Por que a fatura da IA estoura: as 3 causas e os 3 tetos que resolvem

Tem uma conta que chega e ninguém entende: a fatura da ferramenta de IA.

Já me mandaram print disso mais de uma vez, e é sempre uma de três coisas. Nenhuma das três é preço de modelo — todas são erro de desenho. Por isso negociar preço não resolve, e trocar para o modelo mais barato costuma só adiar o problema.

Este é o segundo guia da série Agente em produção. O primeiro trata de saber se o agente está funcionando; este trata de fazer ele caber no orçamento.

Causa 1 · Volume que ninguém previu

Você ligou o agente esperando cem atendimentos no mês. Vieram mil.

Não é erro de conta, é o que acontece quando um canal que funciona começa a ser usado. O problema não é o volume em si — é ninguém ter definido o que acontece quando ele chega.

O teto que resolve: um limite de gasto que trava sozinho.

• Defina um valor mensal que, se for atingido, o agente para ou passa tudo para humano.
• Configure alerta em 50% e em 80% desse valor. O alerta vale mais que o teto, porque chega a tempo.
• Decida agora, por escrito, o que acontece quando o teto bate: para de responder, responde só o básico, ou avisa alguém e continua.

Essa última linha é a que ninguém escreve, e é a que decide se o teto te protege ou te derruba num sábado.

Causa 2 · Histórico grande demais, reenviado a cada mensagem

Essa é a mais cara e a mais invisível.

Modelo de linguagem não tem memória. Toda vez que o agente responde, alguém precisa mandar junto o contexto todo: as instruções, os documentos de apoio e a conversa inteira desde o começo.

Repare no que isso significa numa conversa longa. Na décima mensagem, você está reenviando as nove anteriores. Na vigésima, as dezenove. O custo de uma conversa não cresce em linha reta — cresce como uma bola de neve.

O teto que resolve: decidir quanto de histórico vai junto.

• Janela fixa. Mande só as últimas N mensagens (5 a 10 resolve quase tudo em atendimento).
• Resumo em vez de transcrição. A cada X mensagens, troque o histórico antigo por um resumo curto do que já foi combinado.
• Corte o que é decorativo. Assinatura de e-mail, aviso de confidencialidade, cabeçalho repetido: tudo isso é texto que você paga para reenviar.
• Mande só o documento certo. Se o agente consulta uma base, mande o trecho relevante, não o manual inteiro.

Comece pela janela fixa. É a mudança de uma linha que corta mais conta.

Causa 3 · O loop sem limite

O agente tenta, erra, tenta de novo, erra de novo. Se ninguém definiu quantas vezes ele pode tentar, ele fica girando — às vezes por horas, às vezes de madrugada, sempre gastando.

Isso é especialmente comum em agente que usa ferramenta: a chamada falha, ele tenta corrigir, falha de novo, e entra num ciclo que parece produtivo e não é.

O teto que resolve: limite de tentativa e saída de emergência.

• Máximo de tentativas por tarefa. Três é um bom começo. Passou disso, ele para e escala para humano.
• Máximo de passos por conversa. Um agente que já deu vinte passos numa tarefa provavelmente se perdeu.
• Tempo máximo. Se passou de X minutos numa tarefa só, encerra e avisa.
• Alguém é avisado quando o limite bate. Sem isso, você só descobre na fatura.

O quarto ajuste: modelo certo para cada tarefa

Depois dos três tetos, é aqui que sobra dinheiro.

A maioria das empresas liga tudo no modelo mais forte porque parece o mais seguro. Só que resumir, organizar, classificar e responder pergunta simples — que é a maior parte do que uma empresa faz — sai igual num modelo mais barato.

• Liste as tarefas que o seu agente executa.
• Marque quais são realmente difíceis (raciocínio longo, decisão delicada, código).
• Nas outras, teste o modelo mais barato e rode o seu conjunto de 20 casos para confirmar que não piorou.

O guia anterior da série existe justamente para isso: sem o teste, trocar de modelo é aposta. Com o teste, é decisão de vinte minutos.

O que olhar toda sexta

Cinco minutos, e evita quase toda surpresa:

• Gasto da semana contra a semana anterior.
• Custo médio por conversa (gasto dividido por número de conversas). É esse número que denuncia a bola de neve do histórico.
• Quantas vezes o limite de tentativa foi atingido.
• A conversa mais cara da semana. Abra e veja o que aconteceu nela.

A conversa mais cara da semana é o item mais subestimado dessa lista. É quase sempre ali que mora o problema que ainda não virou fatura.

Por onde começar hoje

• Descubra quanto você gastou de IA no mês passado. Só o número.
• Configure o alerta em 50% e 80% de um teto que você aceita pagar.
• Reduza o histórico para as últimas 10 mensagens.
• Coloque um máximo de 3 tentativas por tarefa.

As quatro cabem numa tarde e resolvem a maior parte do risco.

---

Fabian Martinelli implanta IA em pequenas e médias empresas e é certificado nas normas internacionais de gestão, risco e governança de IA (ISO 42001, 23894 e 38507).