IA na operação aeroportuária: a inteligência começa antes do algoritmo

Esta análise integra a cobertura de gestão aeroportuária Auter sobre operação, receita e decisão.

A Assembleia Geral Anual da ACI-LAC e da ACI World (WAGA 2026) terminou em 29 de setembro, em Lima, com cerca de 600 participantes e uma mensagem que atravessou vários painéis: o próximo salto dos aeroportos não virá apenas de mais concreto, mas da capacidade de conectar melhor o que já existe. Na mesma semana, executivos de tecnologia do setor repetiram que a inteligência artificial só entrega seu potencial quando os dados deixam de viver em silos — e que ela não deve substituir o julgamento humano na decisão.

No Brasil, o contexto torna essa discussão urgente. Portfólios estão mudando de tamanho e de mãos: o programa AmpliAR passou a incorporar aeroportos regionais a contratos de concessão existentes, e o grupo mexicano ASUR concluiu em setembro a compra dos 20 aeroportos que pertenciam à Motiva. Cada movimento desses coloca sob a mesma gestão operações de escalas, culturas e níveis de maturidade digital muito diferentes.

Para contextualizar o tema, consulte a plataforma de gestão aeroportuária, o conteúdo sobre software para concessionárias aeroportuárias e os cases de operação aeroportuária. Aprofunde o contexto em outra análise de gestão aeroportuária.

É nesse cenário que aparece um fenômeno que o setor conhece bem, mas raramente nomeia: ativos que crescem em volume sem crescer em inteligência. O movimento aumenta, a equipe se adapta, as planilhas se multiplicam — e a capacidade de enxergar a própria operação fica para trás. A IA pode ajudar a fechar essa distância. Mas ela é a última camada de um trabalho que começa bem antes do algoritmo.

A operação já sabe muito. O problema é que ela não se enxerga

Todo aeroporto, de qualquer porte, produz registros o tempo inteiro: pousos e decolagens, cobranças, ordens de serviço, escalas, ocorrências, inspeções. Essa memória operacional existe antes de qualquer projeto de IA. O que costuma faltar é forma. Os dados estão espalhados entre sistemas que não conversam, planilhas pessoais e o conhecimento de quem está há mais tempo na casa. A operação se conhece por percepção — que pode ser precisa, mas raramente é completa.

Por isso, a pergunta certa não é “qual IA devemos contratar?”, e sim “o que a nossa operação precisa conseguir ver, comparar e decidir?”. Na prática, o caminho tem três movimentos, que não se encerram — se aprofundam continuamente: tornar a operação legível, dar referência aos números e, só então, transformar leitura em ação.

Tornar a operação legível

Legibilidade não é exposição; é estrutura. É fazer com que o mesmo evento — um pouso, uma permanência em pátio, uma cobrança — seja registrado da mesma forma pela operação, pelo comercial, pelo financeiro e pela manutenção. Alguns passos concretos:

• Defina um conjunto mínimo de variáveis que toda unidade precisa registrar, com o mesmo significado, a mesma unidade de medida e o mesmo identificador. É esse contrato mínimo de dados que permite, depois, qualquer comparação.
• Eleja um sistema de referência para cada informação e documente como tratar atrasos, correções e duplicidades. Integração que apenas transporta arquivos, sem preservar o significado dos registros, só espalha inconsistência mais rápido.
• Preserve a rastreabilidade entre o registro original, suas transformações e o número que chega ao gestor.

Antes de qualquer promessa de IA, a plataforma de gestão aeroportuária (auter.com.br) organiza a operação em uma base única: cadastros do aeródromo — pistas, posições, hangares, equipamentos —, agendamento e movimentação de voos, painel de pátio, vistorias, ocorrências, manutenção, credenciamento, faturamento e relatórios regulatórios. Cada registro nasce com autoria e trilha de auditoria (quem incluiu, alterou ou cancelou), e o movimento registrado pela operação é a mesma base usada pelo faturamento e pelos relatórios. É isso que torna a operação legível: não um painel a mais, mas o mesmo evento com o mesmo significado em todas as áreas.

Esse também é o ponto de partida do guia prático sobre IA em operações aeroportuárias divulgado pela ACI EUROPE: a governança de dados aparece como o habilitador fundamental, com propriedade clara, padrões de qualidade e monitoramento contínuo — inclusive porque sistemas de IA passam a gerar dados que alimentam outros sistemas, o que cria riscos de retroalimentação e de deriva.

Dar referência aos números

Um indicador isolado diz pouco. O mesmo indicador, colocado ao lado de operações de perfil semelhante, diz muito. Um aeroporto com fluxo crescente pode não perceber que opera com equipe subdimensionada até comparar sua relação entre volume e pessoal com a de unidades parecidas. A comparação não resolve o problema — mas o torna visível pela primeira vez.

Duas cautelas fazem diferença. A primeira: comparar por perfil, não por tamanho, e não transformar comparação em ranking. Um aeroporto regional com poucos movimentos diários e um hub fazem, em essência, a mesma coisa: voos, passageiros, equipes e conformidade regulatória. Porte e modelo de gestão não mudam o que eles são; mudam com quem faz sentido compará-los. A segunda: o mesmo dado pode ter sensibilidades diferentes conforme o seu sentido. Um aumento de movimento é uma informação tranquila de compartilhar; uma queda pode ser sensível. Definir quem vê o quê precisa vir antes de qualquer painel.

Há aqui uma convergência clara com as diretrizes para contratos de concessão que a ACI World publicou em 2025 a pedido de operadores membros da ACI-LAC. O documento recomenda tratar os KPIs como ferramentas de gestão — e não apenas como obrigações contratuais —, revisar periodicamente se eles de fato orientam ação e complementar os indicadores do contrato com programas independentes de benchmarking.

Transformar leitura em ação: a inteligência interna do aeroporto

Com a operação legível e os números com referência, a IA começa a fazer sentido. E o valor mais imediato costuma estar dentro do próprio aeroporto, em decisões recorrentes que hoje dependem de memória e improviso.

Um exemplo: uma aeronave pousa com contrato de hangar por dois dias. Com dados de fluxo previsto, equipe disponível e ocupação de espaço, o sistema pode indicar qual hangar e qual posição dentro dele otimizam a operação — reduzindo deslocamentos, liberando equipe e aproveitando melhor o pátio. Não é uma previsão abstrata: é uma recomendação que chega no momento da decisão, dentro da rotina de quem opera.

Na pauta de inteligência operacional aeroportuária (auter.com.br), é esse tipo de decisão que orienta a construção da base: o cadastro de hangares e posições, o painel de pátio e o agendamento de voos convivem no mesmo lugar — e é essa convivência que torna uma recomendação desse tipo possível, em vez de mais um cruzamento manual de planilhas.

Nem tudo, porém, pede um modelo. Quando a regra é estável e explícita — campo obrigatório, duplicidade, condição tarifária cadastrada —, automatizá-la diretamente é mais simples de explicar, testar e auditar. Modelos entram onde os padrões variam: demanda por período, priorização de inspeções, combinações incomuns entre registros de operação e de cobrança.

Esse primeiro degrau já é rotina. No faturamento aeroportuário (auter.com.br), um motor tarifário parametrizável aplica as regras de cobrança sobre os movimentos registrados; o credenciamento dispara avisos de vencimento; uma vistoria com não conformidade gera a ocorrência, com evidências, e a ação de acompanhamento. É automação de regras, auditável — e é justamente ela que produz a base consistente sobre a qual modelos podem, depois, recomendar. Quando a recomendação chegar, o lugar dela é dentro do fluxo em que o operador já trabalha, e não em um sistema paralelo.

E a ordem das responsabilidades importa: o modelo recomenda, o gestor decide. A autonomia só avança onde os padrões são suficientemente claros e o impacto, previsível. É a mesma lógica que a ANAC adotou ao criar, no fim de 2025, a Condição Especial para certificação de sistemas embarcados com IA: o primeiro sistema aprovado, desenvolvido pela Embraer, opera em nível 1 — emite alertas ao piloto, sem intervir automaticamente nos comandos. A agência já havia publicado em março de 2025 sua Política e Estratégia de Inteligência Artificial (IN nº 209), ancorada em uso ético, seguro e transparente, e em maio de 2026 reuniu o setor em um workshop com painéis sobre integração de sistemas, uso estratégico de dados e IA aplicada às operações.

Todo piloto também precisa de caminho de volta: rodar em paralelo ao processo atual, registrar acertos e discordâncias e manter um modo degradado executável. Não por acaso, o projeto premiado pela ACI-LAC em Lima como melhor iniciativa de resiliência — de um coordenador de operações do Aeroporto do Recife — propõe manter 90% da continuidade operacional em modo degradado durante um incidente cibernético, recuperando as funções críticas em até 72 horas.

Quando o aeroporto é um entre vinte: a inteligência do grupo

A lógica muda de escala quando a pergunta vem de uma concessionária ou de um gestor público com vários aeroportos. América Latina e Caribe é a região do mundo com maior participação privada no setor: segundo a ACI, em 2024, 56% dos aeroportos de 17 países da região, responsáveis por 81% dos passageiros, tinham participação privada. O mesmo estudo registra o crescimento dos grupos aeroportuários com portfólios de múltiplos ativos e aponta, entre as justificativas das concessões, o agrupamento de aeroportos economicamente frágeis com ativos fortes — exatamente o desenho que o AmpliAR aplica no Brasil.

Para um grupo, a inteligência tem outra natureza. Não se trata de operar cada aeroporto, e sim de enxergar o portfólio: o desempenho de cada unidade, as comparações entre elas, as correlações que só aparecem quando várias operações são observadas ao mesmo tempo, os alertas que pedem intervenção. É uma camada de gestão, não de operação — e ela depende inteiramente do trabalho feito na base.

Foi também por isso que a Auter (auter.com.br) desenhou sua plataforma para operar aeroportos de perfis diferentes dentro de uma mesma estrutura, com perfis de acesso a uma ou mais unidades e visões unificadas dos ativos. A visão de grupo não é um relatório montado no fim do mês; é consequência de cada unidade registrar a própria operação no mesmo padrão.

Na prática, isso pede:

• Um padrão comum com expectativas calibradas. Como todo aeroporto opera o mesmo escopo, um contrato mínimo de dados funciona para o hub e para o regional. O que muda é a leitura: cada unidade é comparada com as de perfil semelhante, não com a maior do grupo.
• Autonomia local com exceções justificadas. Padronizar não é apagar diferenças operacionais; é registrá-las de forma que possam ser explicadas.
• Validação unidade a unidade. Um modelo que funciona em um aeroporto não está automaticamente pronto para os demais. A Aena implantou analítica de vídeo com IA para acompanhar o turnaround em Madri, Barcelona e Palma e só a partir desses resultados vai avaliar a extensão ao restante da rede, conforme as prioridades de cada unidade.
• Circulação do que funciona. O ganho de escala do grupo está em reconhecer o que deu certo em uma unidade e levar a quem tem perfil parecido — e em identificar cedo quem está em condição crítica, oferecendo um caminho concreto de saída, não apenas um alerta. A ferramenta de IA para credenciamento desenvolvida em 2025 pela então Motiva Aeroportos, que reduziu o tempo de aprovação de 52 para 24 horas, nasceu de uma equipe de seis pessoas e foi pensada desde o início para ser replicável em outros terminais.

As diretrizes da ACI vão na mesma direção ao recomendar obrigações explícitas de compartilhamento de dados operacionais nos contratos e a adoção da decisão colaborativa (A-CDM) em escala compatível com o porte de cada aeroporto. E há um efeito menos visível: dado legível é ativo. O mesmo documento aponta que bases de informação frágeis aumentam o risco percebido e atrasam processos de concessão. Em um mercado em que portfólios são comprados, ampliados e integrados em ritmo acelerado, a operação que se explica com dados se integra mais rápido — e vale mais.

Como saber se valeu a pena

Registre a situação de referência antes do piloto: tempo de execução, retrabalho, qualidade da decisão e esforço de supervisão. Some todos os custos — integração, preparação de dados, treinamento, manutenção. E mantenha rigor na contabilidade dos ganhos: horas poupadas não são automaticamente economia, e inconsistência identificada não é receita recuperada. Se a melhora técnica não gera benefício operacional, ou se a revisão consome mais do que o processo anterior, o piloto deve ser redesenhado — mesmo que o modelo seja preciso.

Por onde começar

1. Escolha uma decisão recorrente, com dono claro e resultado verificável.
2. Defina o contrato mínimo de dados dessa decisão e o sistema de referência de cada informação.
3. Estabeleça com quem cada indicador será comparado e quem pode vê-lo.
4. Separe o que é regra (automatize) do que é padrão variável (teste um modelo).
5. Rode em paralelo, com caminho de reversão e registro de discordâncias.
6. Se você gere um grupo, trate a visão de portfólio como instrumento de governança e valide cada unidade antes de escalar.

A IA revela; não inventa

A inteligência artificial não cria a inteligência de uma operação. Ela revela o que já está ali — decisões acumuladas, rotinas, dados — quando a operação se torna legível o bastante para ser lida. Aeroportos que fazem esse trabalho de base passam a decidir com referência. Grupos que o fazem passam a enxergar o portfólio como um sistema, e não como uma soma de planilhas.

E, quando isso acontece, surge uma pergunta: como a minha operação se compara a quem opera como eu, fora das minhas próprias fronteiras? Essa conversa fica para um próximo texto.

Perguntas frequentes

Um aeroporto regional com pouco histórico deve esperar para usar IA?

Não necessariamente. Com pouco histórico, regras bem definidas e a comparação com unidades de perfil semelhante — quando existem no mesmo grupo — costumam entregar mais valor do que um modelo treinado apenas com os próprios dados. O modelo avança quando supera essa referência.

Organizar dados de vários aeroportos de um grupo expõe as unidades?

Não, se a governança vier antes. A visão de portfólio é um direito de gestão do grupo; o que precisa ser definido é quem vê o quê e em que sentido cada indicador é sensível.

Quando a IA pode agir sozinha?

Só depois de um período recomendando e sendo avaliada, em situações de padrão claro e impacto previsível, com monitoramento contínuo e caminho de reversão. Até lá, ela sugere e o gestor decide.

Fontes e referências

• ACI-LAC — Encerramento da WAGA 2026, Lima (29/09/2026): https://aci-lac.aero/en/news?sg=innovacion-nuevos-ingresos-y-descarbonizacion-marcan-el-futuro-de-la-industria-aeroportuaria
• ACI World / ACI-LAC — Airport Development Concession Agreements: Global Approaches and Guidelines for PPPs (2025): https://aci-lac.aero/horus/wp-content/uploads/2025/10/ADCA-GUIDELINES-1-pvhqza.pdf
• A21 — ACI-LAC reconhece projetos de inovação e resiliência (30/09/2026): https://a21.com.mx/aeronautica/2026/09/30/reconoce-aci-lac-proyectos-de-innovacion-y-sostenibilidad-aeroportuaria/
• Aviación News — Repensar os aeroportos: dados conectados e IA (29/09/2026): https://www.aviacionnews.com/2026/09/repensar-a-los-aeropuertos/
• ACI EUROPE — Guia prático sobre IA em operações aeroportuárias (Airport Intelligence e Jetpack.AI): https://www.aci-europe.org/component/attachments/attachments.html?id=3976