Agentes de inteligência artificial (IA) prometeram eficiência, produtividade e crescimento para empresas de diferentes tamanhos, mas o que anda chegando para executivos e empresários é algo bem mais concreto e doloroso: boletos altíssimos. A corrida pela adoção da IA no mundo corporativo começa a esbarrar na barreira do custo. A conta da enorme infraestrutura de processamento que plataformas de IA mobilizam a cada tarefa está forçando novas estratégias nas corporações para equilibrar gastos. E aumenta os atrativos dos modelos de código aberto chineses, bem mais baratos que os das big techs americanas. Para incentivar o uso de IA por parte de seus programadores, muitas empresas adotaram a partir do início do ano uma prática conhecida como tokenmaxxing. A palavra tem origem na palavra token, os pedacinhos de palavras que são processados e gerados por modelos de IA — estima-se, por exemplo, que a Bíblia católica tenha cerca de 1 milhão de tokens. A performance de muitos profissionais passou a ser medida pelo consumo de tokens em suas atividades. A lógica é simplista: quanto mais tokens processados, maior é o índice de adoção de IA na rotina. Só que esse incentivo custa caro porque ignora uma diferença fundamental no modelo de cobrança de soluções de IA em relação aos chatbots voltados para o usuário comum, como o ChatGPT. Em vez do pagamento de uma assinatura fixa, o acesso aos serviços profissionais é cobrado pelo volume de tokens processados — o Claude Fable 5, modelo mais avançado da Anthropic, custa US$ 18 (R$ 92) por 1 milhão de unidades. O agravante é que tarefas de programação, que rodam agentes independentes, têm consumo muito intenso de tokens. Uma interação simples, de pergunta e resposta, num chatbot pode consumir entre 200 e 2 mil tokens, enquanto uma tarefa multiagentes fica entre 400 mil e 2 milhões de tokens. Multiplique isso por diferentes tarefas em um time com dezenas ou centenas de programadores. Para empresas brasileiras, que já vivem esse dilema, ainda pesa o câmbio. Antes, incentivo indiscriminado... Antes de colocar essa conta no papel, o Vale do Silício incentivou uma cultura de consumo de tokens. Em outubro de 2025, a OpenAI, criadora do ChatGPT e de versões corporativas da tecnologia, criou um prêmio que reconhecia as empresas que mais processavam as unidades. E grandes nomes, como Meta e Amazon, adotaram rankings internos para destacar os programadores “mais famintos”. Então, a fatura chegou. Na Meta, o líder da lista consumiu 328,5 bilhões de tokens em um mês — em preço de tabela cheia da Anthropic, isso pode ser equivalente a US$ 5,9 milhões (R$ 30 milhões). No mesmo mês, a companhia de Mark Zuckerberg consumiu nada menos que 73 trilhões de unidades. Em abril, Praveen Neppalli Naga, diretor de tecnologia do Uber, admitiu que a companhia queimou em quatro meses o orçamento anual para IA, o que levou posteriormente o diretor de operações da companhia, Andrew Macdonald, a admitir que não é possível detectar melhora em inovação e eficiência atreladas ao investimento — o caso já se tornou um exemplo clássico e caricato do tokenmaxxing. Na sequência, Kellie Romack, diretora de informação da ServiceNow, admitiu que empresa de software passou pelo mesmo problema do Uber. Resultado: as gigantes tiveram que correr para reverter a prática e racionalizar o consumo de IA. ... agora, freio no uso A Amazon desativou o ranking interno que incentivava o consumo. A Meta criou um dashboard com alerta e monitoramento dos gastos. A Tesla colocou um teto de US$ 200 por semana para cada programador queimar em tokens (exceto em produtos da SpaceXAI). A Microsoft passou a substituir modelos da OpenAI e da Anthropic que rodam em seus produtos, como o Excel. A Ford recontratou parte dos engenheiros que havia trocado por ferramentas de IA que demandavam muitos dados para fazer inspeções de qualidade. Segundo uma pesquisa do UBS, 60% das empresas dos EUA iniciaram medidas para combater o consumo excessivo de tokens, quase sempre implementando um teto financeiro. A prática do “uso consciente” virou mandamento também tem nome: tokenminning No Brasil, o recuo foi rápido Microsoft é uma das empresas que mudou seu consumo de tokens — Foto: Bloomberg Entre as empresas brasileiras, o tokenmaxxing não chegou com a mesma força, mas o recuo chegou rápido. As companhias nacionais operam com prioridade máxima nos custos e, quando o boleto é em dólar, a atenção é redobrada. Mas isso não significa que não houve sustos com a conta da IA. Em maio, Fernando Mazzarolo, CEO do Zé Delivery, disse em entrevista ao canal do YouTube Product’s Guru que o orçamento da companhia foi ameaçado pela alta do uso de agentes. Gastos de tokens que vão de atividades básicas às avançadas — Foto: Equipe de Arte/O Globo — A galera estava fazendo painel com o Claude Opus 4.7 (da Anthropic). [Eu disse] segura a onda, usa para algo mais complexo. Foi bom. Quando colocamos a governança de tokens, disseram “não, pelo amor de Deus”. A gente percebeu que a galera estava usando [IA]”, disse ele. A reportagem procurou a empresa para entender a situação, mas nenhum porta-voz foi disponibilizado para entrevista. No Santander, Wander Cunha, diretor de dados e transformação de IA, afirma que não teve problemas de orçamento, mas que é preciso monitoramento constante: — Teve um caso recente que um funcionário rodou a análise de milhares de contratos no fim de semana e comeu um token razoável. Na segunda de manhã, eu já estava com a luzinha amarela lá e liguei para entender o que havia ocorrido. Então, falei que íamos baixar o limite de tokens porque tem um teto para cada área. O executivo conta que o banco centralizou todas as iniciativas em cinco plataformas principais: produtividade individual, automação de processos, desenvolvimento de software, knowledge base (base de conhecimento) e orquestrador interno. Na primeira categoria, ele conseguiu assinaturas no estilo SaaS e administra se a quantidade de licenças negociadas está em uso. Em knowledge base, ele realiza construção de bases de dados em formatos de vetores ou grafos para alimentar agentes, o que reduz alucinações, latência e consumo de tokens. Nas outras categorias, há direcionamento para os melhores modelos e análises para os casos de uso. Profissionais que trabalham ou já trabalharam no Nubank disseram ao GLOBO que a startup financeira, conhecida pela agressividade no quesito inovação, é uma das empresas que incentivou internamente a adoção massiva de agentes de IA, inclusive como critério de avaliação individual, num primeiro momento. Não é possível saber se isso representou impacto no orçamento do banco digital, que não tinha porta-voz disponível para comentar o assunto com O GLOBO. Em nota, o Nubank explicou que “usa IA de forma responsável e estratégica. Cada aplicação de IA é avaliada pelo benefício real que gera para clientes e para a operação, pelo retorno sobre o investimento e pelo uso eficiente de recursos, com governança, segurança e respeito à privacidade, em linha com a legislação e a regulação vigentes”. Já o iFood, que estimulou a adoção massiva de IA pelos seus funcionários, revelou em nota suas estratégias: “Para nós, tokens são instrumentos, não a meta. Essa distinção se reflete na nossa governança: desenvolvemos internamente o Large Commerce Model (LCM), plataforma própria para o setor, ferramentas proprietárias de gestão de custos e recomendação automatizada de modelos mais eficientes e econômicos por perfil de uso e equipe”. Em nota, André Palma, diretor de tecnologia do Itaú Unibanco, afirmou na instituição os custos associados à tecnologia foram reduzidos em aproximadamente 65% por meio da combinação de governança, padronização e otimização contínua dos recursos utilizados. Mistura de modelos e avanço chinês Um dos caminhos nessa racionalização é usar modelos menos potentes (e mais baratos) para tarefas menos complexas, diz Jean Lucas Lima, fundador da Confraria Tec: — Até empresas grandes estão usando o que a gente chama de “mistura de modelos, que é utilizar o melhor modelo do momento para fazer o planejamento da tarefa, e usar modelos mais baratos para a criar o código. A criação de código é mais commodity, então é possível fazer a substituição. Modelos chineses, como o DeepSeek, surgiram como alternativa barata aos modelos americanos — Foto: Bloomberg Lima acrescenta que outras ações, como refinamento de prompts (comandos para a IA) e coordenação de infraestrutura podem reduzir custos em 20% a 30%. O uso de plataformas que gerenciam o contexto de dados da empresa pode elevar isso para mais de 50% a 60%. Entre as várias estratégias, destacam-se os modelos chineses, que são mais baratos e podem ser customizados e instalados em servidores locais. O DeepSeek V4 Flash, por exemplo, custa um centésimo do preço do Fable 5, da Anthropic, por milhão de tokens: US$ 0,17 contra US$ 18. A performance não é a mesma, mas para diversas tarefas eles podem ser combinados. Mesmo empresas ocidentais, como Airbnb, DoorDash e Siemens, já estão adotando os modelos chineses, o que levanta críticas ao modelo fechado (e caro) das big techs americanas pelo risco de favorecer a China na corrida da IA. Pesquisa da OpenRouter, que roteia chamadas entre vários provedores IA, diz que, desde fevereiro, 30% dos tokens de empresas americanas já rodam em modelos chineses — o pico foi 46%. No primeiro semestre do ano passado, esse número era de 4,5%. Atualmente, todos os modelos mais caros do mundo são americanos (veja acima). A racionalização não foi adotada apenas por grandes corporações que se posicionaram como “AI first” ou “AI driven” e logo descobriram o alto custo do token. Cezar Taurion, diretor de estratégia de IA da consultoria theGarage IA, conta que observou também as médias empresas brasileiras serem seduzidas pelos agentes: — Um executivo de uma empresa com 300 desenvolvedores disse que liberou geral o Claude, mas rapidamente bloqueou. Tinha um funcionário usando um monte de token para mudar uma única linha de código. Em negócios médios, é mais comum o empresário, que tem ação direta na operação, se empolgar. Altman ouviu queixas A carestia da IA gera reclamações por todos os cantos. Em entrevistas recentes à CNBC, nos EUA, dois líderes empresariais se queixaram abertamente das cobranças de OpenAI e Anthropic. Nikesh Arora, CEO da Palo Alto Networks, afirmou que os preços precisam cair 90% para gerar adoção corporativa massiva. Alex Karp, CEO da Palantir, mandou recado direto às duas startups: “Não quero criticá-las, mas algo deu errado completamente”. Antes, a própria Palantir havia publicado no X um manifesto contra a economia do token. Já Mustafa Suleyman, CEO da divisão de IA da Microsoft, disse à Bloomberg: — A Anthropic é extremamente cara e acho que muitas pessoas estão urgentemente procurando alternativas. Sam Altman, líder da OpenAI, admitiu o problema. Em uma apresentação para jornalistas em abril, da qual o GLOBO participou, ele afirmou: — No início do ano, o custo era um assunto que nunca surgia e os clientes estavam totalmente felizes com o valor que estavam gastando na época. Mas essa percepção mudou rapidamente, transformando-se em um problema enorme e até em um meme. Sam Altman, líder da OpenAI — Foto: Bloomberg O CEO da OpenAI disse que o uso de tokens cresceu 1 milhão de vezes em 6,5 anos, passando de 100 mil para 100 bilhões por mês no caso do usuário mais “glutão”. Não à toa, no lançamento da família GPT-5.6, no começo do mês, um dos principais destaques não foi a performance dos modelos, mas o quanto a OpenAI conseguiu reduzir o preço. Segundo Altman, a queda é de 54% para as tarefas agênticas. Já a Anthropic tem sido mais tímida no tema: a última vez que fez corte de preços foi no modo rápido do modelo Opus 4.8, no final de maio. Nas IAs mais recentes, o Sonnet 5 e o Fable 5, houve aumento de preço. Não é algo tão simples de ser resolvido, pois a IA quebra a lógica econômica do SaaS (Software as a Service), no qual a escala de adoção por uma organização melhora a margem. Na nova tecnologia, quanto mais eficiente o usuário fica, mais tokens ele consome. E quanto mais sofisticados os agentes se tornam, maior fica o custo computacional por tarefa. Ou seja, a IA está mais para infraestrutura do que para software tradicional. — O avanço da tecnologia sempre fez com que as coisas fiquem mais baratas por meio da economia de escala. Com a IA generativa é o contrário. Um modelo de ponta gasta mais processamento de inferência do que o modelo anterior. Mesmo que o custo unitário do hardware caia, a necessidade de processamento aumenta o custo. Então, é um negócio estranho que a evolução tecnológica, em vez de diminuir custos, como sempre aconteceu, aumente — diz Taurion. Enquanto isso, IAs alternativas devem continuar fazendo sombra. Na quinta, a chinesa Moonshot lançou o Kimi K3, o maior modelo aberto chinês já lançado. Em testes preliminares, ele atingiu performance parecida com o Fable 5. O preço cheio, de US$ 5,40 por milhão de tokens, é alto, porém, a consultoria Artificial Analysis concluiu que é possível baixar esse valor para US$ 2,31 ao adotar uma otimização de memória do modelo. Isso deixaria o Kimi K3 mais barato que todos os modelos recentes de Anthropic, OpenAI, Google e SpaceXAI. Para empresas que desconfiam dos modelos chineses, começam a aparecer também concorrentes americanos. Na semana passada, a Thinking Machines, startup de Mira Murati, a “mãe do ChatGPT”, lançou o seu primeiro modelo totalmente aberto, o Inkling, que pode ser hospedado em diferentes servidores, o que pode ajudar na redução de preços. Em seu blog, a companhia escreveu: “A maior parte das IAs em uso atualmente é treinada em poucos locais e, em seguida, fica estagnada. Ela não é moldada pelas pessoas a quem serve”.