← Todos os posts
5 de julho de 20265 min de leituraThe AIFlow Team

Notas de campo: quando o agente custa mais que o desenvolvedor de software

Uma tarefa agêntica dispara de 5 a 30 chamadas de modelo. Sem rastreamento por tarefa, o custo vira um número que você só descobre na fatura.

costfinopsobservabilityagentstokens
Notas de campo: quando o agente custa mais que o desenvolvedor de software
Ouça este artigo

Na semana passada o Gartner soltou uma previsão que circulou rápido nos nossos canais: até 2028, o gasto com agentes de codificação por IA deve superar o salário médio de um desenvolvedor (Gartner, 24/06/2026). O número que mais nos chamou atenção não foi o de 2028, e sim o de hoje: quase um quarto dos líderes de tecnologia já gasta entre US$ 200 e US$ 500 por desenvolvedor por mês só em tokens de codificação, e 6% já passam de US$ 2.000 por desenvolvedor por mês.

Nós lemos isso como um problema de engenharia, não de licitação. E ele tem uma causa técnica precisa que o próprio Gartner aponta: uma única tarefa agêntica pode disparar de 5 a 30 chamadas de modelo. Multiplique isso por reprocessamentos, contexto reinjetado a cada passo e ferramentas que devolvem payloads gordos, e o custo por tarefa vira uma variável que ninguém está medindo no lugar certo.

O custo unitário caiu, a fatura subiu

Vale separar duas coisas que costumam ser confundidas. O preço por token despencou, algo como 10× ao ano por três anos, com quedas de cerca de 80% entre 2025 e 2026 em vários provedores (Vantage, DigitalApplied). Mesmo assim, as faturas sobem, porque o volume corre mais rápido que a curva de preço. O gasto com API de modelos praticamente dobrou entre o fim de 2024 e meados de 2025.

A leitura de FinOps madura já reflete isso: 98% das equipes de FinOps hoje gerenciam gasto com IA, contra 63% em 2025 e 31% em 2024 (FinOps Foundation, State of FinOps 2026). Gestão de custo de IA é a competência mais desejada nessas equipes. Ou seja: deixou de ser preocupação emergente e virou disciplina do dia a dia, mas a instrumentação nos pipelines ainda não acompanhou.

Custo-por-token é métrica de entrada, não de resultado

O erro clássico é otimizar o número errado. Custo por milhão de tokens (CPM) é útil, mas é uma métrica de insumo. Se você reduz o CPM roteando tudo para um modelo barato e, com isso, a taxa de retry sobe e a taxa de conclusão de tarefa cai, você cortou a conta de tokens e aumentou o custo por resultado de negócio. A métrica que importa é custo por tarefa concluída com sucesso, e ela só existe se você atribuir custo no nível de tarefa, agente, prompt e tenant.

É aqui que separamos observabilidade de custo de observabilidade de performance, e por que, em IA, elas são inseparáveis. Você não entende por que o custo saltou sem saber o que o sistema estava fazendo naquele salto. Na prática, isso exige que FinOps e engenharia compartilhem a mesma infraestrutura de traços, não relatórios separados.

O que instrumentamos antes de colocar um agente em produção

No jeito que trabalhamos na AIFlow, custo é um sinal de primeira classe no eval e no trace, não um relatório de fim de mês. Um roteiro concreto:

Atribuição granular por padrão. Cada chamada carrega tags de tarefa, agente, prompt, modelo e tenant. Sem isso é impossível distinguir uma carga de produção de alto valor de um experimento em loop infinito consumindo orçamento.

Custo dentro do trace, lado a lado com o passo. Cada nó do fluxo agêntico registra tokens de entrada/saída, latência e custo. Quando uma tarefa dispara 30 chamadas em vez de 5, isso aparece no trace, não na fatura três semanas depois.

Roteamento como decisão medida. Uma camada de roteamento que manda ~80% do tráfego rotineiro para modelos econômicos e reserva os modelos de fronteira para raciocínio de alto risco corta de 60% a 90% do gasto sem degradar a qualidade percebida da maioria (Pristren). Mas o roteamento só é seguro se você tem eval acoplado medindo se a qualidade caiu junto com o custo.

Cache de prompt como alavanca de blended price. Reaproveitar contexto já processado reduz o custo de token de entrada em cerca de 90%, o que baixa o preço efetivo sem depender de corte oficial de tabela.

Orçamento com alerta em 80% e detecção de anomalia. Um alerta em 80% do orçamento dá uma ou duas semanas para investigar antes do próximo ciclo. Anomalia de custo por tarefa costuma ser o primeiro sinal de um agente entrando em loop ou de uma ferramenta devolvendo payload inflado.

RBAC e limites por tenant. Governança de acesso não é só segurança, é contenção de custo. Quem pode acionar quais modelos, com que teto de gasto, com human-in-the-loop em tarefas caras.

O ponto prático

A previsão do Gartner não é sobre 2028; é sobre a instrumentação que falta hoje. O gasto mundial com IA deve chegar a US$ 2,52 trilhões em 2026, alta de 44% ano contra ano (Gartner, 15/01/2026), e o desperdício de nuvem voltou a subir pela primeira vez em cinco anos, para 29% do gasto de IaaS/PaaS, justamente porque cargas de IA tornam a previsão de custo estruturalmente mais difícil.

Nós tratamos isso como tratamos qualquer outro requisito de produção: se não está no trace e no eval, não existe. Custo por tarefa é um número que você projeta desde o desenho do fluxo, não um susto no fim do mês.

Fontes