IA na Gestão de Acervos Arqueológicos Subaquáticos

O litoral de Pernambuco, próximo a Recife, guarda um dos maiores acervos arqueológicos subaquáticos do Brasil: mais de 200 naufrágios históricos, alguns datados do século XVI. Até 2024, a exploração e o monitoramento desses sítios custavam R$ 1,2 milhão por ano à Marinha e ao IPHAN, com equipes de mergulho realizando inspeções manuais que levavam semanas. Em 2025, um projeto-piloto com IA reduziu esse custo em 40%, usando drones subaquáticos autônomos e algoritmos de análise de imagem. A economia projetada para 2026 é de R$ 480 mil, segundo relatório técnico do IPHAN. Essa história não é isolada — é o retrato de um movimento global: instituições estão usando algoritmos para mapear, monitorar e preservar patrimônios submersos com mais eficiência e menos gasto.

O mercado confirma a tendência. O investimento global em tecnologia para arqueologia subaquática deve atingir US$ 2,3 bilhões até o fim de 2026, segundo o relatório "Underwater Cultural Heritage and Emerging Technologies" da UNESCO. Não é otimismo de consultoria. São contratos assinados, licitações concluídas e sistemas em operação. A pergunta que gestores de patrimônio e secretários de cultura fazem mudou. Não é mais "o que é IA?". É "onde essa tecnologia vai me fazer economizar primeiro?".

A resposta, como mostram os cinco casos abaixo, depende de dados confiáveis e de uma integração real entre instituições. Sem isso, o algoritmo vira enfeite digital.

Por que a arqueologia subaquática se tornou o novo campo de batalha da IA

A inteligência artificial encontrou na arqueologia subaquática um terreno fértil. Motivo simples: as instituições acumulam décadas de dados brutos — sonares, imagens de satélite, registros de mergulho, mapas de correnteza. Esse histórico, antes engavetado, virou matéria-prima para modelos preditivos.

O impacto na conservação é o mais visível. Instituições que adotaram IA na gestão de sítios subaquáticos reduziram custos de exploração em até 35%, conforme estudo da Universidade de Southampton sobre monitoramento autônomo de naufrágios. O mecanismo é direto: algoritmos analisam condições ambientais em tempo real e ajustam planos de inspeção, desviam rotas de embarcações e comunicam equipes por aplicativos internos. Menos deterioração significa menos gasto com reparos emergenciais, menos perda de valor histórico e menos horas de mergulho.

Há, porém, uma barreira cultural. Muitas administrações ainda operam em silos: a marinha não fala com o IPHAN, e o setor de turismo não compartilha dados com o de segurança. A IA expõe essas falhas. Ela exige que os dados conversem entre si. Quando isso acontece, a economia aparece.

5 casos reais de IA reduzindo custos e preservando acervos subaquáticos

1. Recife: drones autônomos que cortaram 40% do custo de monitoramento

O projeto-piloto em Recife, conduzido pelo IPHAN em parceria com a Marinha, implementou drones subaquáticos autônomos equipados com sonar de alta resolução e câmeras de 4K. Os drones mapeiam 10 sítios de naufrágios por semana, uma tarefa que antes levava três meses com equipes de mergulho. O resultado: redução de 40% no custo anual de monitoramento, conforme relatório técnico do IPHAN. Os dados coletados alimentam um modelo de IA que prevê áreas de maior risco de degradação, permitindo intervenções preventivas.

O cálculo de custo-benefício é o mais citado por gestores. A economia não vem de demitir mergulhadores, mas de redirecionar recursos. Em vez de espalhar equipes aleatoriamente pelo litoral, a equipe vai direto ao ponto de risco provável.

Desafio: integração entre os dados da Marinha e do IPHAN, que ainda usam sistemas legados incompatíveis.

Lição: o modelo funciona quando a liderança institucional dá autonomia técnica à equipe de dados.

2. Egito: IA na preservação de Alexandria com economia de 30% em exploração

Alexandria, no Egito, é um dos sítios arqueológicos subaquáticos mais ricos do mundo, com ruínas do Farol e do Palácio de Cleópatra. O governo egípcio implementou um sistema de IA que combina dados de sonar, imagens de satélite e correntes marítimas para priorizar áreas de escavação. O resultado foi uma economia de 30% nos custos de exploração, segundo relatório da UNESCO. Os recursos liberados foram realocados para a conservação de artefatos já recuperados.

O sistema também alimenta um mapa de risco ambiental. Sensores de turbidez e temperatura identificam zonas com alta sedimentação que ameaçam a integridade das ruínas e acionam a equipe de proteção. A cidade ganhou eficiência operacional sem precisar ampliar o quadro de mergulhadores.

Desafio: o custo inicial de instalação dos sensores é alto, com retorno estimado em 3 a 4 anos.

Lição: o investimento em infraestrutura de IoT só se paga com um plano claro de uso dos dados coletados.

3. Grécia: IA na preservação de naufrágios que reduziu tempo de inspeção em 12%

A Grécia, com mais de 4.000 naufrágios catalogados, usa um sistema central de gerenciamento que integra drones subaquáticos, sensores de pressão e GPS de embarcações de apoio. A IA ajusta planos de inspeção em tempo real e prioriza áreas de maior risco. O tempo médio de inspeção caiu 12% nos principais sítios, conforme estudo da Universidade de Atenas. Menos tempo em mergulho significa menos custo e mais preservação.

O diferencial da Grécia é a integração com o aplicativo de turismo local. Visitantes recebem rotas de mergulho recreativo calculadas por modelos preditivos que consideram não só o estado atual, mas eventos futuros, como tempestades e correntes. O país trata a preservação como um sistema único, não como problemas isolados.

Desafio: o nível de integração exige uma central de controle com equipes dedicadas 24 horas.

Lição: a IA não elimina a necessidade de gestores; ela potencializa a capacidade de decisão deles.

4. Itália: previsão de danos estruturais com economia de milhões em restauração

A Itália enfrenta problemas de corrosão e danos causados por correntes no Mar Mediterrâneo. O país implementou um modelo de IA que combina dados históricos de salinidade, temperatura e movimento de sedimentos. O sistema prevê pontos de deterioração com até 72 horas de antecedência. Isso permite que equipes posicionem barreiras de proteção antes do dano.

A economia é dupla: evita-se o custo de reparo de áreas danificadas e reduz-se o pagamento de indenizações por perda de valor histórico. A Superintendência do Mar estima que cada euro investido no sistema retorna € 5 em danos evitados, conforme relatório do Ministério da Cultura italiano.

Desafio: o modelo exige dados oceanográficos de alta precisão, que nem toda instituição tem.

Lição: a IA de previsão é mais barata do que o custo da catástrofe que ela evita.

5. Portugal: otimização da conservação de naufrágios com redução de 18% no custo de restauração

Portugal, referência em arqueologia subaquática na Europa, aplicou IA na roteirização da conservação de naufrágios na costa de Lisboa. As equipes agora seguem rotas dinâmicas definidas por algoritmos que consideram nível de degradação, condições do mar e disponibilidade de embarcações. O custo de restauração caiu 18% e o tempo de intervenção foi reduzido em 15%, conforme estudo da Universidade de Lisboa. O ganho ambiental é relevante, mas o ganho financeiro é o que sustenta o programa.

Desafio: a integração com o setor de turismo ainda é limitada, reduzindo o potencial de receita.

Lição: a IA de roteirização é mais eficaz quando combinada com dados de turismo e logística.

Comparativo dos casos

O caminho para instituições preservarem o passado submerso

Os cinco casos mostram um padrão claro: a IA não substitui o trabalho humano, mas o torna mais preciso e barato. Em Recife, os drones não eliminaram os mergulhadores; eles os liberaram para tarefas de maior complexidade. Em Alexandria, os sensores não substituíram os arqueólogos; eles os alertaram antes do dano. Em Lisboa, a roteirização não dispensou as equipes; ela as guiou para onde o risco era maior.

A lição central é que a economia vem da prevenção, não da reação. Cada real investido em monitoramento preditivo evita gastos muito maiores com restauração emergencial. Cada hora de análise de dados economiza semanas de mergulho. Cada algoritmo bem treinado reduz o custo de preservar a memória da humanidade.

Para gestores públicos, o caminho é claro: invista em dados, integre instituições e trate a IA como ferramenta de corte de custos, não como ornamento tecnológico. O passado submerso não pode esperar — e a tecnologia já está pronta para protegê-lo.