FinOps de agentes de IA: por que a fatura do provedor não explica o seu custo

TL;DR

O custo de um agente de IA é comportamento de execução, e não uma linha de infraestrutura contratada por tempo. A fatura do provedor chega fechada. Ela traz um valor único do mês, sem apontar qual agente consumiu o quê, em qual área e dentro de qual processo, e é por isso que o orçamento de IA costuma ser aprovado sem que ninguém consiga ligá-lo a uma operação específica. Controlar exige custo registrado por execução, com cota que interrompe a chamada antes de o limite estourar.

Um funcionário da Priceline contou ao TechCrunch que o contrato do Cursor voltou da renovação de quatro a cinco vezes mais caro. A reportagem saiu em 5 de junho de 2026. Nela, Chris Reed, diretor sênior de TI financeiro da Priceline, conta que a empresa passou a impor limite de token a alguns grupos, e aponta um segundo problema, mais incômodo que o primeiro: o consumo reportado pelo fornecedor não fecha com os dados internos. Na mesma matéria, a Uber aparece tendo gasto todo o orçamento de codificação com IA de 2026 até abril.

Os casos são de agentes de codificação, e quem lê este texto provavelmente opera agentes em processos de negócio, no atendimento, no crédito, na cobrança ou na análise documental. A ponte está na mecânica de consumo, idêntica dos dois lados. A conta apareceu primeiro na engenharia porque a adoção correu mais rápido ali, e porque aquela ferramenta tinha fornecedor, contrato e data de renovação, o que obrigou alguém a olhar o número. Já o agente que roda dentro de um fluxo de atendimento consome pelo mesmo motor e costuma vir diluído na fatura de um provedor de modelo, sem contrato próprio e sem renovação que force a conversa.

Neste artigo

• O que a fatura mostra e o que ela esconde
• Por que a conta de um agente não cresce como a conta de um servidor
• Se o token está barateando, por que a conta sobe?
• As três perguntas que a plataforma precisa responder
• Onde o controle de custo vira decisão de arquitetura
• Perguntas frequentes

O que a fatura mostra e o que ela esconde

Essa diluição na fatura não vem de desatenção ao tema. O mercado parou de tratar gasto com IA como despesa invisível, e o State of FinOps 2026 registra que 98% das organizações já gerenciam gasto com IA, contra 31% em 2024. A pesquisa é anual, ouviu 1.192 respondentes da FinOps Foundation e cobre mais de US$ 83 bilhões em gasto de nuvem. Foi o maior salto ano a ano entre as categorias acompanhadas.

Algumas páginas adiante, a mesma pesquisa mostra onde esse avanço para. Ao listar o que falta nas ferramentas disponíveis, os praticantes apontam a ausência de monitoramento granular de gasto com IA, no nível de token, de requisição de modelo e de uso de GPU. Eles também relatam que alocar custo de IA por unidade de negócio é mais difícil do que alocar custo de infraestrutura tradicional.

Quase toda organização já mede o total, e a atribuição desse total continua em aberto. Um gasto trimestral de trezentos mil reais com modelos, número hipotético usado aqui só para ilustrar, serve para provisionar o trimestre seguinte. Descobrir que metade dele veio de um único agente de triagem reprocessando o mesmo documento três vezes é o que permite corrigir ainda dentro do trimestre corrente.

Isso tem custo de portfólio. Em previsão publicada em 25 de junho de 2025, o Gartner estima que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027. Custo crescente aparece entre as três causas, ao lado de valor de negócio pouco claro e de controles de risco insuficientes.

Por que a conta de um agente não cresce como a conta de um servidor

A intuição de custo que a área de tecnologia construiu em quinze anos de nuvem atrapalha aqui.

Um servidor custa por tempo ligado, e um banco de dados custa por volume armazenado somado às consultas que recebe, de modo que nos dois casos o custo acompanha uma grandeza que a equipe já sabe estimar. Dobrar o uso costuma dobrar a conta. Um agente cobra por token de entrada e por token de saída, o que muda a grandeza de referência.

Cada passo do agente reenvia o histórico acumulado da execução como entrada. No passo dois, o modelo recebe o que aconteceu no passo um. No passo vinte, ele recebe os dezenove passos anteriores inteiros, e a empresa paga por aquele mesmo contexto pela vigésima vez. O custo cresce mais rápido que o número de passos, porque cada passo carrega o peso acumulado de todos os anteriores.

Disso decorre que o custo é atributo da execução, e só se torna visível se o sistema medir por execução. Uma média mensal por licença esconde justamente o caso que interessa, a execução que disparou no meio de mil execuções normais.

Decorre também que um agente em repetição multiplica a conta sem produzir nada de novo. Do ponto de vista da infraestrutura, ele segue saudável, porque responde dentro do tempo esperado e devolve resultado, enquanto chama o modelo com um contexto cada vez maior. Limite de gasto configurado na conta do provedor ajuda pouco aqui, porque ele derruba todos os agentes da empresa de uma vez.

Se o token está barateando, por que a conta sobe?

O token está barateando rápido, e daí vem a objeção mais honesta a tudo isso: com o tempo, o problema se resolveria sozinho.

O barateamento é real. O relatório The State of the AI Economy, publicado pela Exponential View em junho de 2026, registra queda do preço médio combinado de US$ 17 para US$ 2 por milhão de tokens. São quase noventa por cento a menos por unidade. As faturas da Priceline e da Uber subiram nesse mesmo período.

Três coisas cresceram ao mesmo tempo: o número de agentes em operação, o número de passos que cada agente executa antes de concluir uma tarefa, e o tamanho do contexto que ele carrega em cada passo. O mesmo relatório compara a precificação por token ao momento "pay-per-click" da IA. A comparação ajuda, porque o custo por clique também caiu por anos enquanto o investimento total em mídia de busca subia sem parar.

Para o CFO, isso muda a unidade de medida. Quando o preço unitário cai e o volume explode, o que importa controlar é o custo por resultado entregue, ou seja, quanto custa resolver um chamado, analisar um documento, aprovar um limite. Nenhum desses valores está na fatura agregada do provedor.

As três perguntas que a plataforma precisa responder

Três perguntas servem de teste para a plataforma que a empresa já usa.

Quanto custou esta execução? A unidade de medida precisa ser a execução individual, com token de entrada, token de saída, passos percorridos e modelo utilizado registrados por chamada. Média por usuário ou por mês responde a uma pergunta diferente e mais confortável.

De quem é este custo? A mesma execução precisa carregar o agente que a originou, a área que a solicitou, o ambiente em que rodou e o cliente ou processo que atendeu. Sem essa marcação nascendo junto com a execução, a atribuição vira trabalho de reconciliação manual no fim do mês, que é exatamente a dificuldade relatada à FinOps Foundation. Reconciliação manual é também a primeira coisa que a área de FinOps abandona quando o volume cresce, e aí a empresa volta a enxergar só o total.

O que trava antes de estourar? Um teto por execução, uma cota por agente e um limite por área precisam existir dentro do runtime, no ponto em que a chamada ao modelo acontece. Alerta disparado depois do gasto serve para a contabilidade.

Na Tessera esses controles vivem dentro do runtime. A página de Operação e FinOps mostra a medição por execução funcionando.

Onde o controle de custo vira decisão de arquitetura

Nenhuma dessas três respostas se resolve com relatório. Todas dependem de o sistema que executa o agente registrar custo no mesmo instante em que decide, chama uma ferramenta e persiste um estado, porque essa informação não existe mais depois que a execução termina.

Construímos a Tessera a partir dessa premissa. O controle de consumo, os limites por agente e por área e o custo por execução nascem do próprio runtime que orquestra o agente, junto com a trilha de auditoria daquela mesma execução. O mapa completo dos controles que sustentam uma operação auditável está em o que é um harness de IA, onde FinOps aparece como um entre oito.

Vale levar uma pergunta para a próxima reunião de orçamento: se um agente da sua operação entrasse em repetição hoje à noite, quanto tempo levaria até alguém descobrir, e o que teria travado antes disso?

Perguntas frequentes

O que é FinOps de agentes de IA?

É a prática de medir, atribuir e limitar o custo de execução de agentes de IA por agente, área, ambiente e operação. Diferencia-se do FinOps de nuvem pela unidade de consumo: aqui o que se cobra é o token processado em cada passo do agente, enquanto o FinOps tradicional mede o recurso de infraestrutura provisionado por tempo.

Por que o custo de um agente de IA é difícil de prever?

Porque a mesma tarefa pode consumir valores muito diferentes conforme o caminho que o agente escolhe. Um raciocínio que resolve em quatro passos custa uma fração do que custa o mesmo pedido resolvido em vinte, e nada no pedido original indica qual dos dois vai acontecer.

Limite de gasto na conta do provedor resolve o problema?

Ele funciona como disjuntor da casa inteira. Ao ser atingido, derruba todos os agentes da empresa ao mesmo tempo, incluindo os que estavam dentro do orçamento. O controle que a operação precisa age no nível da execução que ultrapassou a própria cota.

Se o preço do token está caindo, o problema não se resolve sozinho?

O preço médio combinado caiu de US$ 17 para US$ 2 por milhão de tokens, segundo o State of the AI Economy da Exponential View, e as faturas corporativas subiram no mesmo período. Cresceram o número de agentes, os passos por tarefa e o contexto carregado em cada passo, o que anula a queda do preço unitário.

Conclusão

Colocar agente em produção mudou a natureza da conversa sobre custo de tecnologia. Hoje o gasto é resultado de milhares de decisões automáticas tomadas por hora, cada uma com preço próprio. Enquanto a unidade de medida continuar sendo a fatura mensal do provedor, o desvio só aparece depois que o dinheiro saiu.

O caminho de saída começa por exigir essas três respostas da plataforma de agentes. Limite de consumo entra no desenho do agente, na mesma conversa em que se define o que ele pode acessar e quem aprova o que ele faz.

Qual operação da sua empresa entra em produção com o custo mais previsível? É o que o Readiness Assessment da Tessera responde, avaliando o que cada candidata exige de integração e o risco regulatório envolvido. Quem preferir conversar antes fala direto com a equipe.