Matriz de Riscos

Introdução

    A matriz de riscos é uma ferramenta fundamental de gestão que permite visualizar, classificar e priorizar os potenciais riscos e oportunidades associados a um projeto. Esta representação gráfica cruza a probabilidade de ocorrência de cada evento com seu respectivo impacto, permitindo uma avaliação sistemática que serve de base para decisões estratégicas e alocação de recursos. No contexto do desenvolvimento de soluções tecnológicas inovadoras, como o algoritmo de processamento digital de imagens para identificação de fissuras proposto pelo IPT, a matriz de riscos torna-se particularmente valiosa, pois projetos pioneiros carregam consigo tanto grandes desafios quanto oportunidades transformadoras. Essa análise complementa diretamente as considerações técnicas apresentadas na Arquitetura Inicial, fornecendo uma perspectiva sobre os riscos associados às escolhas tecnológicas adotadas.

Figura 1 - Matriz de Riscos

Fonte: Os autores (2025)

    Nossa matriz de riscos está estruturada em duas seções complementares: ameaças e oportunidades. As ameaças representam eventos que podem prejudicar o sucesso do projeto, enquanto as oportunidades indicam caminhos para potencializar resultados positivos. A análise utiliza uma escala de probabilidade gradativa (10%, 30%, 50%, 70% e 90%) combinada com níveis de impacto que variam de "Muito Baixo" a "Muito Alto". Esta estrutura permite mapear cenários desde desafios técnicos específicos (como insuficiência de dados para reconhecimento de padrões complexos e limitações dos algoritmos preditivos em estruturas não convencionais) até barreiras de implementação (como resistência à adoção por falta de familiaridade com tecnologias digitais e restrições orçamentárias), bem como benefícios potenciais (como economia em manutenções preventivas e automação de relatórios técnicos detalhados). Estes fatores estão diretamente alinhados com os Requisitos Não Funcionais de desempenho e confiabilidade estabelecidos para o sistema.

    Ao analisar esta matriz no contexto do projeto de identificação de fissuras em edificações, obtemos uma visão abrangente dos fatores que podem influenciar o sucesso da iniciativa, desde os desafios de implementação da tecnologia até seu potencial de transformação no mercado. Esta compreensão holística permite o desenvolvimento de estratégias robustas de mitigação de riscos e aproveitamento de oportunidades, maximizando as chances de entrega de uma solução que efetivamente atenda às necessidades do setor e gere valor tanto para o IPT quanto para os usuários finais da tecnologia, conforme detalhado na Canva de Proposta de Valor.

Análise das Ameaças

Ameaças de Alta Probabilidade (90%)

• Dificuldades na validação em campo (Impacto Alto): Representa um risco crítico, indicando obstáculos significativos para testar o algoritmo em condições reais como acesso limitado a estruturas comprometidas, variabilidade nas condições de iluminação e obstáculos físicos que impedem a captura adequada de imagens, potencialmente atrasando a validação da solução.

Ameaças de Probabilidade Significativa (70%)

• Condições climáticas afetando capturas (Impacto Baixo): Chuvas excessivas, baixa luminosidade ou reflexos solares intensos podem prejudicar a qualidade das imagens coletadas, alterando a percepção de textura e profundidade das fissuras, mas possui impacto relativamente controlável através de protocolos de captura.

• Dificuldade na classificação de fissuras (Impacto Moderado): Especificamente relacionada à incapacidade do algoritmo em distinguir fissuras em superfícies com texturas heterogêneas, padrões de pintura irregulares ou materiais compostos. Também inclui dificuldades na diferenciação entre fissuras reais e manchas, sujeiras ou imperfeições superficiais que se assemelham visualmente a rachaduras, desafios que estão diretamente relacionados aos Requisitos Funcionais de precisão do sistema.

• Falhas no sistema de previsão (Impacto Muito Alto): Risco associado à incapacidade dos modelos matemáticos implementados em prever corretamente a progressão das fissuras devido a: 1) insuficiência de dados históricos para estabelecer padrões confiáveis de evolução; 2) incapacidade de considerar adequadamente variáveis ambientais como temperatura e umidade que afetam a dilatação dos materiais; e 3) falha na incorporação de dados sobre características específicas dos materiais de construção que influenciam o comportamento das fissuras ao longo do tempo.

Ameaças de Média Probabilidade (50%)

• Resistência à adoção (Impacto Alto): Resistência específica por parte de engenheiros civis e técnicos experientes que preferem métodos tradicionais de inspeção visual e manual, combinada com preocupações sobre a confiabilidade da tecnologia em substituir o julgamento humano especializado em análises estruturais críticas.

• Baixa precisão do algoritmo em condições adversas (Impacto Alto): O sistema pode apresentar queda significativa de precisão (abaixo de 70%) quando exposto a condições como iluminação extremamente baixa, superfícies muito reflexivas ou altamente texturizadas, e em edificações com materiais não contemplados na fase de treinamento do modelo, comprometendo a confiabilidade da análise.

Ameaças de Menor Probabilidade (30%-10%)

• Restrições orçamentárias para equipamentos de alta resolução (Impacto Moderado): Limitação específica na aquisição de câmeras termográficas e sensores de profundidade necessários para análises complementares, podendo restringir a capacidade de detecção em camadas mais profundas das estruturas.

• Limitações na integração com equipamentos de inspeção existentes (Impacto Alto): Incompatibilidade técnica com drones e câmeras já utilizados por empresas do setor, necessitando desenvolvimento de interfaces de comunicação personalizadas ou substituição de equipamentos, aumentando custos de implementação. Este risco foi identificado durante a elaboração das Personas, que destacou a importância da compatibilidade com equipamentos existentes.

• Falta de dados reais para treinamento em edificações históricas (Impacto Baixo): Escassez específica de exemplos de treinamento para o algoritmo em construções com técnicas construtivas antigas ou materiais não convencionais, limitando a aplicabilidade em patrimônios históricos.

Análise das Oportunidades

Oportunidades de Alta Probabilidade (90%-70%)

• Melhorias no pipeline de desenvolvimento de softwares similares (Impacto Moderado): Ganhos de eficiência no processo de desenvolvimento através da reutilização de componentes de processamento de imagem e frameworks de machine learning otimizados durante este projeto..

• Automação de relatórios técnicos detalhados com registro histórico (Impacto Alto): Capacidade de gerar automaticamente documentação técnica completa incluindo evolução temporal das fissuras, severidade classificada por padrões normativos e recomendações específicas de intervenção baseadas em casos similares.

• Economia em manutenções preventivas baseadas em dados (Impacto Moderado): Redução quantificável de 15-30% nos custos de manutenção predial através da identificação precoce de problemas estruturais e priorização precisa de intervenções baseada na gravidade real das fissuras.

Oportunidades de Média Probabilidade (50%)

• Parcerias estratégicas com construtoras e empresas de engenharia diagnóstica (Impacto Alto): Desenvolvimento de integrações exclusivas com sistemas de gestão predial e programas de manutenção já utilizados pelas grandes construtoras, criando um ecossistema tecnológico integrado para monitoramento estrutural.

Oportunidades de Menor Probabilidade (30%-10%)

• Diminuição mensurável de acidentes estruturais em edificações monitoradas (Impacto Muito Alto): Potencial de reduzir em até 40% a ocorrência de falhas estruturais graves em edifícios que implementarem o sistema continuamente, através da detecção ultraprecoce de sinais de comprometimento estrutural que passariam despercebidos em inspeções convencionais.

Análise de Padrões

1. Riscos Técnicos Específicos: A maioria das ameaças está relacionada a desafios técnicos bem definidos (como a incapacidade do algoritmo em diferenciar tipos específicos de fissuras, limitações dos modelos preditivos em considerar variáveis ambientais, e problemas de integração com hardware existente), indicando que o projeto tem componentes tecnológicos complexos e inovadores que requerem soluções direcionadas.

2. Oportunidades de Negócio Quantificáveis: As oportunidades estão mais concentradas em benefícios de negócio mensuráveis (economia percentual em manutenções, melhorias específicas na documentação técnica, redução quantificada de acidentes), sugerindo que, se os desafios técnicos forem superados, o potencial de mercado é significativo e demonstrável.

Conclusão

    A matriz de riscos apresenta um projeto com desafios técnicos significativos e claramente identificados, mas com potencial de mercado promissor e mensurável. Os riscos estão bem caracterizados em termos de suas causas específicas e distribuídos de forma realista entre probabilidade e impacto, permitindo o desenvolvimento de estratégias precisas de mitigação. O balanceamento entre ameaças detalhadas e oportunidades quantificáveis sugere um projeto inovador que, apesar dos desafios técnicos complexos, tem potencial para trazer benefícios transformadores para o setor de construção civil através da identificação precisa, classificação confiável e previsão embasada da evolução de fissuras estruturais. Este potencial transformador está diretamente alinhado com a visão estratégica delineada no Business Model Canvas e com as necessidades identificadas na Análise PESTEL, reforçando a importância desta solução para os stakeholders apresentados na Análise de Stakeholders.