O problema da margem bruta de IA: por que as margens do seu software estão encolhendo
O software clássico tinha custo marginal quase zero: uma vez construído, atender mais um cliente não custava praticamente nada, e por isso as margens brutas de SaaS ficavam entre 70% e 85%. A IA quebra esse modelo. Cada consulta consome computação, então um recurso de IA carrega um custo de mercadoria vendida real que cresce com o uso. Investidores e CFOs já observam as margens brutas de software escorregarem para a faixa de 50% a 60%. A margem de 80% está virando exceção, e defendê-la depende de conhecer a economia unitária de cada recurso de IA.
A IA acrescenta um custo de mercadoria vendida que o software não tinha: cada consulta gasta computação. As margens brutas caem da faixa de 70% a 85% do SaaS clássico para algo próximo de 50% a 60% nas empresas de IA. Defender a margem exige custear cada recurso no nível de um único resultado, e não por uma média combinada. É exatamente para isso que o custeio por atividades e o TDABC foram criados.
A margem está sendo redefinida
A margem de 80% que definiu o SaaS clássico se apoiava em um custo marginal próximo de zero. A IA colocou um medídor em cada uso, e esse medídor agora está no seu custo de mercadoria vendida. Os números de referência contam a história de uma faixa que desce.
| Indicador | Valor | Fonte |
|---|---|---|
| Margem bruta do SaaS clássico, com custo marginal quase zero | 70% a 85% | a16z, benchmarks do setor |
| Margem bruta média reportada das empresas AI-first, à medida que o CMV de computação cresce com o uso | ~52% | ICONIQ via fonte secundária, 2026 |
| Parcela da receita consumida só pela inferência em empresas de IA em escala, antes de outros CMV | ~23% | ICONIQ via Monetizely, 2026 |
Os valores de ~52% e ~23% vêm de reportagem secundária de um conjunto de dados da ICONIQ; confirme contra a fonte primária antes de citá-los em um entregável de cliente. A direção estrutural, de que a IA acrescenta CMV real e comprime a margem, está bem estabelecida.
Por que a margem cai
A causa é simples: os recursos de IA têm um custo de mercadoria que o software não tinha. Cada uso gasta tokens, e recursos de raciocínio e agentes gastam muitos. Esse custo fica no CMV e puxa a margem bruta para baixo.
O efeito é desigual, porque mais barato por token não significa mais barato por recurso: à medida que os modelos ficam mais baratos, os produtos os usam mais, então o custo de mercadoria pode se manter ou subir mesmo com a queda no preço dos tokens. O resultado é uma reconfiguração estrutural, com analistas projetando um novo piso bem abaixo do antigo benchmark de SaaS, a menos que a empresa opere uma pilha de inferência excepcionalmente disciplinada.
Como defender a margem
A defesa da margem começa pela economia unitária: o custo de atender um uso de cada recurso de IA, comparado ao preço ou valor que ele gera. Com esse número, três ações se abrem.
- Reprecificar os recursos cujo plano fixo perde dinheiro com usuários intensivos, incluindo a migração para preços baseados em uso ou em resultado.
- Reengenheirar o custo de atender, roteando requisições baratas para modelos menores e mantendo o contexto em cache.
- Cortar os recursos cujo custo de atender nunca será coberto.
Nada disso é possível a partir de uma margem combinada; exige custear a IA no nível de um único resultado, que é exatamente o que o custeio por atividades foi criado para fazer. Um modelo TDABC (custeio por atividade baseado no tempo, ou Time-Driven Activity-Based Costing) atribui o custo de inferência ao recurso, ao cliente e ao plano que efetivamente o consomem.
Barateamento sozinho não resolve
O preço por token caiu com força, mas os produtos respondem usando mais IA e recorrendo a raciocínio e agentes ávidos por tokens, de modo que o custo de mercadoria muitas vezes se mantém ou sobe mesmo com a queda dos preços. A margem se protege gerenciando quanta IA um recurso consome por unidade de valor, e não esperando os tokens ficarem mais baratos.
A margem de 80% do software se apoiava em um custo marginal de zero. A IA colocou um medídor em cada uso, e o medídor agora está no seu custo de mercadoria vendida. Verá a margem escapar à medida que a adoção cresce, a menos que meça o custo de atender no ponto onde ele nasce.
Perguntas frequentes
- Por que as margens brutas de IA são menores que as de SaaS?
- Porque os recursos de IA carregam um custo de mercadoria real que o software clássico não tinha. Cada consulta gasta computação, então quanto mais o recurso é usado, mais custa atendê-lo. O SaaS clássico tinha custo marginal quase zero e operava a 70% a 85% de margem bruta; as empresas AI-first são reportadas mais próximas de 50% a 60%, com a inferência sozinha consumindo cerca de um quinto da receita em escala.
- A margem bruta de 80% do SaaS acabou?
- Para software com recursos pesados de IA, os analistas esperam um piso estruturalmente mais baixo, frequentemente citado na faixa de 50% a 70%, porque o custo de inferência agora fica no custo de mercadoria. Empresas com uso leve de IA ou uma pilha de inferência muito disciplinada podem se manter mais altas. O ponto é que 80% deixou de ser o padrão assim que a IA é incorporada.
- Como protegemos a margem bruta dos recursos de IA?
- Gerenciando a economia unitária. Meça o custo de atender um uso de cada recurso, compare-o ao preço ou valor que ele gera, depois reprecifique os recursos que perdem dinheiro com usuários intensivos, reengenheire o custo de atender por roteamento e cache, e aposente os recursos que nunca cobrirão seu custo. Isso exige custear a IA no nível de um resultado, não de uma média combinada.
- A IA mais barata resolve o problema da margem?
- Não por si só. O preço por token caiu com força, mas os produtos respondem usando IA mais e recorrendo a raciocínio e agentes ávidos por tokens, de modo que o custo de mercadoria muitas vezes se mantém ou sobe mesmo com a queda dos preços. A margem se protege gerenciando quanta IA um recurso consome por unidade de valor.
Leia também
Sua margem está vazando com a IA embutida no produto? O Profit Check gratuito leva 12 a 15 minutos e mostra onde a margem se cria e onde se perde, IA incluída. Ou fale conosco pela página de contato.
Prova
Um distribuidor na Nova Zelândia. €1,335M de custo de servir tornado visível, depois reduzido à metade, e 830 clientes deficitários reduzidos a 295.
Ler o estudo de caso →Com quem você vai falar
Miguel Guimarães, Sócio-fundador
Trabalhando com custos e lucro há mais de 25 anos. Apresentou o caso de cost-to-serve da Damco no Managing for Profit (Amsterdã RAI, dezembro de 2009), no mesmo programa que Robert S. Kaplan.
Ligue +351 910 313 731
