Custo de IA: o token caiu 280 vezes e a variável decisiva é outra

O Uber revelou em maio de 2026 que o orçamento de inteligência artificial do ano inteiro havia sido consumido em quatro meses. O detalhe que importa não é o valor. É que ninguém na empresa conseguia dizer qual time tinha gasto o quê, nem se aquele consumo tinha produzido resultado proporcional. O preço unitário da inteligência despencou. O que decide se a conta vira investimento ou vazamento é o que está amarrado a ela.

Por que isso importa: empresas que crescem capacidade sem inflar estrutura não são as que gastam menos com IA. São as que conseguem dizer quanto custa cada tarefa concluída e qual indicador aquela tarefa moveu.

Os números

• De US$ 20 para US$ 0,07 por milhão de tokens foi a queda no custo de consultar um modelo com desempenho equivalente ao GPT-3.5 entre novembro de 2022 e outubro de 2024, mais de 280 vezes em cerca de 18 meses (Índice de IA de Stanford)
• 30% ao ano é a queda no custo de hardware e 40% ao ano o ganho de eficiência energética que sustentam a curva (Índice de IA de Stanford)
• De 5 a 30 vezes mais tokens por tarefa é o consumo de um fluxo agêntico comparado a uma consulta simples de chatbot, na análise que a Gartner publicou em março de 2026
• Até 30 vezes é a variação entre execuções da mesma tarefa, no mesmo modelo, medida em estudo com oito modelos de fronteira

O preço caiu e o uso mudou de forma

A curva de Stanford é real e contínua. Custo de hardware caindo perto de 30% ao ano e eficiência energética ganhando cerca de 40% ao ano são forças estruturais, não promoção de fornecedor.

O que mudou junto foi o formato do trabalho. Uma pergunta seguida de uma resposta consome pouco e de forma previsível. Uma tarefa executada de ponta a ponta funciona de outro jeito: o sistema chama ferramenta, verifica resultado, corrige rota e reenvia o contexto acumulado a cada passo. Na vigésima etapa, o mesmo contexto foi pago vinte vezes. A entrada, e não a saída, passa a dominar a fatura.

A leitura preguiçosa desse fato é concluir que IA ficou cara. A leitura correta é outra: o preço por unidade e o custo por tarefa deixaram de ser a mesma conversa. Orçar IA olhando tabela de preço por milhão de tokens em 2026 tem a mesma utilidade de orçar frete olhando o preço do litro de diesel.

A virada: gastar mais não compra mais acurácia

Aqui está o achado que muda o desenho de qualquer projeto. Um estudo que analisou trajetórias de oito modelos de fronteira encontrou três coisas ao mesmo tempo.

A primeira é a variância. Execuções da mesma tarefa podem diferir em até 30 vezes no total de tokens consumidos, e os modelos subestimam de forma consistente o próprio gasto quando questionados antes de executar.

A segunda é que dificuldade percebida pelo humano não prevê custo. Tarefa que parece simples pode custar caro e o contrário também acontece.

A terceira é a que interessa ao conselho: a acurácia não sobe junto com o gasto. Ela costuma atingir o pico num custo intermediário e estagnar a partir dali. Existe um ponto ótimo de consumo, e ele fica bem antes do teto.

Isso desmonta a ideia de que controlar custo de IA é escolher o modelo mais barato. E desmonta também a ideia oposta, de que resultado melhor exige orçamento maior. O que separa as duas curvas é escopo definido, dono nomeado e medição antes e depois.

Empresa que roda automação sem saber qual processo ela atende paga pelo consumo e não consegue provar o retorno. A empresa que amarra cada tarefa a um indicador descobre onde está o ponto ótimo em semanas, e passa a comprar capacidade em vez de comprar token.

Sinais e impactos

Para CEOs e conselhos. A pergunta a fazer ao time não é quanto se gasta com IA por mês. É quanto custa cada tarefa concluída e qual número da operação ela moveu. Quem não tem a segunda resposta não tem projeto, tem assinatura.

Para C-levels e diretores. Vale exigir atribuição por time e por fluxo antes de escalar qualquer piloto. O caso do Uber não foi excesso de ambição, foi ausência de rastreio.

Para donos de pequenas e médias. A vantagem aqui é de agilidade. Testar um processo, medir o custo por tarefa concluída e comparar com o custo atual daquele processo é um experimento de semanas, não de trimestres.

O ponto

A queda de 280 vezes no preço da capacidade é a maior deflação de insumo que uma operação viu em décadas, e ela é o motivo pelo qual crescer sem contratar virou possível. Ela não vem com garantia. O ganho aparece para quem consegue nomear a tarefa, medir o antes e o depois e apontar o responsável. Fora disso, o que a empresa comprou foi consumo.

A diferença entre comprar consumo e comprar capacidade está no método, não no fornecedor. A Masterclass de IA da StartSe mostra como escolher o processo certo, medir o antes e o depois e colocar dono em cada solução antes de escalar.

Garanta sua vaga na Masterclass de IA

Para ir mais fundo:

• Índice de IA de Stanford, principais gráficos de 2025
• Estudo sobre consumo de tokens em tarefas agênticas, Stanford Digital Economy Lab
• Custo por tarefa concluída e a economia dos fluxos agênticos