A Desigualdade para Implantar um Agente, e as Notas de Rodapé que Falham no Próprio Padrão

Um agente gera valor quando a probabilidade de sucesso supera o tempo que um humano leva para verificar o trabalho dividido pelo tempo que esse humano levaria para fazer o trabalho sozinho. P(sucesso) > T(verificar) / T(fazer).

David Tepper, CEO da Pay-i, colocou essa desigualdade diante do sócio sênior da McKinsey Lari Hämäläinen em 8 de julho de 2026, e ela é a coisa mais útil publicada sobre economia de agentes neste ano. Trabalhe o exemplo que ele dá. Uma tarefa leva duas horas para um humano executar e seis minutos para verificar. T(verificar) sobre T(fazer) fica em torno de 5 por cento. O agente precisa acertar 5 vezes em 100 para ser positivo no saldo.

Cinco por cento. Esse número reformula o que “bom o suficiente para implantar” significa para uma classe enorme de trabalho, e times rejeitam agentes que superam a barra com folga porque a barra nunca foi calculada. Adote a desigualdade. E siga lendo, porque a entrevista falha, nas próprias notas de rodapé, na disciplina que prescreve.

O Imposto de Agência É Onde a Conta Realmente Vive

A versão limpa da desigualdade vale sob uma condição, e Tepper a nomeia: a falha precisa deixar o ambiente intacto. Um agente de processamento de documentos que falha produz um documento ruim. Você descarta e o mundo segue onde estava. O contraexemplo dele é mais afiado: “Um agente de atendimento que diz a um cliente que ele pode reembolsar uma viagem não reembolsável mudou o ambiente.”

Aqui a aritmética quebra. Você paga o custo original, depois um custo de recuperação por cima, e a fórmula limita esse custo de recuperação a nada. Tepper chama o quadro completo de imposto de agência: custo de verificação somado ao custo de retrabalho, “e em produção, retrabalho raramente é zero.”

Esse segundo termo é onde a maioria dos casos de uso corporativos vive. Reembolsos, chamados, migrações de schema, mensagens de saída, qualquer coisa que escreve. O limiar de 5 por cento se aplica à metade somente-leitura do portfólio, aquela que se descarta na falha. A metade que escreve exige uma estimativa honesta de retrabalho antes que a desigualdade signifique alguma coisa, e a avaliação de Tepper é direta: “a maioria das empresas não fez essa conta caso de uso por caso de uso.”

A Taxonomia Decide Se a Conta Se Aplica

Antes de rodar os números, é preciso saber sobre o que você está rodando. A divisão em três de Tepper esclarece o bastante para ser repetida.

Um workflow é software tradicional com IA generativa parafusada em etapas isoladas. O custo é limitado por invocação. Um pipeline é uma sequência predeterminada de etapas que chamam um LLM. O custo é limitado por chamada multiplicado por um número conhecido de chamadas. Um agente de verdade recebe um objetivo amplo e decide em tempo de execução o que chamar e por quanto tempo. O custo é ilimitado por tarefa.

O aviso dele a compradores merece citação direta: “A maioria dos fornecedores vendendo um agente para você está vendendo um pipeline. Isso frequentemente é exatamente o que você precisa, mas você deveria saber o que está comprando.”

A distinção importa para avaliação, e aqui Tepper diz a frase que organiza o resto deste texto: “Quando um agente falha, ele quase nunca falha na última etapa. Ele falha três etapas antes, potencialmente de um jeito que a última etapa encobre. Se você julga apenas a saída, está avaliando o encobrimento em vez do crime.”

LLM como juiz sobrevive para workflows e pipelines. Quebra para agentes de verdade, porque agentes constroem os próprios prompts internamente, então você fica sem como montar uma base de entradas aceitáveis para avaliar. Já defendemos uma versão disso em operação de agentes guiada por avaliação. A formulação de Tepper é melhor que a nossa.

Avaliando a Trajetória da Própria Entrevista

Leve-o a sério. Julgue a trajetória em vez do ponto de chegada. Conferimos as citações sob os números da entrevista em 16 de julho de 2026, lendo os dois artigos do arXiv direto nas páginas de resumo. Três coisas caem.

A atribuição do 1.000x. Tepper cita “a descoberta da Microsoft e de Stanford de que fluxos agênticos consomem cerca de 1.000 vezes mais tokens”. A nota de rodapé da própria McKinsey aponta para Bai et al., How do AI agents spend your money? (arXiv:2604.22750, abril de 2026). A lista de autores é Longju Bai, Zhemin Huang, Xingyao Wang, Jiao Sun, Rada Mihalcea, Erik Brynjolfsson, Alex Pentland e Jiaxin Pei. É um time acadêmico. Mihalcea está em Michigan, Brynjolfsson em Stanford, Pentland no MIT. Nenhum estudo da Microsoft está envolvido. O número 1.000x é real e está no resumo; o rótulo institucional colado nele foi inventado em algum ponto entre o artigo e a transcrição.

A descrição do Tokenomics. A nota de rodapé da McKinsey caracteriza o artigo como “Análise de 20 fluxos agênticos de codificação em produção no SWE-bench e em benchmarks internos”. O artigo (Salim, Latendresse, Khatoonabadi, Shihab, arXiv:2601.14470, janeiro de 2026) diz que analisa “traços de execução de 30 tarefas de desenvolvimento de software realizadas pelo framework ChatDev usando um modelo de raciocínio GPT-5”. Não são 20. Não é SWE-bench. Não é produção. Os autores rotulam as próprias descobertas como preliminares. Os números principais se sustentam: revisão de código consome 59,4 por cento dos tokens, tokens de entrada são 53,9 por cento do total. Esses são seguros de citar, com a ressalva de preliminaridade que os autores pediram.

A que morde. Tepper argumenta que modelos de fronteira justificam o prêmio por token porque “um modelo mais capaz eleva P(sucesso) e frequentemente encolhe T(verificar)”. Bai et al., o artigo que a McKinsey cita para o 1.000x, relata a pressão oposta no mesmo resumo: “uso mais alto de tokens não se traduz em acurácia mais alta; em vez disso, a acurácia frequentemente atinge o pico em custo intermediário e satura em custos mais altos”. Gastar mais compra P(sucesso) de forma monotônica em nenhum ponto da curva. A citação enfraquece a afirmação que veio sustentar.

Três defeitos, uma direção: os números do ponto de chegada sobrevivem, o caminho até eles cai. Que é exatamente o modo de falha que Tepper descreveu três parágrafos antes, na própria entrevista.

O Que É Real Merece Ação

A distinção precisa ficar nítida. O dado é bom; o enquadramento em volta dele derrapou.

Bai et al. merece leitura completa por três achados que verificamos no resumo. Execuções da mesma tarefa variam em até 30x no total de tokens, o que significa que sua previsão de custo precisa de uma distribuição em vez de uma média. O custo é dirigido por tokens de entrada, em vez de saída. E modelos de fronteira “falham em prever com precisão o próprio uso de tokens (com correlações de fracas a moderadas, até 0,39) e subestimam sistematicamente os custos reais de tokens”. O agente é incapaz de prever a própria conta. Todo plano de capacidade construído sobre perguntar ao modelo quanto ele vai gastar repousa sobre nada.

Os números operacionais de Tepper também valem. O custo de inferência para um tamanho fixo de modelo caiu de forma composta cerca de 6,67 por cento ao mês desde 2022, algo como 86 por cento de queda para modelos de tamanho similar, e mesmo assim o custo por tarefa concluída “subiu de forma constante em todo workload que vemos”. A frase dele sobre isso é a certa: “Tokens não são valor. Tokens são a conta. A conta diz o que você gastou. Ela não diz se você deveria ter gastado.” Já escrevemos sobre custo por tarefa concluída como a métrica do CFO e deixamos o assunto lá.

Mais dois pontos, úteis para planejamento. Cerca de 3 milhões de dólares de gasto anual concentrados em um único fornecedor para um único modelo é onde a infraestrutura compartilhada cede e a capacidade provisionada começa, e o erro mais comum nesse limiar é isolar pools de capacidade por caso de uso: “Vemos empresas pagando por duas ou três vezes a capacidade de que precisam por causa desse único erro.” Tokens de entrada em cache custam de 75 a 90 por cento menos, mas só quando o prompt está estruturado para acertar o cache, e a maioria falha nisso.

Uma afirmação fica de fora desse tratamento. Tepper assevera que “há uma categoria em que 95 por cento das empresas não estão medindo seus retornos”, e nenhuma fonte é anexada. A Pay-i vende infraestrutura de medição. Trate esse número como estimativa do lado do fornecedor, útil como intuição direcional e inutilizável em deck de conselho.

O Hábito Que Se Acumula

Acompanhamos a deriva lenta da McKinsey rumo à linguagem de governança em três artigos, lá em março, em o problema de design da escalação. Esta entrevista é o quarto ponto de dados e o mais forte: eles chegaram a uma regra de decisão real, com uma ressalva real anexada. Isso é progresso que merece reconhecimento.

A deriva das notas de rodapé é produto de pressa. É o que prazos fazem com toda organização, incluindo esta, e é precisamente por isso que disciplina de medição precisa ser arquitetural em vez de depender do zelo individual. Ninguém confere as próprias citações sob pressão. Sistemas conferem citações.

Então faça três coisas neste trimestre.

Rode a desigualdade por caso de uso, jamais como política corporativa única. Escreva T(verificar) e T(fazer) em minutos para suas dez tarefas de maior volume. Algumas vão mostrar um limiar perto de 5 por cento, e você está deixando valor na mesa hoje.

Adicione o termo de retrabalho com honestidade. Para todo caso de uso em que a falha escreve no mundo, estime o custo de recuperação e coloque-o ao lado do denominador. Se a estimativa é impossível, aquele caso de uso está imaturo.

Confira a procedência de qualquer número antes que ele entre em um deck de conselho. Abra o artigo. Leia o resumo. Confirme os autores, o tamanho da amostra e se o estudo diz o que quem o cita afirma que ele diz. Esse último hábito leva dez minutos e é o que se acumula, porque a alternativa é uma estratégia construída sobre um número que avalia o encobrimento.

Fontes

McKinsey Quarterly. “Cost versus value: Managing agentic AI system performance.” Julho de 2026.
Bai, Longju et al. “How Do AI Agents Spend Your Money?” arXiv, Abril de 2026.
Salim, Mohamad et al. “Tokenomics: Quantifying Where Tokens Are Used in Agentic Software Engineering.” arXiv, Janeiro de 2026.

A Victorino ajuda organizações de engenharia a calcular a desigualdade de implantação caso de uso por caso de uso, com o termo de retrabalho incluído, antes que o agente vá para produção: contato@victorino.com.br | www.victorino.com.br