Governança
Custo de IA generativa na empresa: como prever e controlar o gasto com tokens
Toda proposta de IA corporativa chega a um momento em que alguém pergunta: e quanto isso vai custar por mês para rodar? A resposta honesta começa por entender a unidade de cobrança, o token, e termina num orçamento por funcionalidade com teto e monitoramento. Este artigo mostra o método que a OnWeb usa para prever e controlar o custo de IA nos sistemas que mantém em produção.
O que é token e como a cobrança funciona
Modelos de linguagem cobram por token processado. Um token é um pedaço de palavra: em português, mil tokens equivalem a algo entre 600 e 750 palavras. A cobrança separa tokens de entrada (o que você manda: instruções, contexto, documento, pergunta) de tokens de saída (o que o modelo responde), e a saída costuma custar várias vezes mais que a entrada. Imagens e áudio têm cobrança própria, convertida em tokens ou por unidade.
Os preços variam por modelo numa escala grande: um modelo pequeno pode custar dezenas de vezes menos que um modelo de ponta pela mesma quantidade de tokens. É daí que vem a primeira regra de controle de custo: modelo certo para cada tarefa.
Como estimar o custo de uma tarefa
Para cada funcionalidade de IA, estime quatro números:
- Tokens de entrada por execução. Instruções fixas mais contexto variável (o documento, o histórico da conversa, os dados consultados).
- Tokens de saída por execução. O tamanho típico da resposta.
- Execuções por mês. Documentos lidos, conversas atendidas, textos gerados.
- Preço do modelo escolhido, de entrada e de saída.
Multiplique e some. Exemplos de ordem de grandeza em produção, com modelos de ponta em 2026:
| Tarefa | Entrada típica | Saída típica | Custo por execução |
|---|---|---|---|
| Classificar um e-mail ou chamado | 500 a 1.500 tokens | 50 tokens | Frações de centavo |
| Ler uma conta de luz ou nota fiscal (imagem) | 1.500 a 3.000 tokens | 300 tokens | Poucos centavos |
| Uma conversa de atendimento (8 a 12 mensagens) | 8.000 a 20.000 tokens acumulados | 1.500 tokens | Dezenas de centavos |
| Redigir um artigo de 1.500 palavras por fases | 30.000 a 60.000 tokens | 8.000 tokens | Alguns reais |
| Gerar uma imagem | Prompt | Uma imagem | Centavos a poucos reais, conforme qualidade |
Uma operação de atendimento com 3 mil conversas por mês fica, nessa escala, em algumas centenas a pouco mais de mil reais de IA por mês. A leitura de 10 mil documentos, em algumas centenas de reais. Em quase todo caso, o custo de IA é pequeno perto do custo da pessoa que fazia a tarefa.
Onde o custo foge do controle
- Contexto que cresce sem limite. Conversas longas reenviam o histórico inteiro a cada mensagem. Resumir o histórico e limitar a janela resolve.
- Modelo de ponta para tarefa simples. Classificar com o modelo mais caro multiplica o custo por dez sem ganho.
- Laços sem teto. Agente que tenta de novo indefinidamente ou chama ferramentas em cadeia sem limite de passos.
- Saída sem limite. Respostas longas demais, geradas sem necessidade. Teto de tokens de saída por tarefa é obrigatório.
- Falta de monitoramento. Sem custo por recurso, o problema só aparece na fatura.
As seis práticas de controle
1. Modelo por tarefa
A camada de orquestração escolhe o modelo mais barato que atende à qualidade necessária. Veja por que usar mais de um provedor.
2. Teto por recurso
Cada funcionalidade tem orçamento mensal. Ao se aproximar, alerta; ao estourar, degrada para um modelo mais barato ou pausa, conforme a regra definida.
3. Cache de contexto
Instruções e bases de conhecimento que se repetem a cada chamada podem ser armazenadas pelo provedor e cobradas a uma fração do preço. Em atendimento, reduz o custo de entrada de forma relevante.
4. Limite de passos e de saída
Agentes têm número máximo de passos e de tokens por resposta. O que não cabe é dividido ou passa para uma pessoa.
5. Registro por chamada
Modelo, tokens, custo, recurso, usuário. É o que permite ver, por exemplo, que um recurso específico está consumindo mais que o previsto e por quê.
6. Revisão mensal
Custo real contra previsto, por recurso. Ajuste de modelo, de limites ou de roteiro conforme o que os dados mostram.
Como isso aparece para o gestor
No App Netlinks, cada recurso de IA aparece num painel com modelo principal, contingência, volume do mês e custo. O gestor vê onde a IA gasta e decide com número, não com susto. É o mesmo desenho que a OnWeb entrega em cada projeto. Veja também o checklist de governança.
Perguntas frequentes
Quanto custa, em média, IA por mês numa empresa média?
Para operações típicas (atendimento, leitura de documentos, assistentes internos), de algumas centenas a poucos milhares de reais por mês. O número exato sai da estimativa por tarefa, que fazemos no desenho do projeto.
O custo de IA é cobrado pela OnWeb ou pelo provedor?
Pelo provedor, na conta da empresa ou repassado ao custo, conforme o contrato. Em qualquer caso, o custo fica visível por recurso no sistema.
Dá para fixar o custo?
Dá para fixar o teto. Com limites por recurso e degradação controlada, a fatura não passa do orçamento definido.
Modelos abertos rodando na minha nuvem saem mais baratos?
Para volume alto em tarefas simples, podem sair. Para volume médio, a infraestrutura dedicada costuma custar mais que a cobrança por token. A camada de orquestração permite testar os dois.
Como faço a estimativa para o meu caso?
Fale com um especialista. Levantamos as tarefas, o volume e montamos o orçamento de IA, sem compromisso.