A aviação comercial é, por natureza, conservadora. Cada inovação tecnológica passa por anos de certificação, prova de conceito e validação operacional antes de tocar num avião comercial. Esta cautela explica por que motivo a inteligência artificial, que noutros setores se expandiu de forma vertiginosa, está apenas agora a entrar nos cockpits, nas torres de controlo e nos hangares de manutenção. Em 2026, contudo, deixou de ser experimental. Tornou-se a coluna vertebral operacional de companhias aéreas, fabricantes e prestadores de serviços de navegação aérea.

O mercado global de IA na aviação, avaliado em 1,75 mil milhões de dólares em 2025, deverá atingir 4,86 mil milhões em 2030, com uma taxa de crescimento composta anual de 22,6%, segundo a MarketsandMarkets (fonte). Esta progressão acontece num contexto onde, paradoxalmente, a aviação preserva taxas de segurança extraordinárias precisamente por ser lenta a adotar tecnologia, e onde a IA promete redefinir o equilíbrio entre velocidade de inovação e rigor de certificação.

A manutenção preditiva como caso de uso maduro

Se há área onde a IA já demonstrou retorno tangível, é a manutenção preditiva. Os aviões modernos são autênticas fábricas de dados. Um Boeing 787 Dreamliner gera, em média, 500 GB de dados por voo. Um Airbus A380 pode estar equipado com até 25 mil sensores, e cada motor da General Electric produz aproximadamente 5 mil pontos de dados por segundo (Airways Magazine). Este caudal de informação seria inútil sem sistemas capazes de o interpretar em tempo real.

A plataforma Skywise, lançada pela Airbus em 2017 em parceria com a Palantir Technologies, é hoje a referência incontornável neste domínio. Funciona como ecossistema de dados unificado, agregando informação de sensores de voo, registos de manutenção, especificações de engenharia e dados de componentes de fornecedores. Atualmente conta com cerca de dois mil aviões conectados e tem-se afirmado como o equivalente, no setor da aviação, ao que o sistema operativo é para um computador (Klover.ai). Um exemplo concreto e quantificado: a easyJet, ao integrar a sua frota no Skywise, registou 31 casos confirmados em que o sistema previu falhas antes de ocorrerem em serviço, permitindo a substituição preventiva de componentes e evitando 31 atrasos ou cancelamentos (Aircraft IT). A Qantas, parceira na plataforma S.PM+ derivada do Skywise, integrou nos seus Airbus A330 sensores que enviam alertas para as equipas de terra antes mesmo da aterragem, sinalizando picos de temperatura ou vibrações anómalas em componentes do motor.

Do lado da Boeing, a aposta concretiza-se na plataforma AnalytX, que congrega mais de 800 aplicações, incluindo o Airplane Health Management (AHM) com três componentes essenciais: rastreio de falhas em tempo real através de mensagens ACARS, monitorização do desempenho do sistema e gestão de configurações de peças e modificações (MDPI). Já a Lufthansa Technik desenvolveu o AVIATAR, plataforma adotada pela United Airlines em 2021, pela Etihad e por mais de 20 companhias aéreas que operam aeronaves Airbus e Boeing. O AVIATAR distinguiu-se pela introdução de robôs colaborativos (cobots) que inspecionam furos roscados em carcaças de motores, detetam micro-fissuras e operam em integração com gémeos digitais (Aerospace Global News).

A Delta Airlines, por seu turno, implantou modelos de machine learning para analisar dados em tempo real provenientes de mais de 200 sensores espalhados pela sua frota, com resultados mensuráveis na redução de eventos de manutenção não planeada (SmartDev). A escala do problema que estas tecnologias resolvem é considerável: em 2024, a FAA ordenou à Boeing a imobilização de 171 aeronaves para inspeção após o destacamento de um painel de cabine em pleno voo, com custos estimados em 20 mil milhões de dólares em multas, indemnizações e despesas legais, além de perdas indiretas superiores a 60 mil milhões devido ao cancelamento de 1.200 encomendas (Verdantix). Cada hora de imobilização de um avião custa a uma companhia aérea valores que rapidamente atingem dezenas de milhares de euros, o que torna o retorno do investimento em IA preditiva quase imediato.

A gestão de tráfego aéreo e o céu digital europeu

Se a manutenção preditiva é o presente, a transformação do controlo de tráfego aéreo é o terreno onde a IA se confronta com maior resistência institucional e simultaneamente maiores ganhos potenciais. O céu europeu está sob enorme pressão. As previsões da EUROCONTROL apontam para 13,8 milhões de voos na rede europeia até 2030, mas os prestadores de serviços de navegação aérea (ANSP) enfrentam reservas de tesouraria esgotadas, infraestruturas paradas e uma necessidade de investimento superior a 20 mil milhões de euros para concretizar o ATM Master Plan e o Digital European Sky (ALG Global).

A resposta institucional é o programa SESAR (Single European Sky ATM Research), pilar tecnológico da iniciativa Céu Único Europeu, coordenado pela Comissão Europeia em conjunto com a EUROCONTROL. A NAV Portugal integra o consórcio dos 14 ANSP responsáveis por cerca de 80% dos voos europeus, controlando, entre outros, o FIR de Lisboa e o FIR de Santa Maria, sendo este último responsável por uma vasta porção do Atlântico Norte (SESAR Deployment Manager). Em 2024, o portefólio SESAR atingiu nove demonstradores em ambiente operacional real, representando um investimento agregado superior a 650 milhões de euros através do Horizon Europe e da Connecting Europe Facility.

Os ganhos práticos já documentados são surpreendentes. Estudos de simulação em laboratórios e com dados reais, conduzidos no âmbito de projetos como o PROSA, demonstraram que assistentes digitais baseados em IA podem reduzir em 30 vezes o número de inputs manuais exigidos aos controladores de tráfego aéreo, em ambientes que vão do controlo em rota à aproximação e partida (SESAR Joint Undertaking). A Indra, líder em quatro dos 21 projetos de inovação SESAR em que participa, está a desenvolver assistentes digitais de IA para apoio à decisão dos controladores e a chamada virtualização do espaço aéreo, que permite delegar a gestão de zonas entre centros de controlo para otimizar recursos e evitar congestionamentos (Indra).

A NASA, pela sua parte, testou com sucesso a gestão autónoma de drones no projeto ATM eXploration, antecipando aquilo que será o desafio dominante da próxima década: como integrar de forma segura veículos não tripulados e táxis aéreos no espaço aéreo controlado, sem fazer colapsar os sistemas atuais (Premier Science).

O cockpit assistido por IA: do DragonFly à operação com um único piloto

Talvez o tema mais controverso da aplicação da IA na aviação seja o que se passa, literalmente, à frente do avião: no cockpit. A Airbus completou em 2020 o projeto ATTOL (Autonomous Taxi, Take-Off and Landing), demonstrando o primeiro voo autónomo com um A350-1000. Em 2023, o projeto DragonFly evoluiu este conceito, recorrendo a uma combinação de câmaras normais e de infravermelhos, com sensores radar, para assistir os pilotos em situações de desvio de emergência, aterragem automática e assistência ao taxiamento (Wikipedia). O DragonFly pode permitir que aeronaves aterrem com visibilidade reduzida em pistas sem infraestrutura ILS tradicional, alargando significativamente as condições operacionais seguras.

O debate, contudo, é menos sobre o que a tecnologia consegue fazer e mais sobre o que se deve fazer com ela. As estimativas do UBS Group apontaram para um potencial de lucro adicional de 15 mil milhões de dólares se os voos comerciais pudessem ser operados com um único piloto, ou 35 mil milhões se fossem totalmente autónomos (Insurance Journal). A pressão económica é colossal. Mas a Air Line Pilots Association (ALPA), através do seu presidente Jason Ambrosi, qualificou a substituição de pilotos por automação como uma loucura, sublinhando que continuam por resolver barreiras técnicas relativas à tomada de decisão autónoma e à monitorização de saúde do piloto solitário (AeroTime).

Os contraexemplos são ilustrativos do porquê desta cautela. O voo Qantas 32, em 2010, sofreu a explosão de um motor próximo de Singapura, com perfurações no depósito de combustível e em sistemas de controlo. O sistema autónomo chegou a indicar aos pilotos humanos para mudarem para um depósito de combustível com fuga. A intervenção crítica dos pilotos evitou uma catástrofe. Se um sistema de IA tivesse executado a manobra automaticamente, o desfecho teria sido outro (Pivot to AI). É este género de cenário fora da distribuição de treino que separa fundamentalmente o desempenho da IA do raciocínio humano em situações imprevistas.

A via intermédia consensualmente em desenvolvimento é o conceito de eMCO (Extended Minimum Crew Operations), que mantém dois pilotos a bordo mas permite que, durante a fase de cruzeiro, apenas um esteja ativamente no cockpit, com o outro a descansar. A Airbus tem defendido este modelo como caminho de transição mais palatável para a opinião pública, antes da eventual operação com um único piloto em voos comerciais.

A revolução regulatória europeia: EASA NPA 2025-07

Para um jurista de direito digital, este é o ponto mais relevante da análise. A 10 de novembro de 2025, a Agência Europeia para a Segurança da Aviação (EASA) publicou o Notice of Proposed Amendment 2025-07, o primeiro instrumento regulatório do mundo dedicado exclusivamente à inteligência artificial na aviação. O NPA está integrado no programa de IA da EASA e operacionaliza, dentro do setor aviation, as exigências aplicáveis a sistemas de IA de alto risco previstas no Regulamento (UE) 2024/1689 (AI Act) (EASA). Trata-se da primeira etapa da Rulemaking Task 0742, à qual se seguirá um segundo NPA em 2026, que projetará este enquadramento genérico para os domínios regulatórios concretos da aviação.

O NPA 2025-07 introduz aquilo que se convencionou chamar as sete dimensões da fiabilidade (trustworthiness): supervisão humana com registo de overrides, robustez técnica e segurança, transparência e explicabilidade (a caixa negra está agora proibida, pois qualquer sistema de IA que assinale uma falha terá de fornecer explicação interpretável por engenheiro licenciado), privacidade e governança de dados, diversidade e ausência de discriminação, bem-estar social e ambiental, e responsabilização (SAS Sofia).

A EASA adotou também uma classificação por níveis de automação. O Nível 1 corresponde ao chamado human augmentation, onde a IA presta assistência cognitiva (por exemplo, destacando uma potencial fissura na imagem de uma pá de turbina), mas o ser humano toma a decisão final. O Nível 2 corresponde ao human-AI teaming, no qual o humano e a IA trabalham em equipa, podendo a IA iniciar ações que o operador humano monitoriza ou anula. O Nível 3 inclui autonomia limitada, com decisões da IA sujeitas a revisão posterior. O posicionamento estratégico da EASA é particularmente significativo. Está claramente a procurar definir o padrão global de facto para a certificação e supervisão de IA na aviação, antecipando-se à FAA norte-americana, cuja AI Roadmap, embora publicada, é considerada menos detalhada e prescritiva (JDA Solutions).

A par disto, a EUROCAE, organização europeia de normalização aeronáutica, tem vindo a desenvolver normas técnicas complementares, com destaque para o ER-022 (Statement of Concerns sobre IA em sistemas relacionados com segurança aeronáutica) e o ER-027 (Taxonomia de IA, publicado em dezembro de 2024). A ED-324 é a norma técnica principal em desenvolvimento, com publicação prevista para 2026 e ambição de reconhecimento pelas autoridades civis (Aerospace Innovations).

Cibersegurança aeronáutica e IA adversária

Os ataques cibernéticos contra a indústria da aviação aumentaram 131% entre 2022 e 2023, e cada hora de disrupção operacional num grande aeroporto custa cerca de um milhão de dólares (Axis Intelligence). O mercado da cibersegurança aeronáutica deverá atingir 8,42 mil milhões de dólares até 2033. Mas o que distingue a ameaça atual é a sofisticação: começam a surgir ataques de machine learning adversarial contra sistemas de IA aeronáutica, em que atacantes injetam dados maliciosos em sistemas de otimização de voo para induzir desvios de rota ou interpretações erradas pelos algoritmos.

No domínio dos veículos aéreos não tripulados (UAV), os riscos são ainda mais agudos. O GPS spoofing tem sido usado em operações militares para redirecionar UAVs para zonas controladas pelo inimigo, e perturbações adversárias em imagens podem enganar sistemas de vigilância baseados em visão computacional, levando-os a ignorar alvos legítimos ou a identificar alvos inexistentes (Wiley Online Library). O quadro regulatório aplicável aos UAVs com IA continua fragmentado entre jurisdições, com inconsistências significativas em políticas operacionais, padrões de cibersegurança e mecanismos de responsabilização, ao contrário do que sucede com a aviação tripulada comercial.

A integração de IA em sistemas críticos levanta também questões inéditas em matéria de imputação. Quando um sistema autónomo toma uma decisão que afeta a segurança de voo, as equipas forenses têm de conseguir determinar se essa decisão resultou de variações operacionais legítimas, de manipulação maliciosa ou de drift do modelo. Esta exigência de auditabilidade reforça precisamente a centralidade que o NPA 2025-07 confere aos registos de override, à explicabilidade dos modelos e à governança rigorosa dos dados de treino.

IA generativa e operações aeroportuárias

A entrada da IA generativa na aviação aconteceu de forma surpreendentemente rápida. O caso mais notório é o da Air India, que implementou o chatbot AI.g sobre infraestrutura Microsoft AI, e que resolve autonomamente 97% das interações com clientes, sem intervenção humana, simulando um agente de viagens digital com reconhecimento de voz natural (OAG). Em junho de 2025, a Amazon Web Services estabeleceu uma parceria com a Iberia para integrar tecnologias de cloud e IA na modernização da infraestrutura digital e na otimização da experiência do cliente, e a TCS assinou com a Virgin Atlantic um acordo de 7 anos para modernizar sistemas de IT com IA e cloud, incluindo microsserviços, pipelines em tempo real e diagnóstico assistido por IA.

A IBM, por seu lado, identifica como casos de uso mais maduros para a IA generativa a personalização do treino de pilotos (com simuladores que adaptam cenários ao desempenho de cada formando), a otimização de rotas e horários (fundindo dados históricos com tempo real, padrões meteorológicos e tráfego para determinar trajetórias com menor consumo de combustível e menos atrasos) e o apoio à manutenção, com geração assistida de procedimentos e recuperação contextual de manuais técnicos pelos técnicos de MRO (IBM). É precisamente neste último caso que assistentes industriais especializados, treinados em corpora técnicos aeronáuticos e em bibliotecas de manuais, estão a reduzir drasticamente o Mean Time to Repair (MTTR) em hangares (ifactory).

Há, contudo, uma reserva importante e que aparece transversal nos relatórios analíticos do setor. A Gartner prevê que, até 2026, 60% dos projetos de IA serão abandonados devido a dados imprecisos ou desorganizados. A McKinsey reporta que 70% dos projetos de IA não cumprem os objetivos por causa da qualidade dos dados, a Deloitte aponta para 80%, e a IDC chega a 85% de falhas atribuíveis a dados incompletos ou de má qualidade (OAG). Em aviação, onde a decisão se baseia em dados críticos em tempo real, esta dependência é absoluta. Sem governança rigorosa de dados, a IA torna-se um amplificador de falhas, não um redutor.

Saúde mental, fadiga e segurança operacional

Uma das aplicações menos publicitadas mas mais promissoras é o uso da IA para monitorização de saúde mental e fadiga em tripulações. Plataformas de reconhecimento de voz e processamento de linguagem natural permitem identificar, através de variações na voz e expressões faciais, sinais precoces de fadiga, stress ou estados emocionais que podem comprometer o desempenho operacional (aiOla). A questão é particularmente sensível dada a memória dos acidentes em que estados psicológicos do piloto desempenharam papel determinante, como o tragicamente conhecido voo Germanwings 9525. A IA não substitui a avaliação clínica, mas pode funcionar como um sistema de alerta precoce, complementando os processos médicos e psicológicos tradicionais.

Perspetiva crítica e caminhos para 2026 e além

A integração da IA na aviação caracteriza-se por uma tensão produtiva entre a velocidade de evolução tecnológica e a deliberação cuidada da adoção operacional, e essa tensão é virtuosa. Quando a indústria automóvel correu para a autonomia total, viu-se obrigada a recuar perante incidentes em condições reais. A aviação aprende com este historial e impõe-se um caminho mais cauteloso, regido por trustworthiness em vez de mero deployment. O NPA 2025-07 da EASA é a expressão regulatória mais avançada deste princípio à escala mundial.

O próximo grande salto serão os sistemas multi-agentes. Os AI agents, autónomos e capazes de interagir com outros sistemas para atingir objetivos de alto nível, estão a sair da camada conversacional e a entrar nas operações reais. Um exemplo concreto e ilustrativo: hoje, a falha de um shuttle que transporta passageiros entre aeronave e terminal exige várias comunicações manuais, com atrasos de 5 a 10 minutos. Num ambiente monitorizado e automatizado, um agente de IA pode detetar a falha, atribuir um shuttle de substituição, notificar todas as partes interessadas e atualizar dinamicamente o plano operacional, em segundos (ALG Global).

Para Portugal, com a NAV a integrar o consórcio SESAR e com a Iberia (operadora de relevância significativa em Lisboa) já em parceria com a AWS para projetos de IA, o vetor estratégico está identificado. A questão é se o país conseguirá posicionar-se como nó de inovação no Digital European Sky, ou se será apenas consumidor de soluções desenvolvidas noutras geografias. A presença do FIR de Santa Maria, com soberania portuguesa sobre vasta área atlântica, é um ativo estratégico que poderia justificar investimento dedicado em IA aplicada à gestão de tráfego oceânico, tema onde os sistemas convencionais têm tido dificuldade em escalar.

Se há lição a retirar do estado da arte em 2026, é que a IA na aviação não é um destino, é um processo. Cada algoritmo certificado, cada plataforma de dados implementada, cada controlador de tráfego que aceita um assistente digital, cada técnico de manutenção que confia num modelo preditivo, todos contribuem para um sistema em que humanos e máquinas operam em colaboração estruturada e auditável. A aviação está a ensinar ao resto da economia digital aquilo que sempre soube fazer: integrar tecnologia disruptiva sem comprometer a segurança. E é precisamente este modelo, regulado, transparente e fiável, que outros setores críticos, do setor da saúde à energia, deverão olhar como referência nos próximos anos.