Custo de IA no marketing: por que a conta sobe mesmo com o token mais barato
O preço da inteligência artificial caiu bastante nos últimos dois anos. Modelo por modelo, tarefa por tarefa, sai mais barato hoje do que saía em 2024. Mesmo assim, quase toda empresa que colocou IA pra rodar de verdade viu a fatura subir. Esse é o paradoxo do custo de IA em 2026: o item ficou barato e a conta ficou cara.
A explicação está no volume e no formato de uso. Um chat responde uma vez. Um agente planeja, chama ferramenta, confere o resultado, corrige o próprio erro e roda o loop de novo. Cada entrega passa a consumir muito mais do que uma pergunta consumia. Quando você multiplica isso por uma operação de marketing inteira rodando todo dia, o custo de IA sai da categoria de assinatura de software e entra na categoria de custo variável de produção. Isso muda o jeito de orçar, de precificar e de decidir o que vale automatizar.
O preço por token caiu e o custo de IA subiu mesmo assim
Quem acompanha a tabela de preços dos fornecedores viu queda seguida de queda. A leitura natural seria de alívio no orçamento. Aconteceu o contrário na maioria das empresas.
O motivo é conhecido em qualquer insumo que barateia: quando o preço unitário cai, o uso cresce mais rápido que o desconto. Com IA, o efeito é mais forte porque o barateamento habilita casos de uso que antes não fechavam a conta. Resumir um e-mail sempre foi viável. Rodar um agente que varre a base, escreve dez versões de anúncio, testa, mede e reescreve só passou a caber no orçamento depois da queda de preço. Aí o volume explode.
O Goldman Sachs projetou esse movimento no relatório Decoding the Agentic Economy, de maio de 2026: o consumo global de tokens deve se multiplicar por 24 até 2030, chegando a 120 quatrilhões de tokens por mês, puxado principalmente por agentes. A curva de preço desce e a curva de consumo sobe muito mais rápido. O encontro das duas é a sua fatura.
O que muda quando um agente entra no lugar do chat
Muita gente monta o orçamento e projeta o custo de IA com a régua do chat. Faz sentido, porque foi assim que a maioria começou. O problema aparece quando a operação evolui pra agente e a régua continua a mesma.
O loop que multiplica o consumo
Uma pergunta no chat gera uma resposta. Uma tarefa entregue por um agente gera uma sequência: interpretar o pedido, planejar os passos, buscar dado, chamar ferramenta, ler o retorno, avaliar se ficou bom, refazer o trecho ruim, montar a entrega. Cada passo desses carrega o histórico dos anteriores. Um pedido único vira dezenas de chamadas encadeadas.
Na prática, uma peça de conteúdo que você imagina custando “uma resposta” custa o equivalente a algumas dezenas. Multiplique por dez clientes, cinco canais e trinta dias. É aí que o custo de IA aparece na fatura antes de aparecer no seu controle.
Uso contínuo em vez de uso pontual
O chat só gasta quando alguém digita. O agente roda no gatilho que você configurou: no cron das 8h, no lead que entrou, no comentário que chegou, no relatório que fechou o mês. Ele trabalha enquanto o time dorme. Isso é exatamente o que a gente quer de uma operação automatizada, e é também o que tira a previsibilidade do gasto. Um pico de leads vira um pico de fatura no mesmo dia, sem ninguém aprovar nada. O custo de IA passa a acompanhar a demanda, com a mesma variação que ela tem.
Onde o custo de IA aparece de verdade
Quando a gente abre a conta de uma operação real, o custo de IA quase nunca está todo no lugar onde as pessoas olham. Ele se espalha em quatro frentes.
Inferência
É o que todo mundo lembra: o consumo do modelo por chamada. Costuma ser a maior linha, e é a mais fácil de medir. Também é a única que a maioria acompanha.
Retrabalho
Toda saída que precisou ser refeita foi paga duas vezes: a geração ruim e a geração boa. Some a revisão humana no meio. Essa linha raramente entra na planilha e costuma pesar mais do que a diferença de preço entre dois fornecedores.
Ferramenta e integração
Cada API que o agente consulta tem preço próprio: enriquecimento de dado, busca, transcrição, geração de imagem, envio. O modelo é só um item da cadeia. A conta de IA de uma operação madura tem seis ou sete fornecedores diferentes dentro dela.
Gente
Alguém desenha, testa, monitora e conserta. Esse tempo é custo de IA tanto quanto a fatura do fornecedor. Ignorar isso é o jeito mais rápido de calcular um retorno que não existe. A gente já tratou desse cálculo no post sobre como medir o ROI de IA no marketing.
Dado
Quase todo mundo gastou mais do que esperava
Organizações com mais de 1.000 funcionários (EUA, Reino Unido e Irlanda), n=318
Fonte: IDC InfoBrief The Agentic Workforce: From Experimentation to Scalable Impact, encomendado pela DataRobot, coleta de julho de 2025.
Repare no terceiro número. O problema declarado pelas empresas não foi o tamanho da conta, e sim a dificuldade de saber de onde ela vem. Os custos inesperados mais citados no estudo foram inferência, consumo de token e remediação de alucinação, ou seja, o retrabalho.
Quase ninguém enxerga a própria conta de IA
A visibilidade sobre o custo de IA é o elo mais fraco dessa cadeia. A KPMG mede isso trimestre a trimestre no Global AI Pulse. Na edição do segundo trimestre de 2026, com 204 líderes de empresas de mais de US$ 1 bilhão de receita nos Estados Unidos, o retrato é o de uma operação que cresceu mais rápido que o controle dela.
Dado
Muito monitoramento, pouco controle de custo
% das organizações, 204 líderes empresariais, abril e maio de 2026
Fonte: KPMG Global AI Pulse, segundo trimestre de 2026.
Dois terços têm painel. Um quarto sabe o que gasta. O painel mostra que o agente rodou, sem mostrar quanto ele custou por entrega. E a distância entre as duas coisas cresce rápido: no mesmo levantamento, a fatia de empresas orquestrando vários agentes num mesmo fluxo dobrou em um trimestre, de 9% pra 18%. Mais agentes coordenados significa mais chamadas encadeadas e menos rastreabilidade de quem gastou o quê.
O efeito colateral aparece em outra pesquisa. No State of ITAM 2026 da Flexera, com 512 respondentes, 59% relataram aumento de desperdício em software de IA no último ano e só 31% dizem ter visibilidade precisa desse gasto.
O custo que ninguém orça: refazer o que a IA errou
Essa é a linha do custo de IA que mais surpreende quando a gente audita uma operação. Um agente que acerta em 70% das vezes parece bom no slide. Na fatura, ele significa que três a cada dez entregas foram geradas, revisadas, reprovadas e geradas de novo. Você pagou a inferência duas vezes e a revisão humana uma vez, pra chegar no mesmo lugar.
Aqui a matemática vira contraintuitiva. Trocar por um modelo mais caro e mais preciso pode baixar o custo de IA por entrega, porque corta o segundo ciclo. Comparar fornecedores só pelo preço da tabela leva à decisão errada com frequência. O número que importa é o custo por entrega aprovada, e não o custo por chamada avulsa.
É por isso que a gente trata medição de qualidade como pré-requisito de escala, e não como refinamento posterior. Sem saber a taxa de acerto de cada agente, você não consegue nem estimar quanto a operação custa. A gente detalhou esse método no post sobre avaliação de agentes de IA.
Como a gente calcula o custo de IA por entrega
O cálculo é mais simples do que parece. O que costuma faltar é disciplina pra fazer uma vez e repetir todo mês.
1. Escolha a unidade de entrega
Precisa ser algo que o cliente reconhece e que você já cobra: um carrossel publicado, um relatório mensal, um lead qualificado, uma campanha configurada. Custo por token não conversa com ninguém dentro da empresa. Custo por carrossel conversa.
2. Meça um ciclo real, do gatilho à aprovação
Rode a entrega de ponta a ponta com o log ligado. Anote o consumo do modelo, as chamadas de ferramenta, o número de tentativas até aprovar e os minutos de gente envolvidos. Uma amostra de cinco a dez ciclos já dá uma média utilizável.
3. Some o retrabalho na média, não à parte
Se em dez entregas três voltaram, o custo médio inclui essas três. Colocar retrabalho numa linha separada de “exceção” é a forma mais comum de subestimar o custo de IA da operação.
4. Compare com o preço que você cobra
Agora você tem margem por entrega, em vez de margem por cliente no fim do mês. Com esse número na mão, decidir o que automatizar em seguida deixa de ser palpite. Esse raciocínio é o mesmo que sustenta o desenho de orçamento de IA na agência.
Quatro alavancas que derrubam o custo de IA sem derrubar a qualidade
Depois que o custo de IA fica visível, dá pra mexer nele. Estas quatro alavancas resolvem a maior parte dos casos que a gente vê.
Modelo certo pra tarefa certa
Boa parte das operações roda tudo no modelo mais caro do catálogo porque foi o que funcionou no primeiro teste. Classificar comentário, extrair campo de formulário e padronizar planilha rodam bem em modelos menores, com uma fração do custo. Guarde o modelo forte pro passo que precisa de julgamento: o texto que vai pro cliente, a análise que vira decisão.
Contexto enxuto
Cada chamada carrega o histórico junto. Agente que arrasta briefing inteiro, transcrição completa e log das últimas vinte interações paga por tudo isso em toda rodada. Recortar o que entra no contexto é a otimização com melhor relação entre esforço e economia, e ainda melhora a qualidade da resposta, porque o modelo para de se distrair com informação irrelevante.
Cache e reuso
Instrução de marca, tom de voz e regras de formatação são idênticos em toda chamada. Fornecedores cobram bem menos por conteúdo repetido que fica em cache. Organizar o prompt pra que a parte fixa venha antes da parte variável é uma mudança de meia hora que corta uma fatia relevante da conta.
Gate humano no lugar certo
Aprovação humana em cada passo mata a economia da automação. Aprovação nenhuma multiplica o retrabalho. O ponto de equilíbrio costuma ser um gate único antes da publicação, com o resto do fluxo correndo sozinho e registrado. Esse desenho aparece com mais detalhe no que a gente escreveu sobre escalar agentes de IA do piloto pra produção.
Por que isso decide quem continua rodando IA em 2027
A Gartner projeta que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, e lista custo crescente como a primeira das três razões, junto com valor de negócio pouco claro e controle de risco insuficiente. A mesma análise chama atenção pro agent washing, a prática de rebatizar assistente, RPA e chatbot antigo como agente: pela estimativa da consultoria, só cerca de 130 dos milhares de fornecedores que se apresentam como agênticos entregam capacidade agêntica de fato.
Junte as duas coisas. Muita gente vai cancelar projeto por causa de um custo de IA que nunca conseguiu explicar, rodando em cima de ferramenta que nunca foi bem o que dizia ser. Quem tiver custo por entrega medido vai conseguir defender o investimento com número. Quem tiver só a fatura no fim do mês vai defender com opinião, e opinião perde pra planilha em qualquer reunião de orçamento.
Perguntas frequentes sobre custo de IA
Por que o custo de IA sobe se o preço por token caiu?
Porque o uso cresce mais rápido que o desconto. O barateamento habilita casos que antes não fechavam a conta: rodar um agente que varre a base, escreve dez versões de anúncio, testa e reescreve só passou a caber no orçamento depois da queda de preço, e aí o volume explode. O Goldman Sachs projeta o consumo global de tokens multiplicado por 24 até 2030, puxado por agentes. A curva de preço desce e a de consumo sobe muito mais rápido; o encontro das duas é a fatura.
Quanto um agente gasta a mais que um chat?
Uma pergunta no chat gera uma resposta. Uma tarefa entregue por agente gera uma sequência: interpretar, planejar, buscar dado, chamar ferramenta, ler o retorno, avaliar, refazer o trecho ruim, montar a entrega, cada passo carregando o histórico dos anteriores. Uma peça que parece custar “uma resposta” custa o equivalente a algumas dezenas. Multiplicado por dez clientes, cinco canais e trinta dias, o custo de IA aparece na fatura antes de aparecer no controle.
Onde o custo de IA se esconde na operação?
Em quatro frentes, e a maioria só acompanha a primeira: inferência (o consumo do modelo por chamada), retrabalho (toda saída refeita foi paga duas vezes, mais a revisão humana no meio), ferramenta e integração (enriquecimento, busca, transcrição, imagem, envio, seis ou sete fornecedores dentro da mesma conta) e gente (quem desenha, testa, monitora e conserta). Ignorar as três últimas é o jeito mais rápido de calcular um retorno que não existe.
Como calcular o custo de IA por entrega?
Escolha uma unidade que o cliente reconhece e você já cobra (carrossel publicado, relatório mensal, lead qualificado). Rode a entrega de ponta a ponta com o log ligado e anote consumo do modelo, chamadas de ferramenta, tentativas até aprovar e minutos de gente. Uma amostra de cinco a dez ciclos dá uma média utilizável. Some o retrabalho na média, não numa linha de exceção, e compare com o preço cobrado. Custo de IA por token não conversa com ninguém; custo por carrossel conversa.
Modelo mais caro pode reduzir o custo de IA?
Pode, e com frequência reduz. Um agente que acerta 70% das vezes significa que três em dez entregas foram geradas, revisadas, reprovadas e geradas de novo: inferência paga duas vezes e revisão humana uma. Trocar por um modelo mais preciso corta o segundo ciclo. Comparar fornecedores só pela tabela leva à decisão errada. O número que importa no custo de IA é o custo por entrega aprovada, não por chamada avulsa.
Quais alavancas derrubam o custo de IA sem perder qualidade?
Quatro: modelo certo pra tarefa certa (classificar comentário e extrair campo rodam em modelo pequeno; o modelo forte fica pro texto que vai pro cliente e pra análise que vira decisão), contexto enxuto (recortar o que entra em cada chamada, que ainda melhora a resposta), cache e reuso (parte fixa do prompt antes da variável, cobrada bem mais barato) e um gate humano único antes da publicação, com o resto do fluxo correndo sozinho e registrado.
Por que medir o custo de IA decide quem continua rodando IA em 2027?
Porque a Gartner projeta mais de 40% dos projetos de IA agêntica cancelados até o fim de 2027, com custo crescente como a primeira das três razões. Quem tem custo por entrega medido defende o investimento com número; quem tem só a fatura no fim do mês defende com opinião, e opinião perde pra planilha em qualquer reunião de orçamento. Na KPMG, dois terços das empresas têm painel e só um quarto sabe o que gasta.
O que a gente leva desse dado
O custo de IA virou custo de produção, com todo o rigor que isso exige. Ele varia com o volume, sobe sozinho quando a operação cresce e some da vista quando ninguém mede por unidade. As empresas que estão indo bem com IA raramente são as que gastam menos. São as que sabem quanto gastam por entrega e conseguem decidir com esse número na mesa.
Se a sua operação já roda IA todo dia e você só descobre o gasto quando a fatura chega, o primeiro passo é medir um ciclo real, com retrabalho incluído, e comparar com o que você cobra por aquela entrega. Cortar vem depois. Na maioria dos casos, esse único número reorganiza a fila de prioridades da automação em uma tarde.
É esse tipo de leitura que a gente monta junto com o cliente antes de escalar qualquer coisa. Se você quer entender onde a sua operação está gastando e o que dá pra automatizar com margem, veja como a gente opera marketing com IA ou fale com a gente pra um diagnóstico. E se você ainda está montando a base do processo, comece pelo nosso guia de operação de marketing com IA.