Se a IA ficou tão barata, por que o agente custa caro na sua loja?

Esta folha explica por que a conta de inteligência artificial sobe enquanto o preço do token cai, e o que perguntar ao fornecedor do seu sistema antes de assinar. Serve ao dono de varejo que já ouviu a oferta de agente e quer separar economia de demonstração. O caso condutor é a Peçafácil, distribuidora de autopeças de porte médio com 38 mil itens ativos, que contratou um piloto para conciliar recebíveis e classificar notas de entrada.

Por que a conta da Peçafácil subiu com o token mais barato do que nunca?

Porque duas curvas andam em direções opostas. O preço de processar um pedaço de texto despencou nos últimos quatro anos, e a quantidade de texto que uma tarefa automatizada consome subiu ainda mais rápido. O piloto da Peçafácil começou lendo uma nota por vez e terminou lendo o cadastro do fornecedor, o histórico de compra do item e a regra fiscal, três vezes por documento, para conferir a própria resposta.

Quem orça IA pelo preço de tabela do modelo erra a conta pelo mesmo motivo que erraria um orçamento de frete olhando só o preço do litro de diesel. O que se paga é o consumo do percurso.

Quanto caiu, de verdade, o custo de rodar um modelo?

Muito, desde que a comparação seja feita para um mesmo nível de capacidade. O AI Index 2025 da Stanford HAI, publicado em 7 de abril de 2025 com dados da Epoch AI, mediu queda de US$ 20,00 para US$ 0,07 por milhão de tokens entre novembro de 2022 e outubro de 2024, mais de 280 vezes. Token é o pedaço de texto que o modelo cobra e processa, algo entre uma sílaba e uma palavra curta.

A a16z chamou o movimento de LLMflation em 12 de novembro de 2024, estimando queda de cerca de mil vezes em três anos para desempenho equivalente ao do GPT-3. A Epoch AI atualizou o ritmo em 16 de fevereiro de 2026 para algo entre 5 e 10 vezes por ano, e mostrou que a velocidade muda conforme a prova aplicada: em alguns testes a queda passa de 900 vezes ao ano, em tarefas difíceis fica perto de 9 vezes.

O preço de lista de 2026, apurado por agregadores em 29 de agosto de 2026, coloca os modelos de topo entre US$ 2 e US$ 5 por milhão de tokens de entrada e entre US$ 12 e US$ 30 na saída, com modelos leves abaixo de US$ 1 na entrada. As páginas oficiais de OpenAI, Anthropic e Google publicam ainda descontos contratuais de cerca de 90% para entrada em cache e de 50% para processamento em lote.

Por que um agente consome tanto mais que um chat?

Porque ele repete o percurso até concluir. Agente é o programa que usa o modelo para executar uma tarefa em várias etapas, consultando sistemas e refazendo o trabalho quando o resultado sai errado. A Anthropic mediu em junho de 2025 que um agente de linha única consome cerca de 4 vezes os tokens de uma conversa de chat, e um sistema com vários agentes, cerca de 15 vezes.

A McKinsey QuantumBlack foi além em julho de 2026: tarefas agênticas pesadas chegam a consumir cerca de mil vezes o volume de um chat simples. A mesma consultoria calculou que perto de 60% do custo operacional de uma tarefa vai para validar e refinar a resposta, e apenas o restante para gerá-la na primeira tentativa.

Na Peçafácil isso teve nome e sobrenome. Cada nota de entrada com descrição bagunçada no cadastro do fornecedor obrigava o agente a buscar contexto extra e a tentar de novo. Base suja custa caro em token antes de custar caro em auditoria.

O que é roteamento em camadas, em português de loja?

É mandar o serviço repetitivo para o funcionário júnior e reservar o especialista para o caso difícil, com modelos no lugar das pessoas. O volume vai para um modelo barato, e o modelo caro só entra na exceção. O ganho aparece medido em fontes diferentes.

O roteador aberto ACRouter obteve 2,6 vezes de economia frente a usar sempre o modelo de topo, segundo o VentureBeat em 13 de julho de 2026. A Snowflake reportou até 3 vezes mais eficiência de tokens com roteamento dinâmico no Cortex, em reportagem do CIO de 18 de agosto de 2026. A NVIDIA anunciou, em cobertura do Business Standard de agosto de 2026, precisão de modelo de fronteira por cerca de um terço do custo por tarefa concluída com o NeMo Switchyard.

Onde está o custo que a proposta comercial não mostra?

Na supervisão. Em um agente de atendimento bancário analisado pela McKinsey em agosto de 2026, o token respondeu por 20% a 25% do custo variável, enquanto a revisão humana ficou com 70% a 75%. Reduzir exceção vale mais que trocar de modelo.

A montagem também pesa. A mesma consultoria estimou o custo de colocar um fluxo de agente único em produção entre US$ 20 mil e US$ 30 mil, e um time com vários agentes entre US$ 100 mil e US$ 200 mil. Em um agente de onboarding conversacional, o custo total do fluxo caiu de algo entre US$ 50 e US$ 150 para algo entre US$ 10 e US$ 30 por cliente conforme o volume amortizou o custo fixo. Volume baixo mantém a conta cara por unidade.

Por que o preço está saindo do "por usuário" e indo para o "por tarefa"?

Porque o número de logins cai quando o agente faz o trabalho da retaguarda, e o trabalho executado sobe. O levantamento ICONIQ State of AI 2026 mediu margem bruta de 45% em produtos nativos de IA em 2025, com projeção de 53% em 2026 e cerca de 59% em 2027, contra 75% a 85% do software tradicional; a inferência consome perto de 23% da receita nas empresas em escala.

A a16z recomendou em 27 de agosto de 2026 cobrar pelo trabalho concluído e usar crédito e roteamento para proteger margem, em vez de amarrar o preço a um insumo que deflaciona. No Brasil, a TOTVS anunciou em 11 de fevereiro de 2026 a LYNN, seu modelo fundacional para empresas, com capex de cerca de R$ 75 milhões por ano ao longo de quatro anos e cobrança por tarefa executada. No segundo trimestre de 2026, a companhia informou que produtos com IA responderam por 28% das adições líquidas de receita recorrente.

Quantas empresas brasileiras realmente usam IA hoje?

Menos do que a conversa sugere, e as duas medidas públicas não se somam. A PINTEC do IBGE apurou que 41,9% das indústrias com 100 ou mais empregados usavam IA em 2024, contra 16,9% em 2022, chegando a 57,5% entre as de 500 ou mais empregados. O Cetic.br mediu outro universo no TIC Empresas 2025: 17% das empresas com 10 ou mais empregados usaram IA em 2025, contra 13% em 2024.

Dentro desse grupo, 80% compraram software pronto e 60% contrataram fornecedor externo, o que joga a decisão para quem vende o sistema. A ABES contabilizou em 31 de março de 2026 gastos de mais de US$ 2,4 bilhões com projetos de IA no Brasil em 2025, alta de 30%. O Gartner projeta que 62% do gasto com ERP na nuvem estará em soluções com IA embarcada em 2027, contra 14% em 2024.

A limpeza também está projetada. O Gartner previu em 25 de junho de 2025 que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custo, valor de negócio pouco claro e controle de risco insuficiente. Na mesma publicação a consultoria cunhou o termo agent washing e afirmou que, entre milhares de fornecedores que se dizem agênticos, cerca de 130 ofereciam capacidade agêntica real.

O que fazer com isso antes de assinar

A Peçafácil refez o piloto em quatro semanas com cinco decisões, todas verificáveis em contrato ou em relatório.

1. Exigir preço por tarefa concluída. Peça o custo médio de uma conciliação e de uma classificação de nota, com o volume mensal estimado, em vez de assinatura por usuário.
2. Pedir a taxa de resolução sem humano e a taxa de erro. Sem esses dois números medidos em produção, o piloto vira demonstração e o custo de supervisão fica escondido.
3. Perguntar sobre roteamento. Confirme se há modelo barato para triagem e modelo caro só para exceção, e como isso aparece na fatura quando o volume cresce.
4. Limpar cadastro antes de ligar o agente. Descrição de item, unidade de medida, NCM e fornecedor padronizados encurtam o contexto e derrubam a reexecução, que é onde mora o custo.
5. Manter revisão humana no que mexe com dinheiro e com imposto. São as etapas em que o erro escala, e é para onde o Gartner aponta a causa dos cancelamentos até 2027.

Com essas cinco travas, a distribuidora fechou o contrato por tarefa e passou a acompanhar um número só na reunião de segunda-feira: quanto custou, no mês, cada nota de entrada classificada sem intervenção humana. Em janeiro esse número era desconhecido; em agosto, virou critério de renovação.