O preço de cada token de inteligência artificial (IA) caiu mais de 80% nos últimos dois anos. As faturas de IA das empresas continuam subindo. A explicação para essa contradição é o que decide se o seu projeto será um bom investimento ou uma linha de custo que cresce sozinha todo mês.

A unidade de cobrança que poucos acompanham

Quando você contrata um agente de IA, o que está comprando é processamento de linguagem medido em tokens: fragmentos de texto que somam, em média, quatro caracteres em português. Uma conversa típica entre um cliente e um agente consome de 500 a 2.000 tokens. Até aqui, o custo parece pequeno.

O que muda com um agente não é o custo de uma conversa. É a quantidade de chamadas que acontecem antes de cada resposta chegar ao usuário. Diferente de um chatbot simples que faz uma chamada ao modelo e devolve a resposta, um agente raciocina em etapas: verifica o histórico, consulta a base de dados, decide qual ferramenta usar, executa a ferramenta, interpreta o resultado e só então responde. Cada etapa é uma chamada de interface de programação de aplicações (API) separada, cobrada de forma independente.

A consequência prática: um agente pode consumir de 5 a 30 vezes mais tokens por tarefa do que a chamada única de um chatbot convencional, segundo análise publicada pelo Elastic em 2026. O volume de uso, não o modelo escolhido, é o principal fator que define a conta.

O que mais entra na fatura e fica fora do orçamento inicial

Um levantamento publicado no DEV Community, rastreando três meses de operação de um agente real, mostrou a seguinte distribuição: tokens representaram 64% do gasto, infraestrutura 13%, banco de dados de memória 13%, e monitoramento 8%.

Cada uma dessas categorias segue uma lógica própria:

  • Infraestrutura: o servidor que executa o agente custa entre US$ 20 e US$ 200 por mês, dependendo do volume de requisições simultâneas e da complexidade do ambiente.
  • Banco de memória: é onde ficam os documentos que o agente consulta, como manuais, histórico de clientes e políticas internas. Quanto maior o acervo e mais frequente a consulta, maior o custo de armazenamento e busca.
  • Monitoramento: ferramentas para acompanhar o que o agente faz, detectar erros e medir a qualidade das respostas. Ignorar essa camada economiza no primeiro mês e gera retrabalho caro depois.

Nenhum desses itens costuma aparecer na proposta do fornecedor quando ele apresenta o "custo por conversa". Eles aparecem na fatura.

Os três mecanismos que fazem a conta dobrar

1. Loops sem limite configurado

Agentes erram. Quando erram, parte deles tenta de novo, passando o resultado anterior como contexto para a próxima tentativa. Sem um limite explícito de iterações, o agente pode entrar em ciclo, consumindo tokens a cada volta. Um caso documentado em fórum técnico mostra um agente que releu o mesmo documento mais de 60 vezes em dez minutos, gerando uma fatura de US$ 380 antes de ser interrompido. Não é um defeito raro: é ausência de guardrail.

2. Crescimento do contexto ao longo da conversa

A maioria dos provedores cobra pelo total de tokens enviados em cada chamada, incluindo o histórico da conversa. A cada turno, esse histórico cresce. Uma conversa que começa com 200 tokens pode chegar a 8.000 na décima mensagem. Sem uma política de compressão ou descarte do contexto antigo, o custo de cada resposta aumenta ao longo da interação.

Alguns provedores cobram tarifas maiores acima de determinados limites de contexto. Uma chamada com mais de 64 mil tokens pode custar 50% mais por token do que uma chamada curta, segundo análise sobre precificação de API publicada pelo CloudZero em 2026.

3. Volume inesperado sem teto de gasto

Uma campanha que deu resultado, um produto que chamou atenção, uma integração nova que passou a alimentar o agente com mais dados: qualquer evento que multiplique o número de conversas vai multiplicar a fatura na mesma proporção. Sem um teto de gasto configurado no fornecedor, não há aviso antes da cobrança chegar.

As perguntas que mudam a conversa com o fornecedor

Antes de aprovar um projeto de agente ou renovar o contrato, estas perguntas definem se você tem visibilidade real sobre o que vai pagar:

  • "Qual o número médio de chamadas ao modelo por tarefa concluída?" Um agente bem calibrado costuma usar de 3 a 8 chamadas por tarefa. Acima disso, peça a explicação antes de aceitar.
  • "Existe teto de gasto ou alerta automático quando o consumo ultrapassa o esperado?" A ausência de limites é risco financeiro direto.
  • "Como o contexto é gerenciado em conversas longas?" Sem compressão, o custo por turno cresce junto com a conversa.
  • "Qual é a política para loops de erro?" O agente precisa ter um número máximo de tentativas antes de escalar para um atendente humano.
  • "O cache de prompt está ativado?" Partes fixas do contexto, como as instruções do sistema e os documentos de referência, podem ser cacheadas. Isso reduz o consumo entre 30% e 90% nessas chamadas, segundo a documentação oficial da Anthropic e da OpenAI.

Um fornecedor que não sabe responder a essas perguntas não tem visibilidade sobre o que o agente está fazendo. Isso é um sinal sobre a maturidade do projeto, não sobre a complexidade técnica do produto.

O que o número "custo por conversa" esconde

A conta de um agente em produção tem pelo menos quatro camadas: tokens de entrada, tokens de saída, infraestrutura de execução e memória de contexto. O custo por conversa que aparece na proposta costuma cobrir apenas a primeira ou a segunda. As outras duas escalam com o uso e chegam sem aviso.

Entender essa estrutura antes de aprovar o orçamento é o que separa um projeto que sustenta o crescimento de um que precisa ser justificado toda reunião de resultado.

Quando a empresa decide avançar de piloto para operação contínua, é esse modelo de custo que estruturamos antes de qualquer implementação. Assim o orçamento aprovado é o que aparece na fatura.