A Conta que
Não Fecha

Por anos, o custo da inteligência artificial foi, em grande medida, um custo invisível. As plataformas cobravam assinaturas mensais fixas, os modelos ficavam disponíveis a preços subsidiados pelos grandes laboratórios que competiam por fatia de mercado, e os departamentos de TI incorporavam as ferramentas sem sentir o peso proporcional no orçamento. O modelo lembrava o dos aplicativos de transporte nos anos de expansão: o preço que o usuário paga nunca cobriu o custo real do serviço. Alguém sempre estava bancando a diferença.

Esse tempo acabou. Ao longo de 2025 e com aceleração em 2026, as principais empresas de IA generativa — Anthropic, OpenAI e outras — migraram progressivamente de assinaturas planas para modelos de cobrança por token: as unidades mínimas de informação que os modelos processam a cada consulta, instrução ou tarefa automatizada. A mudança de regime expôs o que as assinaturas escondiam. Cada pergunta tem um preço. Cada tarefa autônoma tem um custo. E quando as empresas começaram a escalar o uso, a fatura chegou com força.

O Fim do Preço Subsidiado

A estrutura de precificação da IA empresarial funcionou, durante a fase de expansão, como um mecanismo de captura de mercado. As empresas de modelos precisavam de dados de uso, de casos reais, de volume — e aceitavam operar com margens negativas para obtê-los. A OpenAI, por exemplo, registrou custos computacionais de US$ 5 bilhões em 2024 contra receita de US$ 3,7 bilhões no mesmo período: o déficit era, em alguma medida, um investimento em escala e em dependência do usuário.

Conforme os laboratórios movem-se em direção à abertura de capital — com valorizações que beiram um trilhão de dólares — essa lógica de subsídio tornou-se insustentável. A migração para cobrança por token não é um detalhe técnico: é uma mudança de modelo de negócio com implicações diretas sobre o orçamento das empresas que adotaram as ferramentas sem calcular o custo de escala.

O caso da Workato, empresa americana de software com 1.300 funcionários, ilustra bem a mecânica do choque. Depois que seus colaboradores adotaram agentes de IA no segundo semestre de 2024, o uso “explodiu”, nas palavras do diretor de tecnologia Carter Busse. Quando a Anthropic migrou a empresa para a cobrança por token, em maio de 2025, os gastos saltaram sete vezes no primeiro dia. “Criamos um monstro”, declarou Busse. A frase é reveladora não apenas como expressão de surpresa, mas como diagnóstico de uma dinâmica que se replica em escalas diferentes em empresas ao redor do mundo — inclusive no Brasil.

Brasil: Adoção Acelerada, Retorno Não Comprovado

O Brasil chegou a esta inflexão em momento particularmente delicado. Os números de adoção da tecnologia são expressivos: segundo a Pesquisa de Inovação Semestral (Pintec Semestral) divulgada pelo IBGE em setembro de 2025, o percentual de empresas industriais com 100 ou mais funcionários que utilizam inteligência artificial saltou de 16,9% em 2022 para 41,9% em 2024 — crescimento de 163% em dois anos, passando de 1.619 para 4.261 empresas. Em paralelo, levantamento da KPMG com a Universidade de Melbourne aponta que 86% das empresas brasileiras já declararam utilizar IA em alguma dimensão de suas operações.

O dado mais eloquente, porém, não é o da adoção — é o da mensuração. Um estudo conduzido pela TOTVS em 2025 revelou que apenas 7% das empresas brasileiras conseguem medir com clareza o retorno sobre o investimento em inteligência artificial. “O verdadeiro desafio não é apenas adotar IA, mas saber como, onde e por que usá-la. E hoje, infelizmente, o potencial estratégico da tecnologia ainda é subaproveitado pelas empresas brasileiras”, reconheceu Cristiano Nobrega, diretor de dados e IA da companhia.

A combinação é preocupante: a maioria das empresas brasileiras está gastando mais em IA sem saber ao certo o que está recebendo em troca — e o ambiente de precificação está mudando exatamente agora para tornar essa conta mais transparente e, simultaneamente, mais cara.

A Armadilha dos Agentes

Há uma segunda camada de complexidade que torna o problema estrutural, e não apenas conjuntural: a transição dos chatbots para os chamados agentes de IA. Enquanto um chatbot responde a uma pergunta e encerra a interação, um agente executa sequências de tarefas de forma autônoma — consulta bases de dados, toma decisões intermediárias, aciona outras ferramentas, revisa seu próprio trabalho e itera. O processo pode consumir mais de mil vezes mais tokens do que uma única interação padrão.

O Goldman Sachs Research publicou análise projetando que a IA agêntica multiplicará em 24 vezes o consumo global de tokens entre 2026 e 2030, chegando a 120 quadrilhões por mês. A IDC estima que, só no Brasil, os agentes de IA serão o principal vetor de crescimento do mercado em 2026, empurrando os gastos corporativos com a tecnologia a US$ 3,4 bilhões — alta de mais de 30% sobre 2025.

A matemática tem lógica própria: se um agente consome cem vezes mais tokens por tarefa do que um chatbot convencional, e se o preço por token cai apenas 90% até 2030 (conforme projeção da Gartner), o resultado líquido ainda é um aumento expressivo do gasto para empresas que escalam o uso agêntico. A redução de preço unitário será absorvida pelo aumento exponencial de volume. É o mesmo fenômeno que torna a energia elétrica dos data centers um problema ambiental crescente mesmo com a eficiência energética dos chips em constante melhora.

O caso brasileiro no setor financeiro

Os bancos brasileiros oferecem um espelho privilegiado da tensão entre ambição e custo. Itaú, Bradesco e Santander anunciaram, em seus resultados de 2025, investimentos massivos em inteligência artificial como vetor central de redução do “custo de servir” e ganho de eficiência operacional. O Itaú destacou em seu Investor Day 2025 que, nos últimos dez anos, o custo total do banco — em base deflacionada — caiu 12% ao mesmo tempo em que o índice de eficiência melhorou dez pontos percentuais. A IA é apresentada como um dos pilares desse resultado.

No entanto, a maioria das iniciativas ainda opera em projetos-piloto ou aplicações pontuais. A TOTVS, que planeja investir R$ 600 milhões em tecnologia até R$ 2029 — incluindo sua plataforma de agentes de IA LYNN — reconhece que 58% das empresas brasileiras estão nos estágios iniciais de implementação e apenas 8% se consideram em estágio avançado. A escala que tornaria o investimento claramente rentável ainda está por vir. E é justamente quando essa escala chegar que a fatura crescerá de forma mais agressiva.

Conter o Sangramento: As Respostas das Empresas

A reação das empresas ao choque de custo segue um padrão reconhecível: primeiro o espanto, depois a contenção. Globalmente, companhias que correram para adotar IA em larga escala — entre elas Amazon, Walmart e Uber — passaram a introduzir limites de gasto, desincentivar o uso decorativo da tecnologia e recalibrar o modelo de adoção.

A Uber, por exemplo, estourou seu orçamento anual de IA para 2026 já em abril, e introduziu um teto de US$ 1.500 mensais por funcionário para o uso de ferramentas baseadas em tokens. A Amazon alertou seus engenheiros para que parassem de usar “IA pelo simples prazer de usar IA” depois que a corrida por posições em rankings internos gerou consumo descontrolado de computação. A Meta adotou medidas similares no mesmo período.

As soluções que emergem desse reajuste são, em grande parte, pragmáticas: direcionar usuários para modelos mais baratos quando os modelos de fronteira são desnecessários; usar modelos de código aberto que rodam em servidores próprios, eliminando o pagamento para os laboratórios; e implementar sistemas de roteamento automático que selecionam o modelo mais adequado (e econômico) para cada tarefa. No Brasil, o equivalente empresarial está começando a acontecer nas grandes companhias de tecnologia e no setor financeiro, embora ainda de forma pouco estruturada.

O problema mais profundo, porém, não é técnico. É de governança e de mensuração. Uma empresa que não consegue medir o retorno da IA também não consegue saber quais usos estão gerando valor e quais estão apenas gerando custo. A ausência de métricas claras, que afeta 93% das empresas brasileiras segundo a pesquisa da TOTVS, é ao mesmo tempo sintoma e causa do problema: sem dados de retorno, fica impossível tomar decisões racionais de alocação de orçamento.

A Questão de Fundo: Subsídio ou Valor?

La transformação em curso no mercado de IA levanta uma pergunta que vai além do balanço trimestral: até que ponto o valor percebido da inteligência artificial dependia, estruturalmente, dos subsídios que os laboratórios embutiam nos preços? E o que acontece com a narrativa de transformação produtiva quando a conta real aparece?

A Gartner, em análise divulgada em maio de 2026, indicou que os gastos globais com IA devem atingir US$ 2,59 trilhões em 2026 — alta de 47% em relação ao ano anterior. Mas a consultoria alertou que “as organizações corporativas ainda não demonstraram de fato seu potencial de investimento” e que os CIOs enfrentam dificuldades crescentes para “comprovar o valor dos investimentos em IA e demonstrar resultados de negócio tangíveis”. O relatório prevê que a IA entrará em 2026 no chamado “Vale da Desilusão” do Ciclo de Hype — o momento em que a promessa esbarra na realidade operacional.

Isso não significa que a tecnologia não entregue valor — em muitos contextos entrega, e de forma substancial. Significa que o valor real sempre foi seletivo e dependente de implementação qualificada, não uma propriedade intrínseca ao simples ato de adotar a ferramenta. O período de subsídio criou a ilusão de que qualquer uso era bom uso. Agora que o preço real começa a aparecer, as empresas são forçadas a uma disciplina que deveria ter sido exercida desde o início: perguntar, antes de cada automação, se o custo justifica o benefício.

Para o Brasil — que acelera sua adoção com o apoio de R$ 23 bilhões do Plano Brasileiro de IA até 2028 e com projeções de crescimento de 30% ao ano nos investimentos privados do setor — o momento é de uma oportunidade paradoxal: chegar mais tarde à escala agêntica significa poder aprender com os erros dos que foram mais rápidos. A pergunta é se as empresas e os formuladores de política aproveitarão essa janela para construir uma estrutura de governança e mensuração que os pioneiros negligenciaram. Ou se repetirão, em reais, o mesmo ciclo de entusiasmo sem controle que agora gera os relatos de orçamentos estourados em dólares.