Custo de IA nas empresas: o fim do tokenmaxxing e como não queimar orçamento com tarefa pequena
Empresas correram para incentivar o uso máximo de IA. Agora correm para conter a conta. O que estourou o orçamento não foi o preço da ferramenta: foi medir a coisa errada. E isso tem conserto.
A virada aconteceu rápido. No começo de 2026, a mensagem das empresas de tecnologia para os funcionários era usar o máximo de IA possível. Meta e Amazon chegaram a montar rankings internos de consumo de tokens. Deram um nome a isso: tokenmaxxing. Aí as faturas chegaram. E agora a Accenture está tentando impedir que seus funcionários esgotem o orçamento de IA convertendo PDF em slides, segundo áudio interno obtido pela 404 Media.
Em poucos meses, o tokenmaxxing virou racionamento. A imprensa chama de "tokenpocalypse", de "token rationing", de "tokenminning". O nome não importa. O que importa é o que essa reviravolta ensina, porque era previsível, e a lição vale para qualquer empresa, não só para as gigantes de tecnologia. Trabalhei com mais de 50 empresas implementando IA e o erro de origem é sempre o mesmo.
Resposta direta: o custo de IA estourou porque as empresas mediram o insumo (quantos tokens se gasta) em vez do resultado (o que a IA entregou). A maior alavanca de economia é simples e quase ninguém usa: rodar cada tarefa no modelo certo, em vez de jogar tudo no mais caro. Modelos menores custam uma fração e resolvem a maioria dos casos.
O que é tokenmaxxing, e por que virou problema
Token é a unidade que um modelo de IA processa, mais ou menos um fragmento de palavra. A cobrança da API é por token: paga-se pelo que entra (a sua mensagem) e pelo que sai (a resposta). Tokenmaxxing foi o apelido para a corrida de consumir o máximo de tokens, tratada como sinal de produtividade e de "maturidade em IA".
O problema está embutido na própria ideia. Token é insumo, não resultado. Como resumiu o autor de um manifesto sobre o tema ao New York Times, executivos que não sabiam medir a competência do time em IA pensaram: "bem, quem está usando mais tokens?". A filosofia acabou premiando volume, não eficiência. Quando você mede a entrada de um processo e ignora a saída, ganha mais entrada. Foi o que aconteceu: muito mais IA usada, pouco mais resultado.
O erro de origem: medir o insumo, não o resultado
Essa é a frase que sustenta tudo, então vou cravar: token gasto é input, valor entregue é output, e a conta só fecha quando você consegue ligar um ao outro. A própria Accenture, no áudio vazado, admite o ponto: a fatura total do gasto com IA é visível, mas atribuir esse gasto, no nível do token, aos resultados de cada projeto, não é. É aí que mora o problema, e é aí que mora a solução.
Não é abstrato. O COO da Uber colocou de forma direta: se você não consegue traçar uma linha entre o gasto e quantas funcionalidades úteis está entregando, a troca fica difícil de justificar, e essa linha ainda não existe. Empresa após empresa percebeu a mesma coisa ao mesmo tempo, e o racionamento começou.
Os números que assustaram os CFOs
A onda de cortes não veio de achismo. Veio de dados de empresas de análise de produtividade, que têm interesse em destacar o problema, é verdade, mas cujos números convergem para a mesma história: mais código sendo escrito, e uma parte desproporcional dele não vingando. Os destaques, segundo a apuração do TechCrunch:
| Fonte | O dado | O que significa |
|---|---|---|
| Jellyfish | 2x de throughput a 10x do custo de tokens | Quem tinha o maior orçamento de tokens gerou mais pull requests, mas o ganho não escalou. Volume, não valor |
| GitClear | Usuários de IA: 9,4x mais churn de código | Mais que o dobro do ganho de produtividade que a ferramenta entregou |
| Faros AI | Churn de código +861% sob alta adoção de IA | Linhas escritas que logo são apagadas e reescritas |
| Waydev | Aceitação de 80-90% cai para 10-30% reais | O código é aprovado na hora, mas volta para revisão nas semanas seguintes |
| Uber | Orçamento anual de IA queimado em 4 meses | Consumo imprevisível levou a tetos mensais no Claude Code e no Cursor |
Dados de plataformas de engineering analytics e da imprensa especializada (TechCrunch, NYT). "Churn de código" é a proporção de linhas escritas que são apagadas ou reescritas pouco depois.
O termo técnico para o fenômeno é "churn": código que é aceito e logo precisa ser refeito. A tradução em dinheiro é cruel. Você pagou os tokens para gerar o código, pagou de novo para revisar, e pagou uma terceira vez para reescrever. O painel mostra "produtividade subindo". O extrato mostra outra coisa. Tanto que a Atlassian comprou a DX, uma startup de inteligência de engenharia, por US$ 1 bilhão, justamente para ajudar clientes a entender o retorno real dos agentes de código.
Não são só os engenheiros: quem realmente queima token
Aqui está a parte mais reveladora, e a que mais contraria a narrativa do "super engenheiro gerando montanhas de código". Segundo os dados internos que a Accenture apresentou no áudio vazado, não são os engenheiros que puxam o consumo de tokens. É muita gente não técnica, fazendo tarefas triviais.
O maior "comedor de tokens" citado é quase cômico de tão banal: transformar PDF em slides, ou PDF em markdown. Multiplique isso por milhares de pessoas que passaram a usar IA para tudo, o dia inteiro, porque foram incentivadas a "usar o máximo", e você tem a fatura exponencial. O ponto da Accenture é direto: não é um problema de nicho, é um problema que toda empresa que apostar em IA vai enfrentar, se já não enfrenta. A consultoria, aliás, já está montando um produto chamado "Token IQ" para vender o controle disso, e admite que os controles de gasto "chegaram tarde demais".
Use o modelo certo: a maior alavanca de custo
Se existe uma única mudança com o melhor retorno, é esta: parar de rodar tudo no modelo mais caro. Muita gente caiu no hábito de usar o modelo mais poderoso para qualquer coisa, inclusive classificar, resumir ou responder perguntas simples. É o erro de custo mais comum, e o mais fácil de corrigir.
Os preços de tabela da Anthropic deixam a conta óbvia (valores por milhão de tokens, entrada / saída):
| Modelo | Entrada (1M tokens) | Saída (1M tokens) | Melhor para |
|---|---|---|---|
| Claude Fable 5 | US$ 10 | US$ 50 | Raciocínio de ponta e trabalho agêntico longo, o topo da capacidade |
| Claude Opus 4.8 | US$ 5 | US$ 25 | Engenharia exigente, agentes, raciocínio complexo |
| Claude Sonnet 4.6 | US$ 3 | US$ 15 | O modelo padrão: automação, atendimento, conteúdo, código |
| Claude Haiku 4.5 | US$ 1 | US$ 5 | Classificação, moderação e respostas rápidas em volume |
Preços de tabela da Anthropic por milhão de tokens, em dólar.
Leia a tabela como um gestor de custo, não como um entusiasta de IA. O Fable custa o dobro do Opus e dez vezes o Haiku. O Opus custa cinco vezes o Haiku. Usar o modelo do topo para uma tarefa que o Haiku resolveria não é "garantir qualidade", é queimar dinheiro. O diretor de IA da AT&T disse ao New York Times que dá para economizar até 90% optando por modelos menos avançados, e que, para a maioria dos casos de uso, o modelo de ponta não é necessário. Ele usa o modelo mais forte em algumas tarefas e os mais fracos na maioria das ações. É exatamente essa a disciplina que falta.
Detalhei como cada modelo se posiciona e como estimar o gasto real no guia de preços do Claude para empresas. A lógica vale para qualquer fornecedor: o custo da API escala com o volume de tokens e com o modelo, então o modelo certo por tarefa é a alavanca que você controla.
O que as empresas estão fazendo agora
O racionamento já tem forma. Os movimentos mais comuns, segundo a cobertura de NYT e 404 Media:
- Tetos de gasto. Uber, Walmart e Meta passaram a limitar o uso de ferramentas de IA depois de ver o custo subir de forma exponencial ou imprevisível. Os rankings de tokens da Meta e da Amazon foram retirados do ar.
- Nova métrica. A Salesforce parou de contar tokens e passou a acompanhar "unidades de trabalho de agente", uma métrica que tenta medir a saída, não o uso. É a correção certa: medir resultado.
- Modelo certo por tarefa. Empresas como a AT&T estão reservando o modelo de ponta para o que exige e usando os mais baratos no resto, com economia de até 90%.
- Controles de orçamento. Limites por organização e por equipe, e produtos como o "Token IQ" da Accenture surgindo para dar visibilidade do gasto no nível do token.
Repare no que todos esses movimentos têm em comum: são tentativas de reconstruir, depois do estouro, a ligação entre gasto e resultado que deveria ter existido desde o começo.
A leitura da HiveAgent: isso era previsível
Vou ser direto, porque é a tese que repito em todo conteúdo: nada disso é surpresa. É a versão em escala global do erro que vejo em PME brasileira toda semana. A empresa liga a IA "para ver no que dá", incentiva o uso, comemora a adoção, e seis meses depois pergunta por que não houve retorno. A resposta é sempre a mesma, e escrevi sobre ela em por que a maioria dos projetos de IA não gera retorno: faltou definir o caso de uso e a métrica antes de soltar a ferramenta.
O tokenmaxxing foi essa armadilha com esteroides. Trocaram a pergunta "onde a IA gera resultado?" pela pergunta "quem usa mais IA?". E você sempre recebe mais daquilo que mede. A boa notícia é que a saída não é abandonar a IA, é a higiene básica que deveria ter vindo antes do hype: definir o caso de uso, escolher o modelo certo para cada tarefa, medir a saída e não o consumo, e pôr um teto. Quem faz isso não vive o "tokenpocalypse". Não porque gasta menos com IA por princípio, mas porque cada real gasto está amarrado a um resultado.
É o oposto da "shortcut mentality" de pegar a ferramenta da moda e esperar mágica. Agente de IA não é atalho; é alavanca, e alavanca sem ponto de apoio só faz barulho. O ponto de apoio é o caso de uso bem definido. Sobre o que dá para fazer de verdade com IA dentro de uma operação, sem cair no exagero nem no medo, falo no guia de adoção do Claude para empresas.
Como não cair no tokenmaxxing
Não é uma lista de cortes. É a lista de decisões que mantém o gasto com IA amarrado a resultado, em vez de virar fatura sem dono.
Você está medindo resultado ou consumo?
Se a métrica de sucesso é "quanto de IA usamos", o incentivo está errado na raiz. Meça saída: funcionalidades entregues, tickets resolvidos, horas economizadas.
Cada tarefa está no modelo certo?
Classificar e resumir não pedem o modelo de ponta. Rodar tudo no topo da tabela custa cinco a dez vezes mais que usar o modelo adequado para cada caso.
Onde está indo o gasto, no nível da tarefa?
Como na Accenture, o maior consumo costuma estar em tarefas triviais e repetitivas, não nos casos que justificam a conta. Sem essa visibilidade, você corta no escuro.
Existe teto de gasto, por organização e por equipe?
Consumo por token escala sem avisar. Definir limite antes de soltar para todos é o que separa um custo previsível de uma surpresa no fim do mês.
Você consegue ligar o gasto ao retorno?
Esse é o teste final. Se a fatura é visível mas o resultado que ela comprou não é, você tem um problema de gestão, não de tecnologia. Resolva isso antes de escalar.
Sua IA está gerando retorno ou só queimando token?
A HiveAgent ajuda empresas a amarrar gasto de IA a resultado: o caso de uso certo, o modelo certo para cada tarefa e a métrica que diz se valeu. Sem racionamento de pânico, sem soltar a ferramenta para todo mundo e torcer.
Falar com a HiveAgentPerguntas frequentes sobre custo de IA nas empresas
O que é tokenmaxxing?
Tokenmaxxing é a prática de usar o máximo de IA possível, medida pelo volume de tokens consumidos. Virou febre em 2026, quando empresas trataram alto consumo de tokens como sinal de produtividade e chegaram a criar rankings internos de uso. Token é a unidade que os modelos de IA processam, e cada chamada é cobrada por token. O problema é que tokenmaxxing mede o insumo (quanto se gasta de IA), não o resultado (o que a IA entregou), e foi exatamente isso que estourou os orçamentos.
Por que o custo de IA das empresas está saindo do controle?
Porque o gasto com IA passou de assinatura fixa para consumo por token, e o consumo escala com o uso sem que ninguém perceba. Empresas como Accenture, Uber e Meta relataram aumento exponencial ou imprevisível de custo depois de incentivar o uso máximo de IA. O agravante é que boa parte do gasto vem de tarefas pequenas e repetitivas, como converter PDF em slides, e não dos casos de uso que justificariam a conta.
O que é um token de IA e por que ele custa caro?
Token é um pedaço de texto, mais ou menos um fragmento de palavra, que o modelo lê e gera. A API é cobrada por token, separando o que entra (sua mensagem) do que sai (a resposta). Uma tarefa simples, como resumir uma reunião, gasta algumas centenas de tokens; uma complexa, como escrever o código de uma funcionalidade, gasta dezenas de milhares. A conta cresce com o volume e com o modelo escolhido, porque modelos de ponta custam várias vezes mais por token que os menores.
Quem gasta mais tokens nas empresas: engenheiros ou não-técnicos?
Ao contrário do que se imaginava, segundo dados internos relatados pela Accenture boa parte do consumo de tokens não vem dos engenheiros, e sim de pessoas não técnicas fazendo tarefas triviais, como transformar PDF em slides ou em markdown. Isso desmonta a narrativa de que o boom de custo é causado por engenheiros gerando montanhas de código. O gasto se espalha quando todo mundo usa IA para tudo, sem critério.
Como reduzir o custo de IA na empresa?
O caminho com maior retorno é usar o modelo certo para cada tarefa, em vez de rodar tudo no modelo mais caro. Modelos menores resolvem a maioria dos casos e custam uma fração: na tabela da Anthropic, o Haiku custa cerca de um décimo do modelo de ponta por token. Depois, defina o caso de uso e meça o resultado, não o volume de tokens, e estabeleça tetos de gasto por equipe. O desperdício raramente é o preço da ferramenta: é usar IA cara em tarefa que não precisava. Os números por modelo estão no guia de preços do Claude para empresas.
Vale a pena usar o modelo de IA mais caro para tudo?
Não. Segundo o diretor de IA da AT&T, dá para economizar até 90% optando por modelos menos avançados, e para a maioria dos casos de uso o modelo de ponta não é necessário. Nos preços de tabela da Anthropic, o Fable custa o dobro do Opus e cerca de dez vezes o Haiku por token. Usar o modelo mais caro para classificar, resumir ou responder coisas simples é o erro de custo mais comum. Reserve o modelo de ponta para o que exige raciocínio pesado e use os menores no resto.
Como medir se o gasto com IA está gerando retorno?
Medindo resultado, não consumo. Tokens são insumo; o que importa é o que foi entregue: funcionalidades publicadas, tickets resolvidos, horas economizadas. Empresas estão trocando a métrica de tokens por métricas de saída, como as unidades de trabalho de agente da Salesforce. A pergunta certa não é quem usou mais IA, é onde a IA gerou retorno mensurável, e o gasto deve ser atribuído a esse resultado.
Fontes: 404 Media (áudio interno da Accenture), TechCrunch (corte de gastos), TechCrunch (dados de churn de código) e The New York Times (do tokenmaxxing ao tokenminning). Preços por token conforme a tabela oficial da Anthropic.