Por James Barroso*
Existe um paradoxo arriscado que avança no mercado de inteligência artificial aplicada às corporações: nunca foi tão barato acessar o poder computacional da IA e sua capacidade de executar tarefas complexas, automatizar fluxos inteiros e operar agentes em escala. Ao mesmo tempo, nunca foi tão difícil prever quanto tudo isso efetivamente vai custar para as empresas dentro de um contexto de baixos controles de governança.
Para entendermos melhor esse cenário, segundo a Palantir, um nível de desempenho equivalente ao do GPT-4, que custava cerca de US$ 20 por milhão de tokens no início de 2023, ficou aproximadamente mil vezes mais barato atualmente. Em contrapartida, em vez de caírem, os gastos empresariais em IA generativa saltaram de US$ 11,5 bilhões em 2024 para US$ 37 bilhões em 2025, um avanço de 320%, segundo o relatório State of AI Costs, da CloudZero.
A partir desses dados, é possível inferir que a redução do custo unitário não trouxe, necessariamente, mais racionalidade para o consumo. Trouxe escala. E, em muitos casos, perda de controle.
Esse é justamente o ponto em que os guardrails deixam de ser uma discussão apenas técnica e passam a ocupar um papel estratégico. Em projetos de IA generativa, controles bem definidos não servem apenas para mitigar riscos de segurança, privacidade ou conformidade. Eles também funcionam como mecanismos de governança econômica, capazes de limitar desperdícios, tornar custos mais previsíveis e conectar o uso da tecnologia a objetivos claros de negócio.
E, ao menos em parte, esse panorama ocorre porque a discussão sobre IA ainda está excessivamente concentrada no fascínio da automação e do poder dos agentes autônomos, sem, no entanto, levar em conta a necessidade de políticas de governança sólidas para tamanha transformação.
IA sem controles, políticas bem definidas e limites operacionais claros, como toda tecnologia, deixa de ser inovação e passa a ser uma despesa impossível de prever.
Ato contínuo, grande parte das empresas ainda não compreende completamente como funciona a lógica econômica por trás dos modelos de IA generativa, em que o token virou uma infraestrutura de consumo que, para muitas lideranças, ainda opera na invisibilidade. E a invisibilidade costuma ser um problema perigoso quando falamos de gestão.
No modelo tradicional de software e na evolução do SaaS, existia certa previsibilidade. A empresa contratava licenças, usuários e capacidade operacional delimitada. Havia um custo relativamente estável associado à operação. No universo dos agentes e da IA generativa, essa lógica muda completamente. Um fluxo mal desenhado, um agente mal parametrizado ou uma automação sem limite operacional claro pode multiplicar consumo computacional em poucas horas.
Por isso, contratos de IA não deveriam ser analisados apenas sob a ótica do acesso à tecnologia ou da capacidade do modelo. Eles precisam prever limites de consumo, tetos de utilização, alertas de gasto, regras para expansão de uso e mecanismos de interrupção ou revisão quando determinados patamares forem ultrapassados. Em outras palavras, o contrato precisa funcionar também como um guardrail financeiro.
Essa preocupação se torna ainda mais importante quando falamos de agentes de IA. Diferentemente de uma ferramenta usada pontualmente por um colaborador, um agente pode executar tarefas de forma contínua, acionar outros sistemas, consumir tokens em cadeia e ampliar interações automaticamente. Sem uma arquitetura de controle, a empresa pode criar uma operação aparentemente eficiente, mas financeiramente desgovernada.
Recentemente, o mercado acompanhou casos de aplicações que extrapolaram milhões de tokens em períodos curtíssimos após falhas de orquestração entre agentes e APIs. O problema não foi apenas técnico. Foi econômico. Porque a conta continua chegando e quase sempre chega antes de a empresa entender exatamente onde estava o ganho real daquela automação. Esse é o ponto que ainda parece pouco amadurecido na conversa do mercado sobre IA: automação não significa eficiência.
* James Barroso é Diretor de Estratégia e IA da Infor Brasil
