LO
Avisa-me quando chegar um registo verificado a esta profissão → · Marcar quais destas tarefas são suas (VOLO Pro, gratuito durante o lançamento) →
Analista de informação geográfica / cartógrafo
Transforma imagens e dados de levantamento em mapas e bases de dados espaciais: digitaliza edifícios, estradas e ocupação do solo, faz análise espacial, mantém os dados e confronta-os com o terreno. A aprendizagem automática está a ficar com a extração de elementos em massa à escala nacional — a agência cartográfica de França diz que a IA reduziu a um terço o tempo de produção da sua carta de ocupação do solo e cortou o custo para metade — e os agentes de IA já conseguem executar operações básicas de SIG. Mas num teste controlado, pessoas experientes a mapear à mão foram mais rápidos e mais precisos do que um editor assistido por IA, os testes de referência apontam o raciocínio espacial como a parte mais difícil, e até os fornecedores de dados de edifícios gerados por máquina dizem aos utilizadores que os verifiquem localmente. Os EUA projetam que o emprego de cartógrafos cresça 7 por cento até 2035, sem mencionar a IA.
Compara uma camada de edifícios gerada por máquina com as imagens de um bairro que conheças e conta os erros.
Isto não é uma probabilidade de perder o emprego. Combina que parte da carga de tarefas do posto está exposta à automatização com até onde a adoção chegou de facto: serve para comparar profissões sobre uma base constante, e para mais nada.
Escrito para analistas e técnicos de SIG, cartógrafos e fotogrametristas que produzem mapas e dados espaciais. Os topógrafos com licença, os engenheiros civis e os cientistas de dados têm páginas próprias ou fazem trabalhos diferentes. A evidência é duas projeções laborais dos EUA, o relato de uma agência cartográfica nacional sobre a sua própria produção, o conjunto de dados aberto de edifícios de uma empresa de tecnologia, dois testes de referência de agentes de IA em tarefas de SIG e uma experiência controlada de mapeamento; estabelece o que a IA faz na produção de mapas e onde as pessoas ainda a verificam, não como mudaram os empregos ou os rendimentos no SIG.
O que está mesmo a mudar#
A unidade de análise é a tarefa, não o nome do posto. Um posto não é substituído: é a mistura de tarefas dele que se move.
Cada quadrado é uma tarefa. O tamanho é o peso que tem no trabalho; a cor, para onde a tarefa está a ir. Clique num quadrado para ver o que esse juízo não estabelece.
O relato de uma agência sobre a sua própria produção, as afirmações de um fornecedor sobre os seus próprios dados e uma pequena experiência; nenhum mede empregos em cartografia.
Testes de referência em condições de ensaio; fluxos de trabalho válidos não são o mesmo que respostas corretas, e nenhum deles mede o trabalho dos analistas.
Projeções para um só país; nenhum registo mede a IA na conceção de mapas ou na manutenção de bases de dados.
O raciocínio de uma projeção e o conselho de um fornecedor aos seus utilizadores; nenhum mede quanta verificação é feita.
É este o teu trabalho? Di-lo e esta página estreita-se à tua parte dele.
O nome de um posto é um pacote de tarefas compradas em conjunto, e não há duas pessoas com o mesmo pacote. Não é enviado nada para lado nenhum: fica neste navegador.
Mudanças recentes#
Estados Unidos. O organismo de estatística projeta que o emprego de cartógrafos e fotogrametristas cresça 7 por cento de 2025 a 2035, de 14.700 para 15.700, muito acima da média, com cerca de 900 vagas por ano. A página não menciona a inteligência artificial. Conta empregos num só país e numa profissão pequena; os técnicos de SIG são contados noutra categoria.
Uma pessoa com nome e com posição reconhecida previu algo publicamente, numa data, numa declaração atribuível. É registado para que fique verificável quem disse o quê e quando, e nunca move a avaliação de uma tarefa, porque uma previsão não é uma observação. O seu valor chega depois: o registo fica na mesma página que a prova sobre essa profissão, portanto quem lê a previsão lê ao lado o registo do que aconteceu a seguir. É essa a prestação de contas; este sítio não publica veredicto nenhum sobre se uma previsão se cumpriu.
Estados Unidos. O organismo de estatística projeta que o emprego de técnicos de topografia e cartografia cresça 6 por cento de 2025 a 2035, de 58.800 para 62.200, com cerca de 6.900 vagas por ano. Diz que o aumento da procura de informação cartográfica vai exigir técnicos e que, embora os drones e outros avanços tornem alguns aspetos do trabalho de levantamento mais eficientes, os técnicos continuarão a ser necessários para rever e interpretar os resultados destas tecnologias, de modo a garantir a exatidão e a completude. Não menciona a inteligência artificial pelo nome.
Uma pessoa com nome e com posição reconhecida previu algo publicamente, numa data, numa declaração atribuível. É registado para que fique verificável quem disse o quê e quando, e nunca move a avaliação de uma tarefa, porque uma previsão não é uma observação. O seu valor chega depois: o registo fica na mesma página que a prova sobre essa profissão, portanto quem lê a previsão lê ao lado o registo do que aconteceu a seguir. É essa a prestação de contas; este sítio não publica veredicto nenhum sobre se uma previsão se cumpriu.
Global. O conjunto de dados aberto da Microsoft com contornos de edifícios extraídos de imagens por aprendizagem automática abrange 225 regiões. O seu README diz que as suas métricas mostram que os dados igualam ou superam a qualidade dos contornos desenhados à mão, indica uma precisão acima de 92% e uma sensibilidade entre 70,9% e 85,9% consoante a região, e diz aos utilizadores que nunca importem os dados para o OpenStreetMap sem antes verificar a qualidade local, que varia entre zonas rurais e urbanas e com o terreno. É a empresa a descrever o seu próprio conjunto de dados.
Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.
Uma experiência controlada com 26 participantes que comparou o fAIr, um ambiente de mapeamento de edifícios assistido por IA do Humanitarian OpenStreetMap Team, com o JOSM para mapeamento manual. O mapeamento manual foi mais rápido e mais preciso no conjunto, sobretudo porque os colaboradores experientes tiveram um bom desempenho; o fAIr reduziu as diferenças entre colaboradores novatos e experientes, mas produziu erros ligados à IA, o mais frequente dos quais foi fundir vários edifícios num único contorno. Mapeamento voluntário em duas áreas de estudo; as conclusões serviram de base a uma nova versão da ferramenta.
Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.
Um teste de referência com 50 tarefas de geoprocessamento em Python, derivadas de problemas reais de SIG. Modelos proprietários como o ChatGPT-4o-mini alcançaram 95% de validade dos fluxos de trabalho, enquanto modelos abertos mais pequenos como o DeepSeek-R1-7B chegaram aos 48,5%; as tarefas que exigem um raciocínio espacial mais profundo, como a deteção de relações espaciais ou a escolha da localização ótima, continuaram a ser as mais difíceis, e os autores pedem uma avaliação rigorosa antes de se afirmar a automatização total do SIG. Fluxos de trabalho válidos não são o mesmo que resultados corretos.
Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.
França. A agência cartográfica nacional diz que a sua carta de ocupação do solo em grande escala (OCS GE), produzida com IA a partir de imagens aéreas e de satélite desde um projeto lançado em 2022, demora agora um ano por departamento em vez de três — um tempo de produção dividido por três — e que a tecnologia reduziu para metade o custo de produção destes dados geográficos. É a agência a descrever a sua própria produção; nada diz sobre o pessoal.
Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.
Um estudo que integrou um agente baseado num modelo de linguagem no QGIS para que os utilizadores possam fazer análise espacial com comandos em linguagem natural, avaliado em mais de 100 tarefas com três níveis de complexidade. Relata uma elevada taxa de êxito na escolha de ferramentas e na geração de código para tarefas básicas e intermédias, enquanto persistem desafios para alcançar a autonomia total nas tarefas mais complexas. Testado pelos seus criadores num contexto de investigação.
Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.
O que isto significa para ti#
Se estás a começar, conta com que a digitalização em massa seja feita por modelos, e desenvolve o que lhes falta: raciocínio espacial, confronto dos dados com o terreno e saber quando uma camada gerada por máquina está errada.
Conta com passar mais tempo a corrigir e validar resultados de máquinas e a programar análises com a ajuda da IA. O juízo sobre o que os dados significam e se servem para o fim pretendido continua a ser teu.
As tuas opções#
Quatro direções, cada uma com as suas restrições reais e com uma coisa que podes testar esta semana. Continuar como estás é uma opção legítima; só tem de ser uma opção escolhida.
Passar de traçar elementos a verificar camadas geradas por máquina
As agências cartográficas estão a passar a extração para modelos, e até os fornecedores dizem aos utilizadores que verifiquem os resultados localmente.
Corrigir os erros dos modelos, como edifícios fundidos, pode demorar tanto como traçá-los.
Compara uma camada de edifícios gerada por máquina com as imagens de um bairro que conheças e conta os erros.
Ficar na análise espacial e na qualidade dos dados
Os testes de referência apontam o raciocínio espacial como a parte mais difícil para a IA, e continuam a ser precisos técnicos para rever os resultados.
As funções de análise exigem muitas vezes competências de programação.
Dá a um assistente de IA uma pergunta de escolha de localização que já resolveste e verifica cada passo da resposta.
Passar para o treino e a avaliação de modelos de GeoAI
A extração com modelos precisa de dados anotados, de ajuste local e de verificações de exatidão que dependem do conhecimento cartográfico.
Exige competências de aprendizagem automática além do SIG.
Experimenta uma ferramenta aberta de mapeamento assistido por IA numa área pequena e anota os elementos que ela erra.
Perguntas frequentes#
Está a ficar com a extração de elementos em massa, não com o trabalho todo. Uma agência cartográfica nacional reduziu a um terço o tempo de produção da sua carta de ocupação do solo com IA, mas num teste controlado pessoas experientes a mapear à mão superaram um editor assistido por IA, o raciocínio espacial continua a ser difícil para os agentes de IA e os dados gerados por máquina ainda precisam de ser verificados. Os EUA projetam que o emprego de cartógrafos cresça 7 por cento de 2025 a 2035.
Não respondemos a isso com um número de anos. Vê se a tua organização começa a partir de camadas geradas por máquina em vez de imagens, e quanto do teu tempo passa para a verificação dessas camadas. Isso diz-te mais do que qualquer data.
Em grande escala, sim — a Microsoft publica contornos gerados por máquina para todo o mundo —, mas a qualidade varia consoante o local, e num teste controlado um editor assistido por IA fundia, na maioria das vezes, vários edifícios num só contorno.
Consegue escrever e executar fluxos de trabalho de geoprocessamento de rotina, mas os testes de referência apontam as tarefas que exigem um raciocínio espacial mais profundo, como a escolha de localizações, como as mais difíceis, e os investigadores alertam contra afirmações de automatização total.
Em que assentam estes juízos#
Dos 4 juízos de tarefa desta página, 1 apoiam-se num evento verificado e 3 são inferência da plataforma, cada um etiquetado onde aparece. Por detrás há 2 dimensões tecnológicas, uma trajectória reconstruída desde que os modelos de linguagem chegaram ao público e 7 eventos verificados.
Ver que tecnologias, como chegou aqui e o método →
Onde se situa na classificação oficial: competências, conhecimentos e profissões afins →
Outros cargos na mesma função#
Uma empresa divide o seu trabalho em funções antes de o dividir em cargos. Estes estão em Entrega central (específica do setor) ao lado deste — um facto sobre organigramas, não um juízo de que sejam parecidos ou de que estejam a mudar na mesma direcção.
Moderador de conteúdos · Enfermeiro · Radiologista · Patologista · Técnico de radiologia · Médico de família / de cuidados primários · Cirurgião · Auxiliar de ação direta / auxiliar de enfermagem · Psicoterapeuta / conselheiro · Psicólogo · Nutricionista / dietista · Farmacêutico · Técnico de farmácia · Professor do ensino básico e secundário · Professor universitário · Cozinheiro / chef · Eletricista · Canalizador · Técnico de AVAC · Arquiteto · Designer de interiores · Engenheiro civil / de estruturas · Engenheiro eletrotécnico · Engenheiro de projeto de chips · Engenheiro mecânico · Engenheiro industrial · Medidor-orçamentista · Jornalista · Editor e revisor de textos · Tradutor / Intérprete · Intérprete · Operador de caixa / empregado de loja · Caixa de banco · Assistente médico / auxiliar de consultório · Empregado de mesa · Trabalhador da construção · Mecânico / técnico de automóveis · Técnico de análises clínicas · Fisioterapeuta / terapeuta de reabilitação · Bombeiro · Agente de polícia · Agricultor · Assistente social · Médico dentista · Higienista oral · Médico veterinário · Bibliotecário · Soldador · Ecografista