A conta da dívida técnica chegou disfarçada de projeto de IA

Um totem simples. Uma tela, um microfone e uma conversa por voz com uma assistente chamada Mathilda. Foi o que montamos para o Febraban Tech 2026, para fazer um diagnóstico rápido de maturidade de Inteligência Artificial (IA) de quem passasse pelo corredor. Três semanas de teste e ajuste antes do evento. Custou US$ 1.250,00 só de token.

Refizemos a conta e decidimos que, na semana do evento em si, íamos gastar por volta de US$ 3.000,00, porque já sabíamos o fluxo, quantas conversas o totem aguentaria por hora e onde ele ia errar.

Não foi economia por acaso. Foi orçamento, feito do jeito que se faz orçamento de gente: prevendo gasto antes para não precisar juntar nota fiscal depois do encerramento do mês. Foi essa mesma lógica que me levou à conversa que tive recentemente com Jun Okawa, Head de Crédito do Safra, em um dos episódios do DoTheMATH que gravei com a Fabiana Amaral, direto do Febraban Tech.

CADASTRE-SE GRÁTIS PARA ACESSAR 5 CONTEÚDOS MENSAIS

Já recebe a newsletter? Ative seu acesso

Ao cadastrar-se você declara que está de acordo
com nossos Termos de Uso e Privacidade.

Cadastrar

O projeto de IA raramente é sobre IA

Falei para ele de uma hipótese que venho testando cliente atrás de cliente: boa parte do custo de um projeto de Inteligência Artificial não é, de fato, de Inteligência Artificial. É um custo de dívida técnica que a empresa nunca pagou e decidiu pagar agora, escondida dentro de um projeto batizado de IA.

Se o dado não está limpo, organizado, com glossário e dono definidos, a IA não erra por culpa dela, mas porque está processando bagunça em alta velocidade e cobrando caro por isso.

Jun confirmou sem hesitar. Na experiência dele, quase nenhuma empresa grande tem um data lake organizado de verdade. Muita gente fala em data mesh sem saber explicar o que é. Todo mundo quer ser “AI first” antes de ter arrumado a própria casa.

E aqui vale destacar uma correção que ele fez, com a qual eu concordo: usar IA vai além de só assinar um contrato com OpenAI ou Anthropic. É construir uma plataforma que coordene os agentes entre si, com prompt escrito para ser auditável e rastreável, migalha por migalha do raciocínio.

Sem isso, o que existe é gente usando o chat para acelerar tarefa pontual e chamando isso de transformação.

O script de dez linhas que ninguém escreveu

Jun contou um caso que reconheço, porque já vi algo parecido em cliente meu. Uma equipe decidiu montar uma base coletando dado público de sites sem login para alimentar um modelo de crédito. Fizeram isso pedindo para a IA gerar o scraping inteiro, prompt atrás de prompt, tentativa atrás de tentativa.

Saiu por US$ 7 mil. O mesmo resultado, escrito em Python por alguém que soubesse programar, sairia de graça.

A IA não é uma ferramenta ruim nesse caso. O problema é que ninguém no time sabia que aquilo tinha uma solução mais barata.

A formação técnica virou parte do custo invisível de qualquer projeto de IA. Quem não sabe quando não usar o modelo generativo paga o preço de usá-lo em tudo, inclusive onde um script simples resolveria em segundos e sem gastar tokens.

Orçamento de token é a nova gestão de hora

Toda empresa sabe gerenciar hora de gente. Quanto tempo um analista gasta numa tarefa? Quanto custa isso? Onde vale a pena investir?

A lógica com token é a mesma, e a maioria dos gestores ainda não aprendeu a aplicá-la.

Se uma pessoa fala que gastou seus “US$ 10,00 do mês numa consulta só”, isso é sinal de erro de configuração, não de sucesso. Se alguém sobe 500 mil linhas de contexto para a IA fazer uma busca simples, o projeto já nasceu caro e ninguém está podando.

E tem um custo que não aparece na fatura: o político

Alguém monta um piloto sozinho, sem falar com ninguém, usando as próprias credenciais de IA. Chega pronto, pede para a própria ferramenta montar a apresentação de defesa e se surpreende quando a empresa resiste.

Essa resistência não acontece pelo piloto ser ruim, mas porque ninguém foi envolvido antes. A rapidez não compra a etapa que faltou.

Por isso, desconfio de quem usa o iFood como régua. O CEO do iFood aparece rodando SQL direto no banco. É uma cultura de dados que já era case em 2017, quase dez anos antes da onda atual.

Copiar o resultado sem ter construído a base é o mesmo erro do totem sem orçamento: gastar rápido, sem saber o porquê.

Antes de aprovar o próximo projeto de IA na sua empresa, pergunte-se: quanto desse orçamento é para ensinar a IA a pensar melhor e quanto é para limpar uma bagunça de dados que já devia estar limpa há anos?

Se o peso maior for na segunda, chame o projeto pelo nome certo e aloque o custo no lugar adequado.