A primeira coisa que a maioria dos clientes pergunta quando a gente começa a falar em agente de IA não é “como funciona”. É “quanto vai me custar por mês”.
É a pergunta certa.
O problema é que a resposta honesta é: depende, e de coisas que a maioria dos artigos sobre o assunto ignora completamente. Você vai ler muito sobre tokens de input e output, sobre preço por milhão, sobre tabelas de comparação entre modelos. Mas os custos reais de operar um agente em produção vêm de outros lugares também, e você vai descobrir isso mais cedo ou mais tarde.
O que aparece na fatura da API
O custo mais óbvio, e o que a maioria calcula primeiro, é o consumo de tokens. Toda vez que seu agente processa uma requisição, ele envia um prompt para o modelo, o modelo responde, e você paga pela soma de tokens de entrada e saída.
Na prática, o que infla esse custo é o contexto que você precisa passar junto com cada requisição: o prompt do sistema que descreve o que o agente deve fazer, o histórico da conversa ou do processo em andamento, os resultados das ferramentas que o agente já chamou, e a instrução atual do usuário. Um agente simples de atendimento, com prompt de sistema de quinhentos tokens, três turnos de conversa e duas chamadas de ferramenta, já chega facilmente a três ou quatro mil tokens por interação.
Multiplica por duzentas interações por dia e você tem uma conta que começa a aparecer.
Aliás, o detalhe que mais pega é o seguinte: em fluxos agenticos, o modelo pode chamar uma ferramenta, receber o resultado, processar, chamar outra ferramenta, receber outro resultado, e só então retornar a resposta final. Cada ciclo desse gera tokens. Uma tarefa que parece simples, como “verifique o status desse pedido e me diga se chegou”, pode virar quatro chamadas ao modelo antes de terminar. Você paga por todas.
E aí? Isso inviabiliza o projeto? Não necessariamente. Mas é o tipo de coisa que precisa estar no cálculo desde o início, não como surpresa na fatura do segundo mês.
O que não aparece na fatura da API
Os custos de infraestrutura são menores do que a maioria imagina. Um servidor para a aplicação que orquestra o agente, armazenamento para os logs, cache para reduzir chamadas repetidas ao modelo quando possível. Nada extraordinário.
O que realmente pesa, e que pouca gente coloca na planilha quando está avaliando um projeto de IA, é o tempo de engenharia de manutenção. Um agente em produção não é como um CRUD que você faz deploy e esquece. O comportamento muda quando o modelo atualiza. O prompt que funcionava bem em fevereiro começa a dar respostas diferentes em julho porque o modelo por baixo foi ajustado, refinado, melhorado em algumas dimensões e, às vezes, levemente piorado em outras.
Você vai precisar de alguém que entende o suficiente para perceber quando o agente regrediu e saber onde ajustar. Isso é custo contínuo, não pontual.
Já vi empresas que subestimaram completamente esse ponto. Colocaram o agente no ar com muito entusiasmo e, três meses depois, estavam com um sistema semi-funcional porque ninguém tinha tempo de acompanhar. O agente estava lá, respondendo, mas respondendo de forma cada vez menos útil.
Observabilidade também não é gratuita. Armazenar cada prompt enviado, cada resposta recebida, cada chamada de ferramenta e seu resultado, o tempo de cada passo, se a sessão chegou a um resultado válido ou não. Isso acumula volume rápido. E você precisa dessa estrutura para buscar nos logs quando um usuário reclama que o agente deu uma resposta estranha numa quinta-feira às onze da manhã. Sem isso, você está voando cego.
Como estimar antes de construir
Sem um número real de interações esperadas é impossível dar uma estimativa séria. Mas o exercício útil é esse: pega o fluxo principal que você quer automatizar, estima quantas chamadas ao modelo cada execução precisa, estima o tamanho médio do contexto em cada chamada, e multiplica pelo volume mensal que você espera.
Com isso em mãos, a conta muda completamente dependendo do modelo escolhido. A diferença de preço entre os modelos mais capazes e os intermediários pode ser de dez vezes ou mais por token. Nem toda tarefa precisa do modelo mais potente. Um agente que classifica e-mails de suporte em categorias funciona muito bem com um modelo mais barato. Um agente que analisa contratos para detectar cláusulas problemáticas provavelmente precisa do melhor disponível.
Escolher o modelo errado para cima é desperdício. Escolher para baixo é risco de qualidade que você vai pagar de outro jeito, em retrabalho, em reclamações, em confiança perdida com o usuário.
Quando o custo compensa
Olha, a conta mais fácil de fazer é a do tempo humano substituído. Se o agente faz o trabalho que levaria duas horas de um analista, e ele faz isso duzentas vezes por mês, o cálculo é simples. A questão é que raramente é substituição completa. O agente cobre oitenta por cento dos casos com autonomia, os outros vinte por cento ainda precisam de revisão humana. E o custo de manter o agente funcional é contínuo.
O ROI real aparece quando você combina volume alto com tarefa repetitiva e bem definida. Quanto mais o fluxo for o mesmo, maior o benefício. Quanto mais variação e julgamento a tarefa exige, mais complexo o agente precisa ser, e mais caro fica tanto construir quanto operar.
O que eu sempre digo na consultoria: coloca no papel o custo de fazer sem IA hoje. Não o custo ideal, o custo real, com retrabalho, com erro humano, com o analista de férias em dezembro e a fila acumulando. Compara com uma estimativa honesta do agente em produção. Se a diferença não for óbvia nos primeiros doze meses, provavelmente tem outra solução mais simples para o problema.
O que muda quando você escala
Aqui está algo que a maioria dos artigos passa rápido: o custo por interação tende a cair com o volume, porque você fica melhor no prompt, identifica onde pode usar modelos mais baratos, descobre o que pode cachear, aprende onde pode cortar contexto sem perder qualidade. Os primeiros meses são sempre os mais caros por interação.
Você está descobrindo o comportamento real em produção, ajustando o que não funcionou como esperava, medindo o que realmente acontece versus o que acontecia nos testes. Isso é normal. Faz parte do custo de adoção que deveria aparecer em qualquer orçamento sério, e que muita proposta omite porque parece que vai assustar o cliente.
Não vai. O cliente que entende esses custos desde o início é o cliente que aprova projeto e mantém o relacionamento depois. O que assusta, de verdade, é descobrir na fatura do terceiro mês que o custo é o dobro do que foi projetado porque ninguém contou os ciclos de ferramenta no cálculo inicial.
Antes de comprometer o orçamento, faz a conta completa.
Gabriel Schunck está disponível para consultorias e projetos com IA. Se você quer uma estimativa mais realista antes de decidir, entra em contato pelo gabriels.dev.br.