O verdadeiro custo da IA é um custo unitário. Quase ninguém o mede.

Há uma contradição no centro da conversa sobre IA. Estudos patrocinados por fornecedores reportam vários dólares de retorno por cada dólar gasto, enquanto a investigação independente conclui que a maioria das organizações não consegue apontar qualquer efeito nos resultados. As duas coisas podem ser verdade ao mesmo tempo, pela mesma razão: o retorno da IA é muito alegado e raramente medido. Quando ninguém custeou um único resultado de IA, ninguém consegue dizer se ele compensa. Esta lacuna não é um problema de tecnologia. É um problema de contabilidade de custos, e é precisamente esse que existimos para resolver.

O showback diz onde o custo da IA caiu. O custeio baseado em atividades diz porque ocorreu, e que parte dele está a pagar sem usar.

A maior parte da fatura de GPU é capacidade que ninguém usou

É este o termo que costuma sair errado, por isso vale a pena fazer a divisão em voz alta. Considere uma instância de GPU reservada a 3,00 euros por hora. Reservada significa que paga quer corra alguma coisa nela quer não, portanto ao longo de um ano são 8.760 horas e 26.280 euros. A capacidade prática, depois de retiradas as janelas de manutenção, as atualizações e o tempo que o escalonador não consegue usar, anda normalmente à volta de 85 por cento dos segundos teóricos: 26.805.600 GPU-segundos em 31.536.000.

Ponha-lhe agora uma carga de trabalho real. Digamos que a placa serve 400.000 resultados de IA no ano e que cada um consome cerca de 3 GPU-segundos. São 1.200.000 GPU-segundos de trabalho, custeados em 1.200.000 × 0,00098 = 1.176 euros. A placa custou 26.280. A diferença, 25.104 euros, é capacidade não utilizada, cerca de 96 por cento do que aquela GPU lhe custou, e a taxa de utilização é de 4,5 por cento.

Daqui saem duas conclusões, e é a segunda que costuma apanhar as pessoas de surpresa. A primeira é que o custo de GPU que pertence a um resultado de IA é pequeno, cerca de um décimo de cêntimo neste caso. A segunda é que os 25.104 euros de capacidade ociosa não pertencem a resultado nenhum. Se os espalhar pelos 400.000 resultados, cada um passa a carregar 6,3 cêntimos da ociosidade dos outros, o que faz a IA parecer cara e faz a solução parecer melhores prompts. Reporte-os como linha própria e a solução torna-se óbvia: consolidar a carga, redimensionar a reserva ou vender as horas livres. É essa escolha de reporte, e só ela, que justifica custear a IA pela capacidade prática.

Ilustrativo. As taxas e a utilização variam muito conforme a configuração, e um cluster partilhado com bom escalonamento fica bastante melhor do que isto. A mecânica não muda: a capacidade de GPU não utilizada é um número de gestão e desaparece no instante em que é diluída num custo unitário.

Um exemplo com a conta feita: quanto custa um resultado de IA

Tome um resultado de um assistente de revisão documental: o utilizador faz a pergunta, o modelo lê o ficheiro, redige uma resposta, e uma pessoa verifica-a antes de sair. Quatro termos, cada um com uma taxa e uma quantidade, e a aritmética fecha.

Números ilustrativos. 0,08 + 0,003 + 1,20 + 0,20 = 1,48 euros. A linha da fatura são 0,08, portanto o custo completo é cerca de dezoito vezes o custo visível.

A parte interessante não são as dezoito vezes. É qual dos termos domina. A revisão humana são 1,20 dos 1,48, à volta de 81 por cento do que o resultado custa, e os dois termos sobre os quais toda a gente discute, tokens e GPU, somam menos de seis por cento. Nesta forma de carga de trabalho, negociar um preço melhor por token não move quase nada, e tirar um minuto à revisão, estreitando o que uma pessoa tem de verificar em vez de verificar com menos cuidado, move 40 por cento do custo.

Isto não se mantém em todo o lado. Um processamento em lote sem pessoa no circuito tem um perfil completamente diferente, e aí o termo dos tokens é quase toda a resposta. E é precisamente por isso que se custeia em vez de se presumir: o termo a atacar é aquele que a sua própria aritmética põe no topo, e enquanto ninguém fizer a divisão ninguém na sala sabe qual é.

Perguntas frequentes

Quanto custa, de facto, a IA a uma empresa?

Mais do que a linha da API ou da subscrição sugere. O verdadeiro custo de um resultado de IA inclui os tokens consumidos, o custo de capacidade das GPUs que correm o modelo (boa parte muitas vezes ociosa), a preparação de dados e a integração, a revisão humana necessária para confiar no output, as repetições quando o modelo erra, e a governação. Os estudos de custo total de propriedade colocam o valor completo bem acima do preço visível da API; a única forma de saber o seu número é custear um resultado de ponta a ponta.

Porque sobem as faturas de IA se o preço por token está a descer?

Porque tokens mais baratos convidam a muito mais uso de tokens. Os modelos de raciocínio e os sistemas agênticos re-enviam contexto e percorrem muitos passos, consumindo várias vezes mais tokens por tarefa do que uma simples chamada de chatbot. O consumo de tokens cresce mais depressa do que o preço por token desce, por isso a fatura total sobe mesmo com cada token a ficar mais barato. É o efeito Jevons aplicado à IA.

Como se calcula o custo unitário da IA?

Trate-a como uma atividade. Custeie a capacidade de GPU à sua taxa de capacidade prática, o custo total do recurso a dividir pela capacidade que ele consegue realisticamente entregar. Use o token como cost driver, com o preço por token como taxa. Escreva o processo assistido por IA como uma equação de tempo que combina tokens, GPU-segundos e minutos de revisão humana, e depois atribua o resultado ao cliente, produto ou processo que o desencadeou. É o Time-Driven Activity-Based Costing aplicado à IA.

A nossa IA é rentável?

Só consegue responder a isso depois de ter um custo unitário. Com o custo de um resultado de IA estabelecido, coloca-o face ao valor que esse resultado cria e ordena clientes, produtos ou features do mais ao menos rentável de servir com IA. O resultado é uma curva da baleia para a IA: um núcleo rentável, um meio plano, e uma cauda onde a IA discretamente devolve margem. A maioria das organizações nunca a desenhou.

O que é o AI FinOps, e chega?

O AI FinOps, por vezes chamado tokenomics, é a disciplina de medir e atribuir o gasto de IA, e é um avanço real em visibilidade. Não chega por si só porque o showback por tags diz onde o custo caiu, não porque ocorreu nem quanta capacidade ficou por usar. O custeio baseado em atividades fornece a lógica de alocação que falta e torna visível o custo de capacidade não utilizada, e é isso que transforma o acompanhamento do gasto em gestão de rentabilidade.