A estimativa confiável de recalques primários e secundários é fundamental para a segurança e o desempenho de fundações em solos compressíveis. Entretanto, a limitada disponibilidade de dados experimentais de campo ainda compromete a precisão das previsões convencionais. Nesse contexto, este trabalho propõe o uso da Inteligência Artificial (IA) como ferramenta auxiliar para a geração de dados fictícios representativos do comportamento de solos argilosos siltosos de média a alta compressibilidade da região Centro-Oeste do Brasil. A ampliação da base amostral permitiu uma caracterização estatística mais robusta dos parâmetros geotécnicos e a aplicação de análises probabilísticas. Foram empregados o método First-Order Second-Moment (FOSM) e simulações de Monte Carlo para avaliar a variabilidade dos recalques estimados. O modelo de regressão apresentou coeficiente de determinação (R²) de aproximadamente 0,87 e probabilidade de falha próxima de 62% em relação ao Estado Limite de Serviço adotado, com convergência entre os resultados obtidos pelo FOSM e pela Simulação de Monte Carlo. Os resultados evidenciam o potencial da integração entre IA e métodos probabilísticos como ferramenta de apoio à tomada de decisão em projetos geotécnicos.
Avenida República do Líbano, 251 - Pina, Recife - PE - CEP: 51110-160