Caso recente de empresas como a Uber evidencia impacto financeiro da adoção em larga escala e alerta para os altos custos de operação
A inteligência artificial consolidou-se como ferramenta estratégica em diferentes setores, impulsionando produtividade, automação e inovação. No entanto, o custo real de implementação tem surpreendido empresas de todos os portes. Um exemplo recente envolve a Uber Technologies Inc., que consumiu todo o orçamento previsto para inteligência artificial em 2026 ainda no primeiro quadrimestre do ano, após a adoção intensiva de soluções internas baseadas em IA.
O aumento expressivo dos gastos está diretamente ligado ao modelo de cobrança por uso, comum em plataformas desenvolvidas por empresas como a Anthropic. Nesse formato, o custo é calculado com base em “tokens”, unidades que representam trechos de texto processados pelos modelos. Quanto maior o volume de uso, especialmente em aplicações como geração de código, maior o custo. No caso da Uber, milhares de engenheiros passaram a utilizar ferramentas de IA simultaneamente, elevando despesas mensais por usuário a centenas ou até milhares de dólares. Estima-se que cerca de 11% do código backend da empresa já seja gerado por inteligência artificial.
Para Fábio Tiepolo, CEO da StaryaAI, o cenário exige uma mudança de mentalidade por parte do mercado e traz um desafio ainda maior para pequenos e médios empresários que querem usar a tecnologia. “A inteligência artificial entrega ganhos reais de produtividade e eficiência, especialmente em tarefas repetitivas e intensivas em dados, mas está longe de ser uma solução de baixo custo quando utilizada em escala. No caso das pequenas e médias empresas, o desafio é ainda maior: é preciso definir prioridades claras, estabelecer limites de consumo e medir o retorno sobre o investimento desde o início. Sem esse controle, a tecnologia pode deixar de ser um diferencial competitivo e passar a representar um custo elevado e desproporcional à estrutura do negócio”, afirma.
O avanço da IA também levanta discussões sobre governança e previsibilidade de gastos. Empresas começam a perceber que escalar o uso da tecnologia não significa, necessariamente, reduzir despesas. Pelo contrário, sem monitoramento adequado, o consumo pode crescer rapidamente e gerar impactos financeiros relevantes. O movimento observado no mercado indica que a inteligência artificial deixou de ser apenas uma ferramenta de ganho operacional para se tornar também um centro de custo significativo.
“A tendência é que a inteligência artificial passe a ser tratada como qualquer outro recurso estratégico da empresa, com metas, orçamento definido e acompanhamento contínuo. Quem não fizer essa gestão desde o início pode comprometer a sustentabilidade financeira da operação”, completa o empresário.
O que são tokens de IA e como funcionam na prática
Os tokens são a unidade básica de cobrança em sistemas de inteligência artificial baseados em linguagem. Cada palavra, parte de palavra ou caractere processado por um modelo corresponde a um token, sendo contabilizado tanto na entrada (prompt) quanto na saída (resposta gerada).
Na prática, isso significa que, quanto mais longo e frequente for o uso, maior será o consumo. Aplicações contínuas, como geração automatizada de código, atendimento ao cliente ou análise de dados, tendem a elevar rapidamente o volume de tokens processados, impactando diretamente o custo final da operação. Além disso, modelos mais avançados, com maior capacidade de processamento, costumam ter custo por token mais elevado.
Para Tiepolo, o desafio está na previsibilidade desse modelo. “O token transforma a inteligência artificial em um serviço variável, semelhante ao consumo de energia ou de computação em nuvem. O problema é que muitas empresas ainda não têm maturidade para monitorar esse consumo em tempo real, o que pode gerar surpresas no orçamento.”
Segundo o executivo, outro ponto crítico é o uso desestruturado dentro das organizações. “Quando a IA é liberada sem diretrizes claras, diferentes equipes passam a utilizar a tecnologia de forma intensiva, muitas vezes sem necessidade real. Isso cria um efeito acumulativo de custos que não aparece imediatamente, mas se torna relevante no fechamento financeiro”, afirma.
Esse modelo torna o custo diretamente proporcional ao uso, exigindo planejamento, governança e definição de políticas internas. “Empresas que não estabelecem limites, métricas e objetivos claros para o uso da IA correm o risco de transformar um ganho de eficiência em um aumento significativo de despesas operacionais”, conclui Tiepolo.
