Reumo
O uso da Inteligência Artificial (IA) na Gestão de Facilities (GF) tem crescido significativamente, impulsionado pela busca por otimização de recursos, automação e maior eficiência operacional Apesar desse crescimento, a literatura existente ainda está em desenvolvimento, o que dificulta a compreensão aprofundada dos Fatores Críticos de Sucesso (FCS) que impactam a adoção da IA nesse campo Este estudo visa preencher essa lacuna realizando uma Revisão Sistemática de Segunda Ordem (RSSO) para identificar e sintetizar os principais FCS relacionados à adoção da IA em FM A análise segue o arcabouço teórico TOEH (Tecnologia–Organização–Ambiente–Humano), oferecendo uma visão abrangente dos diversos facilitadores e obstáculos Entre as principais preocupações estão a interoperabilidade dos sistemas, a integridade dos dados e a confiabilidade dos modelos, fatores agravados pela fragmentação tecnológica e pela falta de padronização, o que dificulta a implementação de soluções integradas Além disso, questões regulatórias relacionadas à privacidade de dados e governança, juntamente com a formação inadequada da força de trabalho, representam desafios à adoção em larga escala Por outro lado, avanços como gêmeos digitais, IA explicável, robótica e cibersegurança estão atuando como catalisadores da transformação Esses achados oferecem insights essenciais para gestores de FM, desenvolvedores de tecnologia e formuladores de políticas públicas.
Abstract
The use of Artificial Intelligence (AI) in Facilities Management (FM) has significantly grown, driven by the pursuit of resource optimization, automation, and enhanced operational efficiency. Despite this growth, existing literature is still developing, which hampers a thorough understanding of the Critical Success Factors (CSFs) that impact AI adoption in this field. This study aims to fill that gap by performing a Second-Order Systematic Review (SOSR) to pinpoint and summarize the primary CSFs linked to AI adoption in FM. The analysis follows the TOEH theoretical framework (Technology–Organization–Environment–Human), offering a comprehensive view of the various facilitators and obstacles. Major concerns include system interoperability, data integrity, and model dependability, which are further complicated by technological fragmentation and a lack of standardization, making the rollout of integrated solutions more difficult. Additionally, regulatory issues related to data privacy and governance, alongside inadequate workforce training, pose challenges to widespread adoption. Conversely, advancements like digital twins, explainable AI, robotics, and cybersecurity are acting as catalysts for transformation. These findings offer crucial insights for FM managers, technology developers, and policymakers, aiding in the creation of effective organizational and regulatory approaches for the integration of AI in the FM sector.