volume, previsão de demanda para quem opera ativo de forma recorrente. É o mesmo padrão de todo o ecossistema. No mapa das construtechs e proptechs do Brasil, a tecnologia se concentrou onde o caixa aparece antes, em aquisição e operação, não onde a engenharia era mais bonita.
Onde a IA já encurta caixa: quatro frentes
A pergunta prática do incorporador não é "o que a IA promete", é "onde ela encurta um processo que já tenho". No imobiliário, quatro frentes concentram o ganho, e todas partem de operação com caixa, não de tela nova. Bem aplicada, a IA pode somar até 3 pontos percentuais à margem de construtoras e incorporadoras, segundo o Panorama IA na Construção e Imobiliário da Terracotta (2024).
Por que o setor tem tanto atrito para remover
O imobiliário acumulou atrito por três motivos estruturais, e é exatamente aí que a IA tem o que fazer. Uma transação típica envolve de 12 a 20 partes ao mesmo tempo – corretor, cartório, prefeitura, banco, seguradora –, cada uma com seu silo de dado que raramente conversa. O cadastro e o zoneamento mudam de bairro para bairro, sem taxonomia padrão. E o setor é cíclico: quando o juro sobe, o orçamento de tecnologia é o primeiro a cair. Estimativas do mercado americano falam em US$ 80 bilhões por ano de custo de ineficiência. O tamanho do atrito é o tamanho do prêmio.
As quatro frentes
Originação e qualificação de lead. Agentes que fazem triagem, follow-up e agendamento sem ampliar o time. Plataformas como EliseAI (locação) e Maxwell (originação de crédito) mostram que boa parte da tarefa rotineira roda sem humano, do primeiro contato ao agendamento de visita. O ganho é lead limpo e escala sem headcount.
Estudo de viabilidade e pré-projeto. Soft costs chegam a 30% do CAPEX. Ferramentas como TestFit, Cedar e Higharc reduzem estudo de massa, simulação de receita e análise de zoneamento a poucos cliques, acelerando o go/no-go antes de comprometer capital.
Leitura do mundo físico. Visão computacional transforma foto comum e imagem aérea em modelo 3D com medição: metragem, inclinação de telhado, progresso de obra. Hover e ZestyAI fazem isso na inspeção; Doxel e OnsiteIQ, no acompanhamento de canteiro. Uma vistoria de meio dia de campo vira upload de 15 minutos. É a mesma lógica da digitalização de obras: o mundo físico fica legível para o modelo.
Desbloqueio do closing. A fase de fechamento é conhecida pelo vaivém de e-mail, PDF e planilha. Keyway unifica isso numa linha do tempo única; Valuebase aplica avaliação preditiva de imóveis. Nos casos citados, o ciclo de fechamento comercial caiu de 87 para 21 dias, liberando caixa mais cedo.
| Frente | O que a IA encurta | Exemplos de referência |
|---|---|---|
| Originação e qualificação | Triagem, follow-up e agendamento de lead | EliseAI, Maxwell |
| Viabilidade e pré-projeto | Estudo de massa e simulação de receita | TestFit, Cedar, Higharc |
| Leitura do mundo físico | Vistoria e acompanhamento de obra por imagem | Hover, ZestyAI, Doxel |
| Desbloqueio do closing | Documentação e avaliação no fechamento | Keyway, Valuebase |
O padrão se repete nas quatro. Nenhuma inventa um processo. Cada uma encurta um que já existia e já tinha caixa por baixo. A ferramenta importa menos que o processo em que ela entra.
Operação de ativos e eficiência energética
A quinta frente aparece depois da venda, para quem opera o ativo. Um relatório da International Energy Agency mapeia IA controlando HVAC e iluminação por dado em tempo real, prevendo demanda de energia e antecipando manutenção antes da falha. A oportunidade é grande porque o estoque é velho: nos Estados Unidos, 75% dos imóveis residenciais e 60% dos comerciais têm mais de 20 anos de construção. Para quem opera renda recorrente, isso é retrofit com dado próprio: o sensor do seu prédio alimentando a decisão do seu prédio. É a fronteira que encontra o multifamily, a IA que opera o ativo, não a que só mostra dashboard.
A IA segue o mesmo capital seletivo do setor
A inteligência artificial não escapa da lógica de capital que reorganizou o imobiliário inteiro. O capital ficou seletivo, e separa tese de narrativa, inclusive em IA. A tese da casa é direta: o capital imobiliário não está escasso, está migrando para formas mais técnicas e seletivas. A poupança (SBPE) financiou R$ 156,3 bilhões em 2025, queda de 13,4% (ABECIP, 2025), enquanto o setor imobiliário no mercado de capitais movimentou R$ 697 bilhões, alta de 7,5% (CVM, 2025). O dinheiro mudou de endereço e de critério. O capital que cresce no lugar da poupança é mais técnico, e exige tese.
Esse capital aplica a IA o mesmo filtro que aplica a uma captação. O crowdfunding de investimento, porta de entrada de muita startup early-stage, mais que triplicou para R$ 3,9 bilhões em 2025 (dados da CVM, Finsiders, 2025). O dinheiro para inovação existe e cresce. Ele só não compra mais o pitch de "IA" como categoria. Quem capta para uma aposta de IA depois de 2022 precisa mostrar a operação e o dado proprietário, igual ao incorporador que capta além do banco precisa mostrar tese, não história.
Esse filtro não é novo em IA imobiliária. Um levantamento do Panorama IA na Construção e Imobiliário da Terracotta mostrou que, na década até 2024, o investimento em IA no setor somou US$ 1,4 bilhão entre 309 empresas, com a maior parte do capital em companhias maduras, de seis anos ou mais. O dinheiro procurou tese e histórico, não idade de fundação. Mesmo com o mercado de IA na construção projetado para chegar a US$ 38,5 bilhões até 2032, o capital que entra pede operação por baixo, não categoria.
O que isso significa para quem capta e para quem aloca
Uma demonstração de IA é informação. Uma operação que a IA encurta é decisão. A diferença está em o que você faz com o dado, e o critério vale para os dois lados da mesa.
Para o incorporador, adotar IA é alocar capital numa operação, não comprar uma camada de inovação. A pergunta útil não é "qual ferramenta de IA usar?". É "qual processo meu já gira com caixa e poderia ficar mais curto com decisão melhor, alimentada pelo dado que só eu tenho?". Vender mais rápido, qualificar lead com histórico próprio, prever absorção a partir dos seus lançamentos. Onde não há operação por baixo, a ferramenta vira custo de assinatura à espera de uso.
Para o alocador, IA é filtro de tese, não tema de portfólio. Apostar em IA imobiliária depois de 2022 exige a mesma régua do funding: separar quem tem dado proprietário e operação de quem tem modelo genérico e narrativa. Quem entra numa categoria de IA já comoditizada paga consenso caro, o mesmo erro de timing de qualquer classe de ativo. Onde a operação por baixo é renda recorrente, a fronteira encontra o multifamily no Brasil: IA que prevê demanda e opera o ativo, não que só apresenta um dashboard.
O que sustenta as duas leituras é o dado primário. A IA não é exceção à tese da casa, é mais uma confirmação. O capital de inovação não secou, ficou exigente, e a inteligência artificial só vira vantagem quando se acopla a operação e dado proprietário. O resto é promessa de tela.
Perguntas frequentes
Onde a IA cria valor no mercado imobiliário?
A IA cria valor onde existe operação rodando com caixa e dado proprietário que a alimenta: qualificação de lead, precificação com histórico próprio, leitura de contrato em volume, previsão de demanda para quem opera ativo. Onde falta operação ou o dado é público, é demonstração, não vantagem.
O que é IA no imobiliário?
IA no imobiliário é o uso de modelos que aprendem com dados para prever, classificar ou automatizar decisões da cadeia do imóvel, como precificar, qualificar leads ou ler contratos. O que decide o resultado não é o modelo, é a operação onde a decisão entra e o dado que a alimenta.
Quais processos do mercado imobiliário a IA já encurta?
Quatro frentes com caixa por baixo: originação e qualificação de lead, estudo de viabilidade e pré-projeto, leitura do mundo físico por visão computacional e desbloqueio do closing. Em todas, a IA acelera um processo que já existe, não inventa um novo.
Por que dados proprietários importam no real estate?
Porque o modelo de IA virou commodity, disponível por API, e o dado público é o mesmo do concorrente. Dado proprietário, gerado pela própria operação, é o que nenhum concorrente copia rápido. Ele é o motor: o que torna a aposta de IA difícil de replicar.
IA para eficiência energética compensa para o incorporador?
Compensa quando há ativo em operação para pagar o ganho. A IA controla HVAC, prevê demanda e antecipa manutenção lendo dado dos próprios prédios. Sem ativo operando, é software à espera de uso, como qualquer outra camada.
Qual a diferença entre ops-first e data-first em IA imobiliária?
Data-first parte do dado e aposta que a escala da informação vira vantagem sozinha. Ops-first parte de uma operação que já gira e usa IA para encurtá-la, gerando dado proprietário como subproduto. No Brasil, dado sem operação que o consuma é custo, não ativo.
A IA vai transformar o mercado imobiliário?
A IA acelera operações que já funcionam e separa quem tem dado proprietário de quem só tem promessa. Não conserta operação ruim nem cria vantagem onde o dado é público e o modelo é comprado. O impacto aparece na operação, não no slide de inovação.
Quem assina esta análise
Esta análise não nasceu de pesquisa de escritório. Nasceu de operar capital e inovação no mercado imobiliário desde 2019. A Terracotta reúne um ecossistema de mais de 300 empresas do setor, que juntas faturam mais de R$ 100 bilhões por ano, e fez 18 investimentos de venture capital, com mais de R$ 500M atraídos para o portfólio.
O Mapa das Construtechs e Proptechs cataloga 1.232 startups imobiliárias e é o ativo que responde por 40% da nossa aquisição de leads. Ele é, ele mesmo, um exemplo da tese: dado proprietário gerado por uma operação que roda, não base comprada de prateleira. Operamos o mercado, não o descrevemos de fora.
Bruno Loreto é Managing Partner da Terracotta. Economista, MBA pelo Insper e CGA, com 15 anos de experiência em negócios de tecnologia no mercado imobiliário.
Continue lendo
- Construtechs e proptechs no Brasil: panorama completo
- O que é proptech (e como difere de construtech)
- Mapa das construtechs e proptechs do Brasil 2026
- Construção industrializada: por que não escala sem demanda recorrente
- Multifamily no Brasil: a nova classe de ativos imobiliários
- Inteligência de capital para real estate à prova de futuro
A pergunta sobre IA no imobiliário não é se ela funciona. É de qual operação ela parte e de qual dado proprietário ela se alimenta. Onde existem os dois, a IA encurta o caixa e cria um fosso. Onde falta um deles, é uma tela bonita esperando para ser comoditizada. O motor nunca foi o algoritmo. Foi sempre o dado que só a sua operação gera.