Na França, a demanda por habitação social envolve vários milhões de lares, e o tratamento dos processos ainda depende amplamente de procedimentos manuais longos. A inteligência artificial aplicada à habitação social refere-se ao conjunto de tecnologias (processamento de linguagem natural, aprendizado de máquina, agentes conversacionais) utilizadas para acelerar a análise dos pedidos, orientar os solicitantes ou auxiliar os locadores na gestão de seu patrimônio.
Avaliação dos pedidos e correspondência locatário-habitação por IA
O tratamento de um pedido de habitação social passa por uma etapa de avaliação: cada processo recebe uma pontuação baseada em critérios regulatórios (recursos, composição familiar, antiguidade do pedido, situação de abrigo). Tradicionalmente, essa avaliação mobiliza agentes instrutores que cruzam manualmente os dados declarativos com os documentos comprobatórios.
Ferramentas de IA agora permitem automatizar parte desse trabalho. Um algoritmo de correspondência compara o perfil do solicitante às características do parque disponível (área, localização, acessibilidade, aluguel residual após APL) para propor aproximações relevantes. O ganho está na rapidez da análise e na redução de erros de digitação.
Como detalha o robô de habitação no Actu Web, alguns dispositivos conversacionais orientam o solicitante desde a constituição de seu processo, verificam a completude dos documentos e respondem a perguntas frequentes sem intervenção humana. Esse tipo de agente reduz o número de chamadas recebidas pelos serviços de acolhimento dos locadores.
A correspondência continua sendo uma ferramenta de apoio à decisão. A comissão de atribuição mantém o poder de decidir, e o algoritmo apenas classifica propostas. Essa distinção tornou-se juridicamente determinante com a entrada em vigor do regulamento europeu sobre IA.
Ato de IA e habitação social: as obrigações regulatórias desde 2026
Desde agosto de 2026, o regulamento europeu sobre inteligência artificial (Ato de IA) entrou em sua fase de aplicação geral. Os sistemas de IA utilizados para o acesso a benefícios sociais ou a serviços como a habitação são classificados como “de alto risco”.
Essa classificação implica obrigações específicas para os locadores e os editores de software:
- Transparência: o solicitante deve ser informado de que um sistema de IA está envolvido no tratamento de seu processo, e os critérios utilizados devem ser documentados.
- Supervisão humana efetiva: nenhuma decisão de atribuição pode depender exclusivamente de um algoritmo sem que um agente qualificado possa verificá-la, modificá-la ou contradizê-la.
- Auditabilidade: os modelos devem manter um histórico utilizável para controlar posteriormente a ausência de preconceitos discriminatórios (origem, deficiência, situação familiar).
- Direito de contestação: um solicitante que considerar que a pontuação algorítmica é desfavorável pode exigir uma revisão humana de sua situação.
Na prática, um locador não pode mais se contentar com uma pontuação opaca gerada por um modelo para recusar ou adiar uma candidatura. Essa exigência leva as organizações a documentar seus algoritmos e a treinar suas equipes na interpretação dos resultados produzidos pela IA.
Consequências para os editores de software patrimonial
Os editores de ERP (sistemas de gestão integrada) utilizados na habitação social devem integrar essas exigências desde a concepção. Isso significa registros de auditoria detalhados, interfaces que permitem ao agente entender por que determinada habitação foi proposta a determinado solicitante, e a possibilidade de desativar a recomendação automática a qualquer momento.
Gestão do patrimônio imobiliário social assistida por IA
Além do acesso à habitação, a inteligência artificial transforma a gestão cotidiana do parque. Os locadores coletam dados massivos por meio de suas ferramentas de trabalho: dados contratuais, históricos de manutenção, registros de sensores sobre os equipamentos técnicos.
A manutenção preditiva é o caso de uso mais maduro. Sensores instalados em caldeiras, elevadores ou sistemas de ventilação transmitem dados em tempo real. Um modelo de aprendizado de máquina detecta anomalias antes da falha, reduzindo as intervenções de emergência e melhorando a qualidade do serviço para o locatário.
A extração automatizada de dados documentais representa outra alavanca. Os locadores gerenciam volumes consideráveis de documentos: contratos, diagnósticos técnicos, atas de assembleia, plantas. Ferramentas de reconhecimento óptico combinadas com processamento de linguagem natural permitem indexar e classificar esses documentos, e depois extrair as informações úteis (datas de vencimento, valores, áreas) sem reentrada manual.
Limites concretos e preconceitos algorítmicos na habitação social
A IA não é neutra. Um modelo treinado com dados históricos de atribuição pode reproduzir, ou até amplificar, preconceitos existentes. Se um bairro historicamente acolheu um perfil sociodemográfico particular, o algoritmo corre o risco de perpetuar essa distribuição em vez de corrigi-la.
A qualidade dos dados condiciona a confiabilidade de todo sistema de IA. No entanto, na habitação social, as bases de dados são frequentemente heterogêneas, incompletas ou mal estruturadas. Um ERP envelhecido, entradas manuais imprecisas ou duplicatas não detectadas degradam diretamente os resultados do modelo.
A questão da aceitabilidade pelos agentes é igualmente determinante. Uma ferramenta eficiente, mas opaca, será contornada. Os retornos do campo mostram que a adoção passa pela formação das equipes e por interfaces que explicam claramente a recomendação feita pela máquina, em vez de apresentá-la como um veredicto.
O acesso à habitação social continua sendo uma decisão de grande impacto humano. A IA desempenha um papel de acelerador e filtro, não de decisor. Os locadores que implementam essas tecnologias ganham em eficiência, desde que mantenham uma supervisão rigorosa, uma documentação dos critérios e uma capacidade de intervenção humana em cada etapa do processo.
