Mandar tudo para o modelo mais forte é onde a conta da IA estoura

Cristina De Luca

3 dias atrás

Imagine que sua empresa acionasse o sócio sênior de um escritório de advocacia para reconhecer firma. O trabalho sairia. A fatura, no fim do mês, não fecharia. É mais ou menos isso que acontece quando toda tarefa de Inteligência Artificial é enviada ao modelo mais poderoso do mercado, que também costuma ser o mais caro. A Accenture estima que não mais que 20% das tarefas empresariais são complexas o bastante para justificar modelos de fronteira ou próximos dela. Boa parte do restante pode ser direcionada a modelos menores, mais rápidos e baratos.

A principal alavanca para reduzir esse custo tem nome: roteamento multimodelo. Todo pedido feito a um sistema de IA é convertido em tokens, as unidades de dados que o modelo processa e pelas quais os fornecedores normalmente cobram. O roteamento coloca uma camada de decisão entre quem faz o pedido e os modelos disponíveis, para que cada tarefa seja direcionada à capacidade adequada. Resumir uma ata pode ficar com um modelo leve. Analisar um pacote de due diligence de 200 páginas pode exigir um modelo mais poderoso. Quem decide é a natureza do trabalho, não o hábito do usuário.

Aqui aparece a parte contraintuitiva, capaz de derrubar a planilha de muita área de compras. O modelo mais barato por token não é necessariamente o mais barato por tarefa concluída. Em relatório de 20 de julho de 2026, o PitchBook modelou uma mesma tarefa corporativa em diferentes modelos. Um dos mais caros da tabela de preços concluiu o trabalho por cerca de US$ 2,56. Um dos mais baratos por token terminou a mesma tarefa por US$ 5,83, após contabilizadas novas tentativas e a revisão humana necessária para corrigir o resultado. Trata-se de uma modelagem baseada em premissas declaradas de taxa de sucesso, e não de teste empírico. Ainda assim, a inversão importa para quem negocia contrato: a conta que decide é a do trabalho concluído.

CADASTRE-SE GRÁTIS PARA ACESSAR 5 CONTEÚDOS MENSAIS

Já recebe a newsletter? Ative seu acesso

Os ganhos relatados por quem já opera com roteamento estruturado dão a dimensão da oportunidade. A Accenture informa que uma de suas plataformas internas processa 8,7 trilhões de tokens por semana em infraestrutura própria e direciona cada tarefa por cerca de um sexto do custo de um modelo de fronteira. A consultoria também registra o caso de uma operadora de telecomunicações que reduziu em 68% o gasto anual com IA. Nos casos descritos, ela atribui o ganho à visibilidade do consumo por fluxo de trabalho e ao roteamento, ajuste ou redesenho de cada operação.

Uma boa notícia operacional para quem for começar: o gasto é concentrado. Em praticamente todos os ambientes examinados, inclusive o próprio, a Accenture encontrou menos de 10% dos usuários e dos fluxos de trabalho respondendo pela maior parte da fatura. Em alguns deles, os pedidos de elevação de limites individuais chegam às centenas por dia. Isso significa que não é preciso mapear a empresa inteira para encontrar resultado. É possível começar pela minoria que mais consome e entender o que ela está pedindo, com que frequência, para qual finalidade e com que retorno.

O obstáculo que aparece nos relatos é organizacional. A Accenture descreve um ambiente em que cada nova sessão começava com um modelo intermediário e, mesmo assim, uma parcela relevante dos funcionários buscava manualmente a opção mais poderosa. Multiplicado por milhares de sessões, esse comportamento fazia o consumo crescer silenciosamente. A própria consultoria reconhece ter liberado acesso antes de instalar controles e corrigido o curso quando as faturas expuseram a lacuna. Roteamento sem limite por perfil, definição de finalidade e passagem por um portal único de controle deixa a economia vulnerável ao comportamento dos usuários.

Isso ajuda a explicar por que a economia obtida raramente permanece no caixa. Uma simulação da Accenture indica que, se o preço dos tokens caísse 25%, apenas 15% das organizações guardariam a diferença. As demais reinvestiriam em novos casos de uso, cargas maiores ou modelos de melhor qualidade. O dado vem de modelagem comportamental com 6 mil perfis sintéticos de altos executivos, não de entrevistas com líderes reais, e exige atribuição cuidadosa. Sua direção, porém, converge com a análise publicada pelo BCG: na aproximação usada pela consultoria, algoritmos respondem por cerca de 10% do valor da transformação, tecnologia e dados por 20%, e pessoas, processos e mudança de comportamento pelos 70% restantes. Roteamento, nesse desenho, amplia a capacidade de investimento, além de reduzir despesas.

Mas as duas consultorias discordam quanto ao momento de instalar esse controle, e a divergência é útil para quem decide. O BCG sustenta que exigir business case detalhado antes de escalar virou restrição estratégica em ambientes de mudança rápida, e recomenda investir antes de mapear todo o retorno, movendo orçamento com rapidez para o que demonstra resultado. A Accenture inverte a ordem e defende governança instalada antes que a escala consolide hábitos difíceis de reverter. O BCG abre seu texto listando o controle estrito de licenças e orçamentos de token entre os sintomas da cautela que corrói competitividade, prática que a Accenture acaba de empacotar como oferta comercial. A Accenture escapa da armadilha ao medir custo por ação de negócio bem-sucedida em lugar de custo por token, o que mantém a ambição do investimento sem abrir mão do controle.

Há também um contraste de método de financiamento: o BCG recomenda alavancas tradicionais de custo (procurement, camadas organizacionais, gasto externo) para gerar de 5% a 25% de economia em 3 a 12 meses e financiar a transformação. A Accenture praticamente ignora essa via e vai direto ao paradoxo de Jevons: a queda do preço do token expande o uso em vez de reduzir o gasto, porque trabalho antes injustificável passa a fazer sentido econômico.

Falta então o critério de decisão, e ele cabe em um teste simples: tarefas que se decompõem em passos bem definidos provavelmente podem ser direcionadas a modelos menores. A Accenture recomenda reservar a capacidade de fronteira para trabalhos irredutivelmente complexos, nos quais decompor o problema destrói parte do insight, caso das decisões que combinam julgamentos jurídicos, financeiros e regulatórios; para cadeias de agentes em que uma falha intermediária compromete o resultado; e para sínteses que precisam preservar coerência ao longo de documentos extensos. A dificuldade está em classificar o trabalho, não em executar a regra.

A decisão também não termina quando a arquitetura entra em funcionamento. Cada nova geração de modelos altera a relação entre preço, desempenho e risco e obriga a revisar as regras de alocação. O que hoje exige capacidade de fronteira pode rodar amanhã em um modelo menor, e o fornecedor mais econômico para uma tarefa pode deixar de sê-lo no lançamento seguinte. O roteamento multimodelo funciona, assim, como rotina conjunta de gestão, finanças e governança, sem data de encerramento.

O que as lideranças devem fazer agora

A Accenture organiza a recomendação em torno de um pré-requisito e três movimentos. O pré-requisito é de comando: CFO e CIO precisam assumir, em conjunto, uma visão única dos custos, do uso e do retorno da IA na empresa, com a pergunta central de onde esse investimento gera valor.

Incorpore controles desde o início, definindo quem pode usar cada modelo, para quais trabalhos e sob quais salvaguardas.
Direcione cada tarefa à inteligência adequada, distinguindo o que exige modelos de fronteira do que pode ser executado por modelos mais leves, e estabelecendo limites por função ou caso de negócio.
Revise regularmente o consumo, os resultados e as decisões de roteamento, porque preços, modelos disponíveis e cargas de trabalho mudam continuamente.

Em 12 de junho de 2026, a The Shift mostrou que a fatura do token havia chegado antes do instrumento para administrá-la. Segundo a Accenture, algumas empresas já consumiram o orçamento anual de IA em um único trimestre porque ainda administram tokens como administravam a computação em nuvem: reagem quando a fatura chega. As que avançam fazem diferente. Tratam o consumo de IA com o mesmo rigor aplicado à alocação de capital. A conta da IA já é uma decisão de conselho.