Três Preços para Um Agente: O Que o Pricing do AgentForce Revela Sobre a Economia de IA

A Salesforce opera, agora, três modelos de precificação para o Agentforce. Simultaneamente. Para o mesmo produto.

Dois dólares por conversa, lançado em outubro de 2024. Dez centavos por ação via Flex Credits, adicionado em maio de 2025. Cento e vinte e cinco dólares por usuário por mês através do Agentic Enterprise License Agreement, introduzido no final de 2025.

A maioria dos comentários enquadra isso como brilhantismo estratégico ou confusão corporativa. Ambos erram o ponto. O que o caos de precificação da Salesforce realmente revela é algo mais desconfortável: a economia de agentes de IA não tem uma unidade de valor consensual, e toda empresa que está implantando agentes vai herdar esse problema.

A Fatura É a Primeira Falha de Governança

Quando o time comercial compra Agentforce por conversa, o time de atendimento compra por créditos, e o time de TI negocia licenças por usuário, você não tem um problema de precificação. Você tem um problema de governança.

Nenhuma ferramenta de FinOps empresarial lida com três modelos de precificação simultâneos para um único fornecedor. Nenhum framework de atribuição de custos mapeia créditos de consumo, cobranças por conversa e licenças por assento para um único centro de custo. O CFO recebe três linhas no extrato que não compõem uma visão coerente do que os agentes de IA custam para a organização.

Isso não é hipotético. O PricingSaaS 500 Index registrou 3,6 mudanças de precificação por empresa entre as 500 maiores empresas de B2B e IA em 2025. Modelos baseados em créditos cresceram 126% ano a ano. A precificação por assento como modelo primário caiu de 21% para 15% em doze meses. Modelos híbridos saltaram de 27% para 41%.

O mercado não está convergindo. Está fragmentando. E cada fragmento cria uma nova lacuna de governança.

Por Que o Mercado Não Consegue Padronizar

A instabilidade de preços não é uma falha temporária no ciclo de adoção. Reflete um problema estrutural: agentes de IA quebram a unidade econômica sobre a qual a precificação tradicional de software foi construída.

A precificação por assento pressupõe que um humano usa o software. Quando agentes fazem o trabalho autonomamente, o assento se torna irrelevante. Os dados da própria Salesforce mostram uma redução de 10% nos assentos em 90 contas enterprise à medida que a IA torna os agentes de serviço mais eficientes. Sua implantação interna --- 380.000 interações de suporte tratadas pelo Agentforce, 84% resolvidas sem intervenção humana --- demonstra o paradoxo: quanto melhor a IA funciona, mais ela enfraquece o modelo de receita que a financia.

A precificação por ação pressupõe que você pode definir e contar uma unidade de trabalho. Mas o que conta como uma “ação” quando uma única consulta de cliente dispara oito processos backend? A Salesforce tentou isso com Flex Credits a US$0,10 por ação, e a área de procurement enterprise ainda não conseguia modelar seus custos.

A precificação por resolução pressupõe que você pode medir um resultado. Isso funciona em suporte ao cliente --- a Intercom cobra US$0,99 por resolução e cresceu de US$1M para mais de US$100M em ARR com esse modelo. A Sierra AI cobra apenas quando problemas são resolvidos sem intervenção humana e ultrapassou US$150M em ARR no início de 2026. Mas em domínios onde “resolução” é ambígua --- habilitação comercial, operações internas, análise de dados --- precificação baseada em resultado continua inviável.

Cada modelo resolve um problema enquanto cria outro. Nenhum modelo único funciona para todos os casos de uso de agentes. O resultado é exatamente o que a Salesforce está vivendo: múltiplos modelos rodando em paralelo, cada um servindo uma psicologia de compra diferente, um processo de aprovação diferente e um estágio diferente de maturidade em IA.

As Implicações de Governança Que Ninguém Discute

O que a análise do SaaStr sobre a evolução de preços da Salesforce não aborda é o desafio de governança de custos downstream para o comprador.

A atribuição de custos se torna impossível. Quando três departamentos usam três modelos de precificação para a mesma plataforma de agentes, alocar custos de IA a resultados de negócio exige uma camada de tradução que não existe. Créditos não mapeiam para conversas. Conversas não mapeiam para assentos. Nenhum deles mapeia de forma limpa para o valor de negócio entregue.

A previsão orçamentária quebra. A precificação por assento dá ao CFO um número previsível. A precificação por ação e por conversa, não. Quando clientes da Zendesk queimaram um ano de resoluções automatizadas em semanas, descobriram que a precificação baseada em resultado pode ser tão imprevisível quanto a baseada em consumo --- na direção oposta. Automação bem-sucedida aumenta custos.

A comparação entre fornecedores perde sentido. Se a Salesforce cobra por conversa, a Microsoft cobra por assento e a Sierra cobra por resolução, como uma empresa avalia qual plataforma de agentes é realmente mais barata? As unidades não são comparáveis. Os modelos de precificação codificam pressupostos diferentes sobre o que significa valor.

Gastos com IA sombra se aceleram. Modelos baseados em créditos criam camadas de abstração que obscurecem o custo real por ação. Quando equipes compram créditos sem entender a taxa de câmbio para trabalho real, o gasto com IA se torna a nova shadow IT --- distribuído, não rastreado e sem governança.

O Que os Três Modelos da Salesforce Dizem Sobre Sua Organização

Se a maior empresa de SaaS do mundo --- mais de US$300 bilhões em valor de mercado, 150.000 clientes, equipes dedicadas de precificação --- não consegue padronizar a precificação de agentes, sua empresa definitivamente não consegue padronizar a governança de custos de agentes sem infraestrutura deliberada.

A lacuna de operating-ai começa na fatura.

Isso significa que a governança de agentes não se resume à segurança de modelos, injeção de prompts ou privacidade de dados. Ela se estende à camada financeira. Organizações que implantam agentes de IA precisam de:

Taxonomia de custos de agentes. Um vocabulário compartilhado para categorizar custos de IA que funcione através de modelos de precificação. Qual é a unidade de trabalho de agente na sua organização? Defina antes que seus fornecedores definam por você --- de três formas diferentes.

Atribuição cross-model. A capacidade de comparar custos entre modelos por assento, por ação e por resultado. Isso requer normalização para uma métrica comum --- provavelmente custo por resultado de negócio --- que nenhum dos fornecedores atualmente oferece.

Políticas de governança de consumo. Regras sobre quais modelos de precificação são aceitáveis para quais casos de uso. Por assento para copilots (IA assistida por humanos). Por ação ou por resultado para agentes autônomos. Sem essa distinção, departamentos vão escolher qualquer modelo que o vendedor empurrar com mais força.

FinOps para agentes. A mesma disciplina que o gerenciamento de custos de nuvem trouxe para gastos com infraestrutura, aplicada a gastos com agentes de IA. Essa é uma capacidade emergente que a maioria das organizações sequer identificou como necessidade.

A Divisão de Precificação Copilot-Agente

Um framework útil em meio ao caos: a distinção entre precificação de copilot e precificação de agente.

Copilots --- IA que assiste um usuário humano --- mapeiam naturalmente para precificação por assento. O humano ainda faz o trabalho. A IA o torna mais rápido. O Microsoft Copilot a US$30/usuário/mês segue essa lógica de forma limpa.

Agentes --- IA que faz o trabalho autonomamente --- devem ser precificados pelo trabalho realizado, não pelos humanos servidos. Por resolução. Por ação. Por resultado. O modelo de precificação deve acompanhar o modelo de entrega de valor.

A maioria dos produtos faz ambos. E a maioria dos fornecedores tenta forçar ambos em um único modelo de precificação. É assim que a Salesforce acabou com três. As organizações que separarem a governança de copilot da governança de agente --- em precificação, em política, em atribuição --- terão uma vantagem estrutural no controle de custos.

O Que Fazer Agora

O mercado não vai estabilizar a precificação de agentes em 2026. A análise de Jason Lemkin no SaaStr sugere que estamos no período mais caótico de precificação B2B em pelo menos uma década. Os frameworks para software dirigido por humanos estão quebrando. Os frameworks para software dirigido por IA ainda não foram construídos.

Esperar por estabilidade não é estratégia. Em vez disso:

Audite sua exposição atual a precificação de IA. Quantos modelos de precificação você já usa entre fornecedores de IA? A maioria das empresas descobre que são mais do que imaginava.

Estabeleça uma baseline de governança de custos antes de escalar implantações de agentes. O momento de construir infraestrutura de atribuição é antes de ter três departamentos em três modelos de precificação, não depois.

Trate a seleção de modelo de precificação como decisão de governança, não de procurement. Qual modelo sua equipe usa determina que dados de custo você consegue coletar, o que consegue atribuir e o que consegue prever. É uma escolha de arquitetura de governança com consequências de longo prazo.

Aceite o híbrido como padrão. Os dados de mercado são claros: precificação híbrida (assentos mais consumo) é onde 41% das empresas estão convergindo. Projete sua governança para o híbrido, não para um modelo único que provavelmente não sobreviverá ao ano.

O fornecedor não decidiu como precificar agentes. O mercado não decidiu como comprá-los. Sua organização não pode se dar ao luxo de esperar por nenhum dos dois. A infraestrutura de governança que você constrói agora determina se os custos de agentes de IA permanecerão visíveis, atribuíveis e controláveis --- ou se tornarão a próxima geração de shadow IT.

Fontes

Jason Lemkin. “Salesforce Now Has 3+ Pricing Models for Agentforce.” SaaStr, 17 de fevereiro de 2026.
PricingSaaS 500 Index. Relatório anual de precificação B2B/IA, 2025.
Kyle Poyar. “2025 State of B2B Monetization.” Growth Unhinged, 2025.
Salesforce. Anúncios do Agentforce: Dreamforce 2024, TrailblazerDX 2025, AELA final de 2025.
Intercom. Dados de precificação e desempenho do Fin. intercom.com, 2025-2026.
Sierra AI. Precificação baseada em resultados e dados de crescimento. Reportado por The Information, TechCrunch, 2025-2026.

O Victorino Group ajuda organizações a construir a infraestrutura de governança que torna os custos de agentes de IA visíveis, atribuíveis e controláveis. Se você está navegando a complexidade de precificação de agentes ou precisa de ajuda para projetar governança de custos para IA autônoma, entre em contato.