Em Bancos, a McKinsey Põe a Supervisão Humana em 70 a 75 Por Cento do Custo Variável

Para um agente executando uma tarefa de atendimento ao cliente em um banco, o custo de tokens frequentemente fica entre 20 e 25 por cento do custo variável de execução. A supervisão humana responde por 70 a 75 por cento. A divisão vem da McKinsey QuantumBlack, publicada em 24 de agosto de 2026, e coloca preço na parte de um programa de agentes que quase nunca aparece em uma revisão de custo.

Roteamento de modelo, cache de prompt, troca por um tier mais barato: os movimentos de otimização que a McKinsey diz que as organizações buscam primeiro atacam todos os 20 a 25. Os 70 a 75 são definidos em outro lugar, por quantas execuções um humano precisa olhar, quanto tempo cada olhada leva e quem está qualificado para dá-la. Esses são parâmetros de governança. Agora eles têm um valor em dólar anexado.

O Número Por Trás do Número

A linha de supervisão é produto de uma variável que a McKinsey nomeia diretamente: a taxa de exceção. Em onboarding de clientes bancários, eles esperariam que 10 a 20 por cento das execuções agênticas fossem revisadas por especialistas de risco e das áreas funcionais. Um fluxo completo de abertura de conta, no exemplo deles, envolve de cinco a sete agentes, múltiplos sistemas determinísticos e de duas a quatro equipes de pessoas fazendo supervisão.

Duas a quatro equipes. Esse é o objeto de custo. Capacidade permanente de gente cara, dimensionada por uma regra de revisão escrita durante o desenho, e vale perguntar quando ela foi revisitada pela última vez.

A economia continua favorável ao cliente. A McKinsey estima que o custo total para completar o fluxo de onboarding pode cair de algo entre 50 e 150 dólares por cliente para algo entre 10 e 30, usando benchmarks padrão. O agente merece o lugar dele. O que a decomposição revela é onde o custo restante se concentra depois que o agente já venceu a comparação, e essa é uma pergunta diferente da decisão de implantar.

A escala também se comporta de forma distinta nas duas linhas. Usar um agente conversacional para fazer onboarding de 2.500 novos clientes por ano custa de 10 mil a 15 mil dólares na estimativa da McKinsey; dobrar o volume de novos clientes elevou os custos para apenas 15 mil a 20 mil. O custo por execução comprime conforme o volume cresce, pelos próprios números da McKinsey. A capacidade de revisão comprime de outro jeito, porque uma revisão é uma hora de trabalho humano e a taxa de exceção incide sobre o denominador maior.

A Escolha de Modelo É a Alavanca Visível, e Por Isso É a Puxada

O preço torna a linha de tokens fácil de raciocinar. No início de julho de 2026, a McKinsey cita um modelo de fronteira como o GPT-5.5 da OpenAI a cerca de 5 dólares por milhão de tokens de entrada e 30 dólares por milhão de tokens de saída, contra 0,20 e 1,25 de um modelo leve anterior. Cerca de 25x na entrada e por volta de 24x na saída, tomando esses números como estão. Essas razões são legíveis em um slide, mapeiam para uma decisão de compra e alguém consegue reivindicar a economia.

A McKinsey identifica três fatores que dirigem o custo de tokens de uma execução: qualidade do modelo selecionado, latência exigida e frequência da tarefa. Os três moram no time de engenharia. Os três movem o número menor.

A recomendação deles é incomumente direta sobre onde isso leva. “Muitas organizações concentram seus esforços de otimização em seleção de modelo e custos de token porque essas são as despesas mais visíveis. A abordagem mais produtiva é redesenhar fluxos de trabalho para reduzir taxas de exceção e simplificar processos de revisão que exigem intervenções humanas caras.”

Visibilidade, portanto, é o mecanismo de seleção. A conta de tokens chega mensalmente de um fornecedor, com quebra por item. A conta de supervisão chega como headcount dentro de uma função de risco, alocada em um centro de custo que nada tem a ver com o agente, e ninguém concilia as duas.

T(verificar) Agora Tem Preço

Escrevemos em julho sobre a desigualdade para implantar um agente: implante quando P(sucesso) supera T(verificar) dividido por T(fazer). Aquele enquadramento trata o tempo de verificação como razão, o que serve exatamente para a decisão de implantar e fica em silêncio sobre o que acontece depois. Um agente pode superar a desigualdade com folga e ainda carregar uma carga de revisão que domina seu custo operacional por anos.

Esta decomposição fornece o termo que faltava. T(verificar) multiplicado pela taxa de exceção, multiplicado pelo volume de execuções, multiplicado pelo custo carregado de quem está qualificado para revisar, dá 70 a 75 por cento do que o agente custa para rodar no exemplo bancário da McKinsey. Lari Hämäläinen, o sócio sênior da McKinsey que apareceu naquela entrevista de julho, está entre os autores deste artigo.

Três escolhas de projeto definem esse produto, e nenhuma delas é escolha de modelo.

A regra de roteamento decide quais execuções um humano vê. Uma regra que manda para revisão toda execução acima de um limiar de confiança se comporta em custo de maneira muito diferente de uma que amostra, ou de uma que revisa por valor de transação, ou de uma que revisa apenas onde a escrita é irreversível.

O caminho de escalonamento decide quem revisa. Encaminhar uma exceção a um especialista de risco em vez de a um operador de primeira linha muda o custo horário daquela revisão por um múltiplo grande, e um desenho de escalonamento sobe por padrão sempre que isso parecer, na hora do projeto, mais seguro do que errar.

A própria taxa de exceção é uma propriedade do fluxo. Casos que quebram porque um sistema a montante devolve um valor ambíguo, ou porque o agente recebeu uma tarefa com critério de aceite subespecificado, geram revisões que uma mudança de fluxo eliminaria.

Quanto Custa Ignorar Isso

O intervalo da própria McKinsey para o que um banco pode gastar é largo: agentes voltados ao cliente podem custar de 20 mil a 30 mil dólares para rodar um fluxo de agente único, e de 100 mil a 200 mil para rodar um time multiagente, segundo a análise deles baseada em pesquisa pública e informação pública de preços. A McKinsey não separa esse intervalo em fixo e variável, então a divisão não pode ser aplicada diretamente a ele. O que a divisão diz é que, dentro do custo variável, a supervisão é a linha dominante. Como a supervisão roda ali a cerca de três vezes a linha de tokens, uma mudança que corte a taxa de exceção de forma relevante move mais dinheiro do que uma que só corte o preço do token.

Trate esses números como estimativas da McKinsey para casos bancários ilustrativos, porque é o que eles são. A estrutura do argumento sobrevive à incerteza dos valores. Seja qual for a sua divisão, ela é ingerenciável sem medição, e nos programas de agentes que examinei, horas de revisão por execução simplesmente não são instrumentadas.

Os custos fixos merecem menção porque se acumulam do mesmo jeito. A McKinsey os divide em infraestrutura de IA (contêineres em nuvem pública, memória, gestão, analytics) e orquestração de agentes, que eles definem como a capacidade de cientistas de dados necessária para manter e evoluir o agente em produção. Eles observam que agentes em produção frequentemente precisam de ajustes a cada poucos dias, conforme surgem novos modelos de fundação, protocolos de contexto de modelo, sistemas corporativos e requisitos de negócio. As duas linhas fixas também são linhas de gente.

Faça Isto Agora

Instrumente horas de revisão por execução de agente antes do próximo debate sobre seleção de modelo. São três campos por execução: se houve revisão, quem revisou e quanto tempo a revisão levou. Um logging de agentes que captura tokens e latência e para por aí deixa a linha de tokens como a única sobre a qual alguém consegue discutir com dado na mão. É o mesmo problema de instrumentação que descrevemos em custo por tarefa concluída, uma camada mais para fora.

Depois coloque a taxa de exceção na mesma página que a escolha de modelo, em qualquer fórum que aprove gasto com agentes. A McKinsey recomenda uma capacidade de AgentOps análoga a FinOps e a entrada da economia unitária de IA nas revisões trimestrais de negócio. O artefato específico importa menos que a adjacência: uma regra de roteamento de revisão que custa seis dígitos por ano pertence à mesma conversa que um tier de modelo que custa cinco.

Os times que acertarem isso vão parecer ter achado um modelo mais barato. Eles terão redesenhado um caminho de escalonamento.

Fontes

McKinsey QuantumBlack. “Where AI agents pay off: A practical guide to the economics of agentic workflows.” Agosto de 2026.
McKinsey Quarterly. “Is that AI agent worth it? Agentic economics and the modern operating model.” Julho de 2026.

A Victorino ajuda organizações de engenharia a instrumentar o custo de revisão por execução de agente e a redesenhar as regras de roteamento que o dirigem: contato@victorino.com.br | www.victorino.com.br