O piloto de atendimento custou R$ 4 mil por mês com duzentos usuários. Seis meses depois, com adoção plena e três processos conectados, a fatura chegou a R$ 60 mil — e nenhuma das alavancas de redução havia sido preparada, porque o orçamento foi aprovado como se o piloto fosse a régua. A tese deste artigo: modelos cobram por uso, e uso cresce com adoção. Empresas que aprovam orçamento com base no piloto descobrem a curva de custo no trimestre seguinte, quando cortar já é politicamente caro.
Onde o custo escapa
Contexto longo: quanto mais documento anexado à consulta, mais cara cada chamada. Um assistente que recebe o contrato inteiro para responder sobre uma cláusula paga pelo documento todo a cada pergunta, não pelo trecho relevante.
Repetição: o mesmo documento reenviado a cada pergunta da mesma conversa. Cadeia de etapas: um agente que chama outro multiplica chamadas por passo — três agentes em sequência transformam uma consulta do usuário em uma dezena de chamadas pagas. Retentativa automática: erro silencioso que reprocessa três vezes antes de desistir, cobrando as três.
Nenhuma dessas fontes aparece no relatório de uso agregado. A fatura mostra o total; a engenharia de custo exige abrir o total por aplicação, por etapa e por tipo de chamada.
Instrumentar antes de otimizar
Sem custo por processo, por área e por caso de uso, a discussão vira corte linear: reduz 20% de tudo, inclusive do que gera retorno. O mínimo de instrumentação é registrar consumo por aplicação e dividir pelo volume de casos atendidos.
Custo por caso é o número que permite decidir. Ele responde se o assistente de propostas custa R$ 2 ou R$ 20 por proposta emitida, e se esse valor é compatível com a margem da operação. Sem ele, toda conversa de otimização é estética.
As alavancas, da mais barata para a mais cara
Reduzir o contexto enviado: mandar o trecho relevante em vez do documento inteiro. Reaproveitar resultado já produzido em vez de recalcular: respostas a perguntas frequentes não precisam ser geradas de novo a cada usuário.
Usar modelo menor onde a tarefa não exige o maior: classificação e extração raramente precisam do modelo mais capaz do catálogo. Definir teto por aplicação, com alerta antes do estouro. Renegociar contrato apenas depois das quatro anteriores — fornecedor nenhum desconta desperdício que o cliente não mediu.
O teto que protege o orçamento
Definir limite de consumo por aplicação e, principalmente, o que acontece ao atingi-lo: degradar para modelo menor, enfileirar requisições não urgentes ou bloquear novas chamadas. A escolha depende da criticidade do processo, mas precisa existir antes do limite ser atingido.
Sem regra definida, o comportamento padrão é gastar. Aplicação sem teto trata estouro de orçamento como evento operacional normal, e a empresa descobre na fatura o que deveria ter decidido no desenho.
Cinco fontes de custo escondido
- Contexto longo enviado a cada chamada
- Reenvio do mesmo documento na mesma conversa
- Encadeamento de agentes multiplicando chamadas
- Retentativa automática reprocessando erro silencioso
- Ausência de teto de consumo por aplicação
Modelo de cálculo ÍON
Custo por caso = consumo mensal ÷ casos atendidos Projeção de escala = custo por caso × volume-alvo de casos Projete pelo volume-alvo, não pelo volume do piloto Exemplo: piloto com R$ 4.000/mês e 2.000 casos → R$ 2 por caso. Operação com 30.000 casos/mês → R$ 60.000/mês, antes de qualquer crescimento de contexto por chamada
Case relacionado
Projeto Horizonte 180Fontes e referências
NIST AI Risk Management Framework 1.0 (2023)
Acessar a fonteISO/IEC 42001:2023 — Sistema de gestão de IA
Acessar a fonteCetic.br — TIC Empresas 2025
Acessar a fonte
Solução ÍON relacionada
Estratégia & Gestão Empresarial
Dúvidas frequentes
- Como estimar o custo de IA em escala?
- Meça o custo por caso no piloto — consumo mensal dividido pelos casos atendidos — e multiplique pelo volume-alvo da operação, não pelo volume do piloto. Depois adicione uma margem para o crescimento do contexto por chamada, que tende a aumentar conforme os usuários ganham confiança e anexam mais material.
- Por que o piloto engana na projeção de orçamento?
- Porque piloto roda com volume baixo, usuários cautelosos e contexto curto. Os três fatores se invertem na operação: adoção plena multiplica o volume, usuários confiantes anexam documentos inteiros e novos processos encadeiam agentes. A fatura cresce em mais de uma dimensão ao mesmo tempo.
- O que é custo por caso?
- É o consumo total de uma aplicação dividido pelo número de casos que ela efetivamente atendeu no período — propostas emitidas, tickets resolvidos, análises entregues. É o número que conecta a fatura técnica ao resultado de negócio e permite comparar aplicações entre si.
- Modelo menor resolve o custo?
- Nas tarefas certas, sim. Classificação, extração de campos e roteamento raramente exigem o modelo mais capaz do catálogo, e a diferença de preço por chamada é de ordem de grandeza. Mas modelo menor aplicado a tarefa que exige o maior só troca custo de fatura por custo de erro — a decisão é por carga de trabalho.
- Como impor um teto de consumo?
- Defina limite por aplicação e o comportamento ao atingi-lo: degradar para modelo menor, enfileirar o que não é urgente ou bloquear. Configure alerta em 70% e 90% do teto. Sem regra prévia, o comportamento padrão ao estourar o limite é continuar gastando.
Autor
Leandro Bryk
Consultor responsável pela ÍON Soluções, atuando em inteligência comercial, estratégia, gestão financeira, marketing e imagem corporativa.
LinkedIn