A diretoria aprovou o piloto de inteligência artificial em uma reunião de 20 minutos. O time montou um assistente que responde dúvidas sobre os produtos, testou com cinco pessoas, todo mundo achou impressionante. Três meses depois, quando a ferramenta abriu para os 60 funcionários, chegou a primeira fatura fora do previsto e a pergunta inevitável: por que ficou tão mais caro do que o teste?
Essa é a conversa mais comum sobre IA em empresas brasileiras hoje. Não é sobre o que a tecnologia faz, isso já está claro. É sobre quanto custa manter aquilo funcionando todo dia, para todo mundo, sem surpresa no fim do mês.
A tese deste texto é que o custo de um projeto de IA quase nunca está onde o gestor procura. O modelo, a parte que todo mundo tenta comparar por preço, costuma ser a menor fatia. O peso está no entorno: preparar dados, integrar sistemas, revisar respostas e manter tudo isso vivo.
O que compõe o custo de IA em uma empresa?
O custo de inteligência artificial em uma empresa é a soma de quatro blocos: o consumo do modelo, a construção da solução, a preparação dos dados e a operação contínua. Só o primeiro é cobrado por uso; os outros três funcionam como qualquer projeto de tecnologia, com investimento inicial e manutenção mensal.
A confusão surge porque a comunicação do mercado fala apenas do primeiro bloco, que é o mais fácil de anunciar. É como avaliar o custo de uma frota olhando só o preço do combustível: importa, mas não explica a conta.
Vale detalhar cada bloco, porque a proporção entre eles muda bastante conforme o tipo de projeto:
- Consumo do modelo. Cobrado por volume de texto processado. Cresce com o número de usuários e com o tamanho das perguntas e respostas.
- Construção. Desenvolvimento da solução, integrações com os sistemas da empresa, telas, regras de negócio e testes. É investimento único, com evoluções depois.
- Dados. Organizar, limpar e manter atualizado o material que a IA vai consultar. Costuma ser o item mais subestimado do orçamento.
- Operação. Monitoramento, correção de respostas erradas, ajustes de regras, atualização de conteúdo e suporte a quem usa. É recorrente e não termina.
Como funciona a cobrança por uso?
Os modelos de IA cobram por quantidade de texto processado, medida em unidades chamadas tokens. Um token equivale, na média do português, a algo próximo de três quartos de uma palavra. Contam tanto o que entra, a pergunta mais o contexto enviado junto, quanto o que sai, a resposta gerada.
Duas consequências práticas surgem daí. A primeira é que enviar muito contexto encarece cada interação, mesmo que a pergunta seja curta. Um assistente que anexa dez páginas de manual a cada consulta custa muito mais que um que localiza o trecho certo antes de perguntar. A segunda é que o custo cresce com o uso, o que é bom sinal de adoção e ruim sinal de previsibilidade orçamentária.
Para dimensionar sem prometer preço, pense em faixas ilustrativas. Um assistente interno de consulta a documentos, usado por algumas dezenas de pessoas, costuma ficar na casa de centenas de reais por mês em consumo de modelo. Um atendimento automatizado que conversa com milhares de clientes por mês pode chegar à casa dos milhares de reais. São exemplos para calibrar expectativa, não cotação: o número real depende do volume e do desenho da solução.
Por que o piloto sai barato e a operação sai cara?
Porque o piloto testa a parte fácil. Cinco pessoas usando com boa vontade, perguntas bem formuladas, tolerância alta a erro e nenhuma integração com o resto da empresa. Quando a ferramenta abre para todos, quatro coisas mudam ao mesmo tempo.
O volume multiplica. As perguntas ficam imprevisíveis, incluindo as que o sistema não sabe responder. Aparece a necessidade de integrar com o que já existe, porque responder sem consultar o sistema de pedidos não resolve o problema de ninguém. E surge a exigência de confiabilidade, que é o item mais caro: alguém precisa revisar, corrigir e responder por respostas erradas.
É por isso que o salto de custo entre piloto e produção costuma ser de cinco a dez vezes, e não de duas. Quem orça o projeto pelo piloto se frustra na conta seguinte. O mesmo padrão aparece em qualquer projeto de tecnologia, como já discutimos ao tratar do custo total de software, mas em IA o efeito é mais acentuado porque parte da conta é variável.
Por que os dados costumam ser o item mais caro?
Uma IA que responde sobre o seu negócio precisa consultar informação sua. Se essa informação está em cinco lugares diferentes, desatualizada, em PDFs escaneados e com três versões conflitantes do mesmo procedimento, o projeto vai gastar mais tempo arrumando esse material do que construindo a solução.
Esse trabalho não é glamouroso e raramente aparece na proposta comercial que promete IA em duas semanas. Mas é ele que separa um assistente confiável de um gerador de respostas plausíveis e erradas. Quem já passou por isso reconhece o roteiro descrito em como preparar os dados da empresa para usar IA: sem essa etapa, o resultado decepciona independentemente do modelo escolhido.
A boa notícia é que esse investimento não se perde. Dados organizados servem para relatórios, para integração entre sistemas e para qualquer projeto futuro, de IA ou não.
Comprar pronto ou construir sob medida: o que muda na conta?
Existem três caminhos, com estruturas de custo bem diferentes.
Ferramenta pronta por assinatura. Custo previsível por usuário, começo rápido, pouca adaptação ao seu processo. Faz sentido para uso geral, como redigir textos e resumir reuniões. O limite aparece quando você precisa que a ferramenta conheça seus dados e siga suas regras.
Solução sob medida sobre modelos existentes. Investimento inicial de desenvolvimento mais consumo variável. É o formato mais comum em projetos corporativos sérios, porque conecta a IA aos sistemas e aos dados da casa. É o caminho descrito em IA treinada no seu negócio.
Modelo próprio treinado do zero. Custo alto, equipe especializada e manutenção pesada. Para a esmagadora maioria das empresas, não se justifica: os modelos disponíveis já resolvem, e o diferencial competitivo está nos dados e no processo, não no modelo.
A escolha entre eles muda a conta em ordem de grandeza. Vale decidir isso antes de pedir orçamento, porque propostas dos três tipos não são comparáveis entre si.
Como estimar o retorno antes de aprovar o investimento?
Levantamentos de mercado divulgados em 2026 apontam retornos médios relevantes para empresas que investem em IA de forma estruturada, mas média de mercado não paga a sua conta. O cálculo que importa é local e pode ser feito em uma tarde.
Escolha um processo específico e responda três perguntas. Quantas horas por mês a equipe gasta nele hoje? Que percentual dessas horas a IA consegue absorver de forma realista, considerando que alguém ainda vai revisar? Quanto custa essa hora para a empresa?
Um exemplo ilustrativo: se o time comercial gasta 120 horas por mês montando propostas e a IA absorve 40% desse tempo, são 48 horas liberadas. Multiplique pelo custo da hora e compare com a soma dos quatro blocos de custo. Se a diferença não for confortável, escolha outro processo antes de investir.
Priorize processos com volume alto, regra clara e tolerância a revisão. Casos raros e decisões críticas dão notícia bonita e retorno ruim.
Como controlar o custo depois que a IA entra em produção?
Custo variável exige acompanhamento, ou vira surpresa. Algumas medidas simples resolvem a maior parte dos sustos:
- Estabeleça teto de gasto e alerta. Todo provedor sério permite limite de consumo e aviso por e-mail. Configure antes de abrir para todos, não depois.
- Reduza o contexto enviado. Buscar o trecho certo do documento em vez de mandar o documento inteiro corta custo sem perder qualidade.
- Use modelos diferentes por tarefa. Classificar uma mensagem não exige o mesmo modelo que redigir uma proposta. Misturar reduz a conta de forma expressiva.
- Meça por caso resolvido. Custo por atendimento concluído diz mais que custo total. É esse número que se compara com a alternativa humana.
- Reveja trimestralmente. Preços de modelos caíram de forma consistente nos últimos anos, e o que era caro há seis meses pode estar viável agora.
Quando a solução envolve agentes que executam tarefas, e não apenas respondem perguntas, o acompanhamento precisa ser ainda mais próximo, pelos motivos que detalhamos em agentes de IA: cada ação automatizada tem custo e consequência.
IA barata é a que resolve um problema caro
A pergunta certa não é quanto custa colocar IA para rodar, e sim qual processo da sua empresa é caro o suficiente para justificar o investimento. Empresas que começam pela tecnologia acumulam pilotos bonitos e faturas crescentes. Empresas que começam pelo processo chegam a projetos menores, mais baratos e com retorno defensável em reunião de diretoria.
Se você quer dimensionar o custo de um projeto de IA com base no seu processo, e não em promessa de fornecedor, fale com o nosso time. A DevCore avalia o caso, estima os quatro blocos de custo e diz com franqueza quando não vale a pena.
Perguntas frequentes sobre custo de IA na empresa
Dá para começar com IA gastando pouco?
Dá, desde que o recorte seja pequeno e específico. Um processo, uma equipe, um objetivo mensurável. O erro comum é começar pequeno em ambição e grande em escopo, cobrindo várias áreas ao mesmo tempo, o que multiplica o custo de dados e integração antes de qualquer retorno aparecer.
O custo de IA cai com o tempo?
O preço por unidade processada vem caindo de forma consistente, mas o custo total do projeto tende a subir no primeiro ano, porque o uso cresce e novas integrações entram. O que costuma melhorar é o custo por caso resolvido, que é o indicador a acompanhar.
Vale contratar um fornecedor só para IA ou usar o time atual?
Depende de onde está a dificuldade. Se o desafio é integrar com os sistemas existentes e organizar dados, quem já conhece o seu ambiente costuma ser mais eficiente. Especialista externo faz diferença no desenho da solução e na escolha da arquitetura, sobretudo na primeira iniciativa da empresa.