A Inversão de Margem: Por Que Software AI-Native Gasta 40% da Receita em Inferência

Uma startup de quatro pessoas acumulou uma conta de US$ 113.000 por mês com um único provedor de IA. O CTO da Uber queimou todo o orçamento de IA de 2026 da empresa em quatro meses. Nenhuma das duas cometeu um erro de precificação. Ambas esbarraram em um fato estrutural que a maioria das áreas financeiras ainda mantém fora de seus modelos: o custo por token da IA está despencando, e as contas totais de IA sobem mesmo assim.

A Epoch AI acompanhou o preço de um milhão de tokens, que caiu de cerca de US$ 60 em 2021 para aproximadamente US$ 0,60 em 2024. Uma redução de 100x, com o valor caindo pela metade em média a cada dois meses. Qualquer CFO diante desse número esperaria, com razão, que a IA virasse um arredondamento no resultado. O que acontece é o contrário. O volume de tokens consumidos por unidade de trabalho sobe mais rápido do que o preço cai, e o efeito aterrissa na demonstração de resultado como um custo de mercadoria vendida novo, grande e crescente.

A métrica que o board deveria acompanhar

Custo por assento é a métrica que a maioria das áreas financeiras herdou da era SaaS. Você licencia o software por usuário, projeta o quadro de pessoal, multiplica. Funcionava porque o custo marginal de mais um usuário fazendo login era próximo de zero.

A IA agêntica quebra essa aritmética. Quando um funcionário roda um agente em vez de digitar um prompt, o custo dessa ação deixa de ser fixo. Ele escala com o quanto o agente trabalha: quantas vezes entra em loop, quantas ferramentas aciona, quanto contexto recarrega a cada passagem. Uma resposta única pode custar uma fração de centavo. Um loop agêntico que planeja, busca, executa, revisa o próprio trabalho e tenta de novo consome de 60 a 140 vezes os tokens dessa resposta única. O Goldman Sachs projeta o consumo de tokens crescendo 24x até 2030.

A unidade governável é o custo por tarefa concluída. Não custo por assento, não custo por chamada de API, não gasto mensal agregado. Quanto custou fechar um chamado, redigir um contrato, conciliar uma conta, resolver um caso de cliente? Esse é o número pelo qual um board consegue responsabilizar um negócio, porque liga gasto diretamente a entrega. Todo o resto esconde a variância que está prestes a definir suas margens.

Por que a estrutura de custo antiga não transfere

O SaaS legado rodava sem inferência. Seu custo de mercadoria vendida era hospedagem, armazenamento, banda e suporte, e ficava em torno de 10 a 20 por cento da receita. É por isso que software carregava margens brutas de 70 a 80 por cento e por isso que investidores pagavam os múltiplos que pagavam. A economia da categoria inteira se apoiava no custo marginal de servir mais um cliente ser trivial.

Software AI-native carece dessa propriedade. Quando a inferência é o produto, cada unidade de saída carrega um custo de computação que persiste na escala. As empresas AI-native atuais rodam inferência a 40 a 50 por cento do custo de mercadoria vendida. É outra margem bruta, outra lógica de avaliação e outra pergunta em cada reunião de board. Essas economias pertencem a um tipo diferente de negócio, um que por acaso usa o mesmo rótulo de categoria que o SaaS.

Para um líder financeiro, a implicação é direta. Se você modela uma linha de produto de IA com margens brutas da era SaaS, seu modelo está errado por 30 a 40 pontos. Se está subscrevendo uma aquisição ou um build interno assumindo que o custo unitário cai a zero conforme escala, está subscrevendo a empresa errada.

Os orçamentos já estão sendo refeitos

As organizações mais próximas da fronteira pararam de tratar gasto de IA como uma linha de TI. O JPMorgan define orçamentos de token por analista que vão de US$ 10.000 a US$ 100.000 e acima disso. Isso funciona como uma cota de computação atrelada a uma pessoa, governada como um limite de mesa de operações, porque o risco de um loop de agente sem controle é medido em dólares por hora de execução.

É isso que a história do orçamento da Uber de fato sinaliza. O CTO não estourou o orçamento por negligência. O orçamento foi construído sobre o modelo mental do ano anterior, no qual o custo de IA escalava com usuários e casos de uso, não com a profundidade do raciocínio do agente. Quatro meses depois, as cargas agênticas consumiram o que um ano do modelo antigo previa. A projeção foi conservadora. Foi baseada na unidade errada.

A deflação por token piora isso, não melhora, e vale enunciar o mecanismo com clareza. Tokens mais baratos tornam mais casos de uso economicamente viáveis. Mais casos viáveis significam mais agentes em produção. Mais agentes significam mais loops, mais retentativas, mais raciocínio autônomo queimando tokens sem um humano no circuito para perceber. A economia no preço do token é gasta, muitas vezes, no volume de tokens consumidos. Tratamos da versão composta dessa dinâmica em a economia da governança de IA.

O que a área financeira precisa antes do próximo ciclo

Três movimentos, em ordem de urgência.

Primeiro, instrumente o custo por tarefa concluída para cada carga de IA em produção. Não o gasto agregado, não o gasto por time. O custo unitário de uma saída finalizada, acompanhado ao longo do tempo. Se o custo por tarefa concluída de um fluxo sobe enquanto a qualidade da saída fica estável, você encontrou erosão de margem antes de ela chegar aos números do trimestre. Essa é a métrica que transforma gasto de IA em uma linha gerenciada em vez de uma surpresa. A mecânica de atribuir custo de agente a um trabalho específico está em supervisão de custo de agente por uso.

Segundo, defina orçamentos por carga e por pessoa com tetos rígidos, como o JPMorgan faz. Um agente sem teto de gasto é uma exposição financeira sem stop-loss. O teto pode ser folgado. Precisa existir, para que um loop descontrolado esbarre em um limite em vez de em uma fatura mensal.

Terceiro, resubscreva cada linha de produto de IA e cada aquisição intensiva em IA a 40 a 50 por cento de inferência sobre o custo de mercadoria vendida, não a margens da era SaaS. Se o negócio ainda fecha nessa estrutura de custo, você tem um negócio real. Se só fecha quando você assume que a inferência tende a zero, está precificando uma esperança.

Faça isto agora

Faça uma pergunta ao seu time financeiro na próxima revisão: quanto nos custa concluir uma unidade de trabalho com IA, e esse número está subindo ou caindo? Se ninguém souber responder, a métrica carece de instrumentação, e a exposição segue sem gestão. O preço do token vai continuar caindo. Sua conta vai continuar subindo. A única defesa é saber, por tarefa concluída, quanto você realmente paga, e governar para esse número antes que o board pergunte por que a margem bruta se mexeu.

Fontes

Lex (Substack). “AI tokens are cheaper but AI bills.” Julho de 2026. (Cifras de contas por provedor e orçamentos por analista apresentadas conforme reportado, sem verificação independente.)

A Victorino ajuda líderes de finanças e operações a instrumentar o custo por tarefa concluída e a governar o gasto de IA como uma linha gerenciada, não como surpresa trimestral: contato@victorino.com.br | www.victorino.com.br