Tokens e IA: ninguém aprovou essa despesa, mas ela cresce todo mês.

Toda empresa que adotou inteligência artificial nos últimos dois anos aprendeu rápido a falar sobre produtividade, casos de uso e adoção, mas quase nenhuma aprendeu a falar sobre a unidade que sustenta tudo isso.

O token é a menor fração de texto que um modelo de linguagem processa, algo em torno de quatro caracteres em inglês, um pouco menos em português, o que faz uma frase curta consumir por volta de trinta tokens. É também a unidade em que a IA é cobrada, e é por isso que ela deixou de ser um detalhe de documentação técnica para se tornar uma linha de orçamento que cresce sozinha.

A parte contraintuitiva é que o preço por token despencou. Entre 2024 e 2026, a competição entre Google, Anthropic e OpenAI derrubou o custo unitário em ordens de magnitude, e ainda assim as faturas corporativas subiram. O que barateou foi o insumo, não o consumo, e o consumo cresce porque cada avanço na capacidade dos modelos multiplica a quantidade de texto que eles processam para entregar a mesma resposta.

Por que a conta cresce mesmo com o preço caindo

Três mecanismos explicam a maior parte do descolamento entre preço unitário e fatura final, e todos eles são arquiteturais antes de serem financeiros.

O primeiro é a assimetria entre entrada e saída. Tokens de saída custam tipicamente de quatro a oito vezes mais que tokens de entrada, o que significa que um agente instruído a "explicar seu raciocínio" ou a produzir relatórios extensos gera um custo desproporcional em relação ao que se pediu a ele.

O segundo é o contexto: a cada nova interação, o modelo recebe de volta todo o histórico relevante da conversa, os documentos anexados, as instruções do sistema. Um assistente que carrega o contrato inteiro, mais as políticas internas, mais o histórico completo do cliente, paga esse pacote em toda pergunta, inclusive nas triviais.

O terceiro é a orquestração. Arquiteturas multiagente, em que um modelo delega tarefas a outros modelos, podem consumir até quinze vezes mais tokens que uma chamada direta para produzir um resultado equivalente, e o caso documentado pela Augment Code de um fluxo que gastou 850 mil tokens onde 100 mil bastariam não é uma anomalia de implementação ruim, é o comportamento padrão de sistemas construídos sem ninguém medindo.

Some a isso o fato de que o custo em produção não se parece com o custo em teste. A Andreessen Horowitz documentou que gastos reais de token em produção costumam ficar entre cinco e dez vezes acima do que os pilotos indicavam, porque o piloto roda com um conjunto controlado de perguntas e a produção roda com o comportamento imprevisível de usuários reais. É a diferença entre o que a empresa aprovou no comitê e o que ela vai pagar no trimestre seguinte.

O problema não é o gasto, mas a falta de visibilidade sobre ele

Segundo o State of FinOps 2026, da FinOps Foundation, levantamento com 1.192 profissionais responsáveis por mais de 83 bilhões de dólares em gasto anual com nuvem, 98% das equipes já gerenciam custos de IA, contra 63% em 2025 e 31% em 2024. O relatório aponta que a capacidade mais requisitada em toda a pesquisa é justamente o monitoramento granular de gasto com IA — tokens, requisições a modelos, utilização de GPU — e que as ferramentas comerciais ainda não entregam isso em escala.

A visibilidade sobre custos de IA aparece como o principal desafio citado, seguida pela alocação desses custos às unidades de negócio e pela determinação do retorno. Uma frase de um dos participantes resume o estado da arte: ninguém ainda consegue responder se a IA está gerando valor.

A pesquisa da Deloitte de 2026 chegou a um número que dialoga diretamente com isso: apenas 23% das organizações têm visibilidade granular dos próprios custos de IA por funcionalidade. Não é que as empresas ignorem o custo. É que a arquitetura que escolheram não produz a informação necessária para governá-lo, e a fatura chega agregada, sem atribuição, meses depois de a decisão que a causou ter sido tomada.

Há ainda um risco de incentivo que aparece quando a liderança tenta corrigir o rumo pelo lado errado. Diante de uma adoção morna, algumas empresas passaram a tratar volume de uso como sinal de engajamento com IA, chegando a comparar times pelo consumo.

Consumo de token é um indicador especialmente ruim para essa função porque é trivialmente inflável: basta deixar um agente rodando ocioso, disparar consultas redundantes ou pedir respostas mais longas do que o necessário. Toda métrica que vira meta deixa de ser uma boa métrica, e essa em particular recompensa exatamente o comportamento que a empresa está tentando eliminar do orçamento.

Onde a governança de tokens realmente opera

A resposta que vem funcionando não passa por cotas arbitrárias nem por bloqueio de ferramentas, pelo mesmo motivo que bloquear IA generativa não resolveu o problema de shadow AI: restrição sem alternativa desloca o comportamento em vez de eliminá-lo. O que muda o resultado é tratar consumo como uma variável de arquitetura e de incentivo ao mesmo tempo.

Do lado técnico, três alavancas concentram a maior parte do ganho. O cache de prefixo, que evita reprocessar instruções e documentos estáveis a cada chamada, reduz custo em até 90% em fluxos com contexto repetido. O roteamento por complexidade, que direciona perguntas simples a modelos menores e reserva os modelos caros para o que de fato exige raciocínio, corta entre 30% e 70% em implementações típicas. E o desenho de contexto, que consiste em enviar ao modelo o recorte relevante em vez do repositório inteiro, ataca a causa mais comum de desperdício sem alterar a experiência percebida pelo usuário.

Do lado da gestão, a mudança é substituir o orçamento por volume fixo por métricas de unidade: custo por interação, custo por documento processado, custo por decisão automatizada. Essa é a diferença entre saber que a empresa gastou tanto em tokens no trimestre e saber que atender um chamado de suporte via IA custa oitenta centavos contra doze reais no fluxo humano, informação que permite decidir onde escalar e onde recuar. Se a liderança quer medir adoção de IA, precisa medir a saída — ciclos de entrega, chamados resolvidos, retrabalho evitado — e tratar o token como custo do meio, jamais como evidência de esforço.

A pergunta que a liderança precisa fazer agora

A economia de tokens tem uma característica que a torna diferente de outras linhas de infraestrutura: é um custo variável que ninguém contrata formalmente, gerado por decisões distribuídas, tomadas por pessoas que não veem o preço no momento em que decidem.

Um analista que anexa um PDF de trezentas páginas a um prompt, um desenvolvedor que configura um agente para revisar o repositório inteiro a cada commit, um time de marketing que roda variações de copy em lote... Nenhum deles está errado em relação ao próprio objetivo, e nenhum deles tem como saber o que aquilo custou.

A pergunta útil, portanto, não é quanto a empresa está gastando com IA, porque essa informação chega na fatura de qualquer jeito. É se existe alguém capaz de dizer, hoje, quais fluxos consomem o quê, qual resultado cada um produz e quem tem autoridade para desligar o que não se paga. Empresas que constroem essa camada antes de escalar mantêm esse custo dentro de uma faixa que conseguem administrar. As que não constroem descobrem o número quando ele já é grande demais para ser discutido com calma.

A Sambatech trabalha com empresas que estão nesse processo: colocando IA em produção com governança de custo, observabilidade de consumo e métricas que ligam gasto a resultado de negócio. Converse com nossos consultores.