A discussão sobre IA no saneamento começa a sair do campo das apresentações futuristas para entrar em bombas, redes de distribuição, laboratórios, centrais de atendimento e processos decisórios das companhias.
Na WEFTEC 2026, realizada em Nova Orleans, uma sessão dedicada a como líderes de 18 utilities estão utilizando inteligência artificial revelou uma mudança importante: as empresas mais avançadas não estão tratando a IA como substituta de operadores, engenheiros ou técnicos. Ela aparece principalmente como uma ferramenta para ampliar a capacidade humana de analisar dados, reconhecer padrões, automatizar tarefas repetitivas e tomar decisões mais rapidamente.
Isso importa porque o setor de água e esgoto já produz enormes volumes de dados em SCADA, telemetria, sensores, laboratórios, sistemas comerciais, ordens de serviço, GIS, equipamentos eletromecânicos e canais de relacionamento.
O problema, em muitos casos, deixou de ser simplesmente coletar dados.
Passou a ser: como transformar milhares de sinais em uma decisão operacional útil antes que o problema aconteça?
É justamente aí que a IA no saneamento começa a demonstrar valor.
E os exemplos brasileiros mostram que essa transformação já chegou ao país.
O que aconteceu na WEFTEC 2026
A WEFTEC 2026 reuniu mais de 20 sessões relacionadas à inteligência artificial dentro de uma programação técnica com mais de 135 sessões. A Water Environment Federation estimava mais de 23 mil profissionais, expositores e lideranças no evento.
Entre os debates estava a sessão “How 18 Utility Leaders are Using AI”, com Angela Charles, diretora da Charlotte Water, e Matthew Kennelly, diretor executivo da LOTT Clean Water Alliance. O painel foi moderado por Peiffer Brandt, da consultoria Raftelis.
Charlotte Water, que atende mais de 1,3 milhão de pessoas, criou uma equipe de inovação em IA envolvendo profissionais de operação, engenharia, atendimento ao cliente e outras áreas. A condução, portanto, não ficou restrita ao departamento de tecnologia. Entre os casos estudados estão aplicações em documentação laboratorial, atendimento, finanças, modelagem do sistema e integração entre reclamações de clientes e geração de ordens de serviço.
Na LOTT Clean Water Alliance, utility regional de esgoto com aproximadamente 100 empregados e atendimento a cerca de 200 mil pessoas, a empresa estabeleceu uma política básica para IA e passou a estimular a experimentação controlada pelos funcionários. Para a operação de tratamento de esgoto, por exemplo, o interesse está na capacidade de identificar tendências em processos biológicos altamente variáveis.
O ponto mais interessante, porém, aparece quando esses relatos são confrontados com uma pesquisa mais ampla da Raftelis.
A grande distância entre usar ChatGPT e transformar uma utility
A Raftelis entrevistou lideranças de 18 utilities públicas dos Estados Unidos entre setembro e outubro de 2025. A amostra é pequena e não deve ser interpretada como representativa de todas as empresas de saneamento norte-americanas. Ainda assim, ajuda a mostrar o estágio de maturidade do setor.
Todos os 18 executivos entrevistados declararam utilizar pessoalmente ferramentas de IA; 44% afirmaram utilizá-las diariamente ou várias vezes ao dia. Entretanto, apenas uma organização da amostra utilizava múltiplas ferramentas de IA de forma disseminada pela empresa.
A diferença é relevante.
Utilizar IA para escrever um e-mail é simples. Integrar inteligência artificial a um processo que controla bombas, projeta demanda, analisa perdas ou influencia decisões sobre clientes exige outro nível de dados, segurança e governança.
Na pesquisa, comunicação corporativa aparecia como o uso organizacional mais difundido, enquanto cinco utilities já utilizavam IA em gestão de ativos. Aplicações envolvendo SCADA, tratamento e operação de plantas permaneciam predominantemente em avaliação.
Existe, portanto, uma espécie de escada de maturidade da IA no saneamento: primeiro vêm produtividade e documentos; depois atendimento e análise de dados; em seguida manutenção preditiva e gestão de ativos; somente depois surgem decisões e controles diretamente ligados à infraestrutura crítica.
Essa sequência faz sentido.
Quanto maior o impacto potencial de uma decisão errada, maior precisa ser a robustez do sistema.
O Brasil já tem casos concretos de IA no saneamento
A experiência brasileira mostra que essa transformação não precisa começar com projetos gigantescos.
Sanepar: IA procurando vazamentos que não aparecem na rua
Em Cascavel, a Sanepar passou a utilizar a solução 4fluid, da startup Stattus4, combinando inteligência artificial com análise acústica.
Segundo a companhia, aproximadamente 70 mil pontos foram inspecionados em 900 quilômetros de tubulações durante um ano, permitindo localizar 1.100 vazamentos, dos quais cerca de 600 eram ocultos. A Sanepar também informou redução pela metade no tempo de detecção.
Outro projeto envolve hidrofones inteligentes com IoT e inteligência artificial da Radioforce. O investimento previsto pela companhia é de aproximadamente R$ 5,7 milhões em dois anos.
O aprendizado vai além do equipamento.
A IA não elimina a necessidade de geofonistas, equipes de manutenção, conhecimento hidráulico ou análise de campo. Ela reduz o universo em que os profissionais precisam procurar.
É uma diferença enorme.
Em uma rede com milhares de quilômetros, aumentar a probabilidade de mandar uma equipe para o ponto correto pode representar redução de deslocamentos improdutivos, menor volume perdido e reparos mais rápidos.
Águas do Rio: detectar uma falha antes da bomba parar
Outro exemplo particularmente relevante vem da Águas do Rio.
Desde março de 2026, a concessionária utiliza uma solução desenvolvida com a startup 2Neuron para analisar continuamente dados elétricos de equipamentos de bombeamento. Os algoritmos aprendem o comportamento histórico dos motores e procuram desvios em variáveis como tensão e corrente que possam indicar aquecimento ou desgaste.
Na elevatória Caixa Nova, na Tijuca, o sistema identificou uma elevação anormal de temperatura e corrente elétrica. Uma equipe foi acionada e encontrou uma conexão elétrica desgastada antes da paralisação do equipamento.
Segundo a concessionária, a intervenção foi realizada em aproximadamente duas horas e representou redução de até 75% no tempo que poderia ser necessário em uma manutenção emergencial, além de evitar impacto sobre o abastecimento local.
Esse é um dos casos em que a IA no saneamento possui uma relação econômica relativamente fácil de compreender.
Uma falha inesperada pode envolver horas extras, mobilização emergencial, perda de produção, interrupção do abastecimento, desgaste de equipamentos associados, comunicação com clientes e deterioração dos indicadores de continuidade.
Antecipar a falha transforma manutenção corretiva em manutenção planejada.
Caesb: IA generativa entra na gestão comercial
A aplicação não está restrita à operação.
Em junho de 2026, a Caesb colocou em operação a Iná, plataforma própria de autoatendimento baseada em inteligência artificial generativa.
A ferramenta permite ao cliente conversar com o sistema para obter segunda via da conta, consultar histórico de consumo, informar falta d’água, acompanhar protocolos, verificar débitos e executar outras funções. O acesso utiliza autenticação Gov.br.
O caso é importante porque aponta para uma transformação menos visível, mas potencialmente profunda: o fim progressivo dos menus rígidos de autoatendimento.
Em vez de o cliente descobrir qual opção corresponde ao seu problema, a IA tenta compreender a intenção expressa em linguagem natural.
Ainda não foram localizados, nas informações públicas consultadas para esta reportagem, indicadores consolidados de taxa de resolução, redução de chamadas ou economia financeira da Iná. Por isso, seria prematuro atribuir à solução ganhos que ainda não estão documentados.
Esse cuidado é essencial na análise de projetos de IA.
Implantação não significa resultado.
O atendimento ao cliente mostra resultados interessantes nos EUA
Um exemplo internacional ajuda a dimensionar o potencial.
O Startex-Jackson-Wellford-Duncan Water District, na Carolina do Sul, implementou agentes de IA para atendimento. Segundo a American Water Works Association, o chatbot Rosie resolve aproximadamente 99% das interações que recebe sem transferência para um atendente humano, enquanto os assistentes de voz Eve e Vespera resolvem cerca de 84% das chamadas recebidas fora do horário de atendimento.
A utility avançou depois para aplicações departamentais, análise de água não faturada, consultas de GIS e estudos envolvendo gêmeos digitais.
O caso mostra uma estratégia interessante: começar por aplicações de menor risco, gerar familiaridade e somente depois avançar para problemas mais complexos.
Coreia do Sul mostra até onde a automação pode chegar
Se os casos americanos mostram uma adoção gradual, a K-water oferece um cenário mais avançado.
A empresa sul-coreana desenvolveu plantas de tratamento de água utilizando IA para apoiar ou automatizar processos como captação, dosagem de produtos químicos, floculação, sedimentação, filtração, desinfecção, ozonização e carvão ativado granular.
A arquitetura inclui ainda gestão inteligente de energia, manutenção preditiva e análise de vídeo para segurança operacional.
Nos resultados divulgados pela própria K-water, o modelo registra redução de 42% na frequência de intervenções dos operadores, aproximadamente 4% nos custos com produtos químicos e 5% no custo de eletricidade. A empresa calcula economia anual de 1,7 bilhão de won por unidade equivalente a 1 milhão de toneladas por dia de capacidade de tratamento.
O projeto-piloto de Hwaseong recebeu orçamento de 3,8 bilhões de won, enquanto a expansão prevista para 42 plantas foi associada a orçamento de 44,7 bilhões de won.
Esses resultados devem ser interpretados dentro das condições específicas da infraestrutura, automação e qualidade de dados da K-water. Não podem ser simplesmente transferidos para uma ETA brasileira.
Mas mostram algo importante: IA no saneamento não significa necessariamente chatbot ou geração de texto.
Pode significar controle otimizado de processo industrial.
A tecnologia funciona melhor quando o operador continua no circuito
A própria Water Environment Federation formalizou essa preocupação.
Em sua posição oficial sobre inteligência artificial, aprovada em março de 2026, a WEF recomenda explicitamente controles human-in-the-loop, ou seja, mecanismos nos quais pessoas permanecem envolvidas na supervisão ou validação das decisões produzidas por sistemas de IA. A entidade também defende transparência, governança adaptativa, capacitação da força de trabalho e desenvolvimento de práticas seguras para implementação.
Isso é especialmente relevante para água e esgoto.
Um texto incorreto produzido por IA pode ser corrigido.
Uma recomendação incorreta que altera dosagem química, pressão de rede, bombeamento ou parâmetros de tratamento pode gerar consequências operacionais, ambientais ou sanitárias.
A experiência relatada na WEFTEC reforça essa lógica. Charlotte Water chegou a comparar projeções realizadas por engenheiros com resultados produzidos por IA. Os valores ficaram próximos nos anos iniciais, mas os profissionais foram mais conservadores nas projeções de longo prazo.
A mensagem não é que o ser humano sempre estará certo.
É que experiência operacional, conhecimento do território e interpretação do contexto continuam sendo ativos que não podem simplesmente ser substituídos por um modelo matemático.
O maior gargalo talvez não seja a inteligência artificial
Para muitas companhias brasileiras, existe um problema anterior à IA: qualidade dos dados.
Uma inteligência artificial não corrige automaticamente medidores descalibrados, cadastro comercial desatualizado, sensores sem manutenção, dados duplicados, ordens de serviço mal encerradas ou bases que utilizam códigos diferentes para o mesmo evento.
Ao contrário.
Ela pode acelerar conclusões erradas.
Por isso, projetos de IA no saneamento dependem de elementos pouco glamourosos: cadastro técnico confiável, integração entre sistemas, telemetria, históricos suficientemente longos, padronização, governança dos dados e profissionais que conheçam profundamente os processos analisados.
É justamente aí que os operadores, técnicos, engenheiros, analistas comerciais, especialistas de laboratório e equipes de manutenção passam a assumir uma função ainda mais importante.
São essas pessoas que conseguem dizer se uma correlação encontrada pelo algoritmo faz sentido no mundo real.
O risco do “shadow AI”
A pesquisa da Raftelis revelou um alerta relevante.
Embora todos os executivos entrevistados utilizassem inteligência artificial, apenas quatro das 18 utilities possuíam políticas formais de IA. Oito estavam desenvolvendo suas políticas e seis ainda não possuíam nenhuma. Além disso, 11 não tinham um roadmap formal para adoção.
Segurança e privacidade de dados foram citadas como preocupação por 82% dos participantes.
Surge daí o chamado shadow AI: funcionários utilizando ferramentas públicas por conta própria, eventualmente inserindo documentos internos, informações técnicas ou dados de clientes sem que a organização tenha definido regras.
No saneamento, isso pode significar exposição de dados pessoais, documentos comerciais, informações de infraestrutura ou conhecimento operacional sensível.
O risco não é argumento para impedir o uso da tecnologia.
É argumento para governá-la.
LGPD transforma governança de IA em obrigação prática
No Brasil, qualquer aplicação envolvendo dados pessoais precisa considerar a Lei Geral de Proteção de Dados.
O artigo 20 da LGPD garante ao titular o direito de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses e prevê acesso a informações claras sobre critérios e procedimentos utilizados.
Já o artigo 46 exige medidas técnicas e administrativas capazes de proteger dados pessoais contra acessos não autorizados, perda, alteração, comunicação indevida ou tratamento ilícito. Essas medidas devem ser consideradas desde a concepção do serviço.
A Agência Nacional de Proteção de Dados mantém em sua agenda regulatória um projeto específico sobre inteligência artificial, incluindo interpretação do artigo 20, direitos dos titulares, hipóteses legais, princípios da LGPD e governança.
Além disso, em 30 de setembro de 2026, o PL 2.338/2023, que trata da regulamentação nacional da inteligência artificial, ainda permanecia em tramitação na Câmara dos Deputados, sob análise de comissão especial, com diversos projetos apensados. Portanto, não deve ser tratado como legislação vigente.
Como aplicar IA no saneamento sem começar pelo projeto errado
Uma estratégia prática pode separar as oportunidades em cinco etapas:
- Começar pelo problema, não pela IA. Deve-se definir primeiro se a dor é perda de água, falha de bomba, demora no atendimento, consumo energético, retrabalho administrativo ou instabilidade no tratamento.
- Criar uma linha de base. Tempo médio de reparo, quantidade de vazamentos encontrados, energia por metro cúbico, chamadas transferidas para humanos, reincidência de serviços e outros indicadores precisam existir antes do piloto. Sem isso, não há como provar resultado.
- Separar recomendação de decisão automática. Quanto maior o risco operacional, regulatório ou sanitário, maior deve ser a supervisão humana e a possibilidade de intervenção.
- Usar especialistas do processo desde o início. A equipe ideal combina tecnologia com profissionais de operação, manutenção, comercial, laboratório, engenharia, segurança da informação e proteção de dados.
- Escalar somente depois de demonstrar valor. Um piloto que funciona em determinada estação ou distrito precisa ser validado em condições diferentes antes de virar padrão corporativo.
Essa abordagem reduz um erro comum: comprar uma solução sofisticada e somente depois procurar um problema para justificá-la.
O que gestores devem observar
Existe uma questão que merece atenção especial: qual KPI realmente justifica o projeto?
Para manutenção preditiva, podem ser horas de indisponibilidade evitadas, falhas antecipadas e redução de manutenção corretiva.
Para perdas, podem ser vazamentos ocultos encontrados por quilômetro inspecionado, tempo médio de localização e volume recuperado.
Para atendimento, podem ser resolução no primeiro contato, taxa de transferência para humanos, reincidência e custo por atendimento.
Para tratamento, podem ser consumo específico de energia, produtos químicos por metro cúbico, estabilidade da qualidade e intervenções manuais.
Para processos administrativos, podem ser horas poupadas, retrabalho e prazo de conclusão.
Sem indicadores, a companhia pode acabar medindo quantidade de usuários da ferramenta em vez de medir valor produzido.
Regulação internacional começa a acompanhar a tecnologia
A Inglaterra e o País de Gales oferecem outro sinal do que pode vir pela frente.
Em junho de 2026, a Ofwat publicou um plano específico para adoção de inteligência artificial pelo setor de água durante a transição regulatória. Paralelamente, o Water Innovation Fund possui £600 milhões previstos entre 2020 e 2030; até junho de 2026, mais de £250 milhões já haviam sido concedidos a 143 projetos de inovação.
A mensagem para reguladores e prestadores brasileiros é relevante.
À medida que algoritmos começarem a influenciar atendimento, fiscalização de consumo, manutenção, decisões comerciais e operação de ativos, surgirão questões sobre auditabilidade, explicabilidade, segurança, responsabilidades e comprovação de benefícios.
Tecnologia e regulação precisarão avançar juntas.
O que pode dar errado
O principal risco talvez seja acreditar que um algoritmo sofisticado elimina problemas básicos de gestão.
Um modelo treinado com dados ruins produz previsões ruins.
Uma IA generativa sem acesso a fontes institucionais confiáveis pode produzir respostas convincentes e incorretas.
Uma automação integrada a sistemas críticos sem mecanismos de contingência pode transformar um erro digital em ocorrência operacional.
Um chatbot que reduz custos, mas aumenta solicitações reincidentes, pode apenas deslocar o problema.
E uma manutenção preditiva que gera milhares de falsos alarmes provavelmente será ignorada pela equipe depois de algum tempo.
O desafio real não é fazer a IA produzir uma resposta.
É produzir uma resposta suficientemente confiável para gerar uma ação melhor.
A oportunidade pouco percebida: preservar conhecimento técnico
Existe ainda uma aplicação da IA no saneamento que pode se tornar estratégica nos próximos anos: preservar conhecimento acumulado.
Utilities possuem profissionais com décadas de experiência que conhecem particularidades de redes, estações, equipamentos e procedimentos que muitas vezes não estão documentadas.
Sistemas baseados em RAG — geração aumentada por recuperação — podem conectar modelos de IA a manuais, procedimentos, projetos, normas, relatórios e históricos internos controlados. O próprio Governo Federal brasileiro já publicou orientação sobre essa arquitetura, destacando que ela permite à IA consultar bases institucionais antes de responder, embora continue exigindo governança, controle de acesso e proteção de dados.
Isso pode permitir, por exemplo, que um técnico consulte rapidamente procedimentos de determinado equipamento, que um atendente encontre a regra aplicável a um serviço ou que um engenheiro recupere ocorrências semelhantes registradas anos antes.
Nesse cenário, a inteligência artificial deixa de ser apenas ferramenta de produtividade.
Passa a funcionar como infraestrutura de gestão do conhecimento.
Lições para quem trabalha no saneamento
A WEFTEC 2026 deixa uma mensagem especialmente relevante para os profissionais do setor: o conhecimento humano não perdeu importância com a IA.
O efeito pode ser exatamente o contrário.
Quanto maior a capacidade dos algoritmos para processar informações, maior passa a ser o valor de quem consegue distinguir uma correlação estatística de uma condição operacional real.
O operador conhece o comportamento da estação.
O técnico percebe sinais de uma bomba que os registros históricos talvez ainda não revelem.
O engenheiro entende as limitações hidráulicas.
A equipe comercial conhece comportamentos dos clientes que não aparecem integralmente no banco de dados.
O laboratorista identifica quando um resultado precisa ser questionado.
A IA consegue ampliar essas capacidades. Não substitui automaticamente a experiência que lhes dá contexto.
Conclusão: a corrida não é para ter IA primeiro
A principal conclusão da WEFTEC 2026 não é que todas as companhias devam automatizar suas operações imediatamente.
É que a IA no saneamento já passou da fase em que poderia ser ignorada.
Sanepar utiliza algoritmos para procurar perdas. Águas do Rio aplica inteligência artificial à manutenção preditiva. A Caesb levou IA generativa ao autoatendimento. Utilities americanas estão automatizando interações comerciais. A K-water já trabalha com operação inteligente de processos de tratamento.
Os níveis de maturidade são diferentes, mas a direção é clara.
A vantagem competitiva não estará simplesmente em possuir inteligência artificial.
Estará em conseguir conectar dados confiáveis + conhecimento técnico + processos bem desenhados + governança + tecnologia para produzir decisões melhores.
Para gestores, o próximo passo não deveria ser perguntar “qual IA comprar?”.
A pergunta mais útil é outra:
qual decisão hoje depende excessivamente de trabalho manual, chega tarde ou utiliza apenas uma pequena parte dos dados que a companhia já possui?
Provavelmente é nesse ponto que existe o melhor primeiro caso de uso.
E é também nesse ponto que a IA no saneamento deixa de ser tendência tecnológica e começa a virar ferramenta de gestão, eficiência operacional e desenvolvimento profissional.
Fontes e referências
Wastewater Digest
Utility leaders discuss practical AI applications at WEFTEC
29 de setembro de 2026
Acessar a reportagem
Water Environment Federation — WEF
WEFTEC 2026 Opens in New Orleans, Showcasing Innovation, Partnerships, and Collaboration
28 de setembro de 2026
Acessar publicação da WEF
WEFTEC / Water Environment Federation
Inside the Water-AI Nexus at WEFTEC 2026
2026
Acessar programação Water-AI Nexus
Raftelis
How are public utilities actually using AI? We asked leaders from 18 utilities
Pesquisa baseada em entrevistas realizadas em setembro e outubro de 2025
Acessar estudo da Raftelis
Water Environment Federation — WEF
Artificial Intelligence Position Statement
Aprovado em 2 de março de 2026
Acessar documento oficial
American Water Works Association — AWWA
“Rocket fuel” for employees: Inside a utility’s AI journey
18 de setembro de 2026
Acessar estudo de caso
K-water
AI Water Treatment Plants — Super Gap Technology
Documento técnico institucional
Acessar documento técnico da K-water
Sanepar
Sanepar usa IA em Cascavel e reduz tempo de detecção de vazamentos pela metade
26 de novembro de 2025
Acessar publicação da Sanepar
Sanepar
Sanepar escala solução inovadora para monitorar ruídos e detectar vazamentos em redes de água
24 de abril de 2025
Acessar publicação da Sanepar
Águas do Rio
Águas do Rio usa inteligência artificial para antecipar falhas e reforçar o abastecimento de água
24 de agosto de 2026
Acessar publicação da Águas do Rio
Caesb
Iná — Atendimento Inteligente Caesb
Lançamento público em 22 de junho de 2026
Acessar plataforma Iná
Ofwat
Ofwat AI adoption plan for the water sector during transition
12 de junho de 2026
Acessar plano da Ofwat
Presidência da República
Lei nº 13.709/2018 — Lei Geral de Proteção de Dados Pessoais
14 de agosto de 2018
Acessar texto atualizado da LGPD
Agência Nacional de Proteção de Dados — ANPD
Agenda Regulatória — Inteligência Artificial
Situação: em andamento
Acessar agenda regulatória da ANPD
Câmara dos Deputados
PL 2.338/2023 — Inteligência Artificial
Ficha de tramitação consultada em 30 de setembro de 2026
Acompanhar tramitação do projeto
Ministério da Gestão e da Inovação em Serviços Públicos
Guia de Introdução ao RAG no Setor Público
2026
Acessar o guia
