Você Contratou Um Milhão de Maus Funcionários. Dê a Eles OKRs e Orçamento.

Um time cortou o consumo de tokens de um agente de IA em 94% e a latência em 87%, e a mudança não foi um prompt mais esperto. Vivek Haldar pegou uma skill de agente cujos passos estáveis (buscar, filtrar, inventariar) rodavam pelo modelo a cada invocação, e compilou esses passos para Python. O modelo agora roda apenas onde julgamento é exigido. Tudo que era determinístico saiu do orçamento de tokens por completo.

Compare esse número com o que Adam Mosseri levantou nesta semana. O chefe do Instagram na Meta disse em entrevista que, dentro de um a dois anos, a taxa de queima de tokens de um bom engenheiro “pode ser igual ao salário dele”, e que as empresas vão começar a definir orçamentos de tokens por engenheiro, calibrados pela confiança no retorno daquele gasto. Dois números, mesma lição. Quando o trabalho de um agente é indefinido, os tokens escoam sem produzir nada, e alguém acaba pagando a conta.

A conta já está chegando

A economia de tokens deixou de ser teórica neste trimestre. A Uber esgotou todo o seu orçamento de codificação por IA de 2026 já em abril. A Microsoft descontinuou licenças do Claude Code por causa do custo. A Meta encerrou seu placar interno de tokens quando o gasto projetado passou da casa dos bilhões. Escrevemos sobre a morte desse placar em por que uso não é impacto: contar tokens premia o comportamento errado, então a Meta parou de contá-los como troféu.

Encerrar o placar foi o primeiro movimento. Removeu o incentivo de queimar. Não respondeu à pergunta seguinte, que é com o que se substitui o troféu. A resposta de Mosseri é um orçamento: um teto por engenheiro atado à confiança no ROI. É um instrumento de governança real, e expõe o mecanismo por baixo do problema inteiro.

A Andreessen Horowitz nomeou o mecanismo em um texto intitulado, com precisão, “You Just Hired a Million Bad Employees” (Você Acabou de Contratar Um Milhão de Maus Funcionários). A estimativa deles é que 80% dos tokens não realizam nada. Agentes entram em loop. Releem contexto que já têm, rederivam conclusões que já alcançaram, repetem caminhos que já falharam. Nas palavras da a16z, “você está gastando tokens para gastar tokens”. Um milhão de trabalhadores empenhados que nunca cansam, nunca escalam e nunca percebem que estão travados. Tokens baratos não são mão de obra barata. São mão de obra sem descrição de cargo, e mão de obra não gerenciada é a mais cara de todas.

Gerencie agentes como headcount

O enquadramento que sobrevive ao contato com a fatura é headcount. Você já sabe gerenciar uma força de trabalho cujo custo escala com a atividade, porque já gerenciou humanos. Um funcionário humano tem cargo, objetivo, ciclo de revisão e um gestor que percebe quando ele patina. Agentes não têm nada disso por padrão. Têm um prompt e uma chave de API.

Dê a eles o resto. O objetivo que um agente precisa não é uma declaração de missão, é uma eval. Uma eval define como se parece um output correto, pontua cada execução contra essa definição e falha em voz alta quando o agente deriva. Em termos de headcount, evals são os OKRs do agente. São a diferença entre um funcionário que conhece a meta e um que trabalha duro numa direção aleatória.

É aqui que orçamentos por engenheiro e evals se encontram. O teto de Mosseri decide quantos tokens os agentes de uma pessoa podem queimar. A eval decide se esses tokens compraram alguma coisa. Conforme o anúncio recente da OpenAI sobre medir o valor de negócio dos agentes, a métrica que importa é trabalho útil por dólar, acima do preço dos tokens. Um teto sem eval é um limite de gasto sobre uma atividade que você não consegue avaliar. Uma eval sem teto é uma barra de qualidade sem limite de custo. Você precisa dos dois, e são as mesmas ferramentas que todo líder de operações já usa em times humanos: um orçamento e uma definição de pronto.

Compile os loops para fora

Orçamentos e evals governam o agente. O trabalho que o agente jamais deveria estar fazendo permanece intocado. Essa é a segunda metade, e a maioria dos times a pula porque parece otimização prematura. É, na verdade, o movimento de maior alavancagem disponível.

Olhe o que um agente de fato faz ao longo de cem execuções. Uma fatia grande dos seus passos é estável e repetitiva: a mesma chamada de API, o mesmo filtro, a mesma consulta, a mesma conversão de formato. Esses passos não precisam de um modelo de linguagem. Precisam de uma função. Toda vez que um passo determinístico roda pelo modelo, você paga o preço cheio em tokens por algo que um compilador faria de graça, e herda a latência do modelo e sua chance pequena, mas não nula, de errar uma tarefa mecânica.

Os 94% de Haldar vieram exatamente dessa disciplina. Ele auditou a skill, separou os passos que exigem julgamento dos passos que são mecânicos, e moveu os mecânicos para código. O modelo ficou apenas onde adicionava valor, nos pontos de decisão. O resultado foi mais barato, mais rápido e mais confiável ao mesmo tempo, porque código determinístico não alucina um nome de arquivo.

Este é o imposto operacional que descrevemos em rodar IA em escala, pago na fonte. Cada passo estável que você compila para fora do modelo é um passo que nunca aparece numa fatura futura, nunca contribui para um teto por engenheiro e nunca entra em loop. Os 80% da a16z não são um custo fixo de fazer negócio. Uma fatia relevante deles é trabalho indefinido que deveria ter sido código.

O formato da solução

Coloque os três movimentos em ordem e eles formam um modelo operacional único. Ponha teto no gasto, para que o consumo de tokens vire uma linha gerenciada em vez de conta aberta. Defina as evals, para que cada token com teto seja avaliado por trabalho útil. Compile os passos estáveis para fora, para que o modelo só rode onde mora o julgamento. Os tetos ganharam foco neste trimestre porque as contas venceram; a era do preço fixo da IA sem medição está terminando, como argumentamos em governança de custos depois do preço fixo. Orçamentos são a resposta, e evals mais compilação são o que torna um orçamento sustentável em vez de meramente restritivo.

As organizações que vão operar agentes com lucro nos próximos dois anos serão as que tratam o gasto de agentes como tratam a folha de pagamento: um orçamento por dono, um objetivo definido por cargo, e um esforço permanente de tirar trabalho repetitivo do caminho caro. O número de agentes rodando e o volume de tokens queimados não separam quem lucra de quem sangra.

Faça isto agora

Escolha um agente em produção e rode a revisão de headcount. Puxe o consumo de tokens dos últimos trinta dias e divida pelos outputs úteis; essa razão é seu custo por unidade de trabalho, e provavelmente é pior do que você supõe. Depois leia uma amostra das execuções e marque cada passo como julgamento ou mecânico. Todo passo mecânico é candidato a virar código. Defina um teto mensal de tokens para o dono do agente, e anexe uma eval que pontue se o output estava correto. Você agora tem um orçamento, um OKR e um caminho mais curto. Faça isso para um agente esta semana, antes que seu CFO faça para todos.

Fontes

Andreessen Horowitz. “You Just Hired a Million Bad Employees.” Julho de 2026.
TechCrunch. “Meta’s Adam Mosseri says AI token budgets could soon be capped per engineer.” Julho de 2026.
Vivek Haldar. “How I Cut an AI Agent’s Token Use by 94%.” Julho de 2026.

A Victorino ajuda empresas a transformar gasto de agentes em linha de orçamento gerenciada, com evals definidas: contato@victorino.com.br | www.victorino.com.br