A inteligência artificial promete aumentar a produtividade empresarial, mas seus custos podem crescer rapidamente. Sendo assim, no intuito de obter resultados concretos, as organizações precisam equilibrar inovação, eficiência operacional, controle de despesas e retorno sobre os investimentos em tecnologia.
O contexto da inteligência artificial ainda ser cara para empresas
Investir em tecnologia sem conhecer os custos representa um risco. Nesse sentido, no início da adoção da inteligência artificial, muitas empresas priorizaram testes sem prever despesas. Com a expansão do uso, contas inesperadas passaram a pressionar os orçamentos, exigindo maior controle financeiro.
Bancos enfrentam desafios financeiros
Vale ressaltar que instituições financeiras precisam equilibrar investimentos em IA com modernização de sistemas, segurança digital e exigências regulatórias. Ampliar a tecnologia exige planejamento para evitar gastos sem retorno econômico e comprometer outras prioridades estratégicas.
Agentes autônomos dificultam previsões
Dessa forma, a inteligência artificial agêntica executa tarefas complexas de maneira autônoma. Embora aumente a produtividade, seu consumo de recursos varia conforme a atividade e as etapas necessárias.
Bhavi Mehta, sócio da Bain & Company e líder global de análises avançadas em serviços financeiros, destacou a dificuldade de prever custos, que dependem da complexidade do problema e do caminho percorrido pelo sistema até chegar a uma resposta.
Os tokens, unidades de texto processadas pelos modelos, também influenciam as despesas. Quanto mais informações são analisadas e produzidas, maior pode ser o consumo computacional e o custo de cada operação.
Retorno financeiro ainda é pouco mensurado
Segundo relatório da Evident, apenas 12 dos 50 maiores bancos globais acompanhados pela empresa divulgaram retornos projetados ou obtidos com IA. No terceiro trimestre, instituições norte-americanas como Citigroup e Goldman Sachs discutiram investimentos tecnológicos, mas nem todas apresentaram números precisos sobre despesas específicas e benefícios da inteligência artificial.
O desafio é medir resultados
Ao incorporar a IA às operações, as empresas precisam identificar custos, resultados e aplicações rentáveis. Essa avaliação será essencial para ampliar a tecnologia de maneira sustentável, sem comprometer o orçamento ou perder oportunidades de inovação.
Mais detalhes sobre essa situação da inteligência artificial
O aumento das despesas com inteligência artificial nem sempre indica desperdício. Em outras palavras, a prática conhecida como tokenmaxxing, que consiste em utilizar IA intensivamente, pode revelar aplicações produtivas que precisam de ferramentas mais eficientes.
Modelos menores reduzem custos
No Deutsche Bank, sistemas identificaram funcionários que tinham um consumo elevado de tokens. Segundo Christoph Rabenseifner, diretor de estratégia de tecnologia, dados e inovação, parte desse uso era produtiva. O banco passou a testar modelos menores, especializados em tarefas específicas.
Paralelamente, o Santander adota estratégia semelhante: valida aplicações com modelos avançados e depois migra as operações para alternativas mais baratas. De acordo com Ignacio Bernal, diretor de IA, a abordagem reduziu o custo de um processo de aprovação de empréstimo de aproximadamente € 5 para € 0,03.
Limites para evitar despesas excessivas
O Canadian Imperial Bank of Commerce identificou custos de até 3 mil dólares canadenses mensais por funcionário em determinados modelos avançados. Para controlar despesas, restringiu o acesso e selecionou usuários para testar seu ambiente CAI 2.0.
Agentes ampliam o consumo
A inteligência artificial agêntica também pressiona os orçamentos. Segundo a Evident, bancos anunciaram 19 casos de uso desses sistemas no primeiro trimestre de 2026, ante oito no trimestre anterior.
O Wells Fargo pretende preparar agentes para executar 1.100 etapas de um processo de hipoteca antes da integração operacional. Tais tarefas exigem processamento intensivo e consultas a diversas fontes.
Eficiência depende da estratégia
Em um banco asiático, equipes esgotaram suas cotas de tokens na primeira semana. A instituição respondeu agrupando recursos e criando um agente para simplificar solicitações antes de encaminhá-las ao modelo principal. Logo, as experiências são responsáveis por mostrar que especialização, limites de acesso e otimização de solicitações podem reduzir despesas sem eliminar aplicações produtivas.
Pontos de atenção sobre essa conjuntura da inteligência artificial
A busca por alternativas econômicas ampliou o interesse por modelos chineses de inteligência artificial. Uma nota do JPMorgan Private Bank, publicada em julho, apontou que um modelo GLM da Z.AI apresentou desempenho comparável ao melhor modelo disponível em março, com custo mais de 80% inferior ao da opção de ponta mais cara.
Bancos diversificam fornecedores
Desse modo, a redução de despesas permite ampliar o uso da IA sem comprometer orçamentos. No entanto, preço não é o único critério: segurança, confiabilidade e proteção de dados também influenciam a escolha.
Em Singapura, o United Overseas Bank utiliza soluções de diferentes fornecedores, inclusive chineses. O DBS Group Holdings também afirma evitar dependência excessiva de empresas dos Estados Unidos ou da China. A diversificação amplia as opções e facilita a comparação entre custo e qualidade, mas exige avaliações rigorosas.
Segurança e regulamentação
Reguladores financeiros alertam para os riscos de modelos avançados. No Canadá, o órgão supervisor bancário solicitou padrões mínimos de segurança para modelos de fronteira. Já nos Estados Unidos, Michelle Bowman, vice-presidente do Federal Reserve para Supervisão, destacou a necessidade de fortalecer as defesas contra ameaças potencializadas pela IA.
Economia exige cautela
Agentes autônomos também preocupam gestores de risco, pois comportamentos inesperados podem comprometer operações corporativas. Em agosto, segundo a Bloomberg News, o National Australia Bank apontou questões de segurança e governança ao avaliar alternativas aos modelos norte-americanos, incluindo opções chinesas.
Uma ferramenta mais barata pode exigir adaptações complexas, apresentar falhas ou ampliar riscos operacionais. Por isso, empresas precisam avaliar desempenho, compatibilidade e proteção de informações antes da adoção. O objetivo é equilibrar economia, eficiência e segurança, garantindo que a redução de custos não comprometa operações essenciais.
Dicas em relação a essa circunstância da inteligência artificial
A experiência dos bancos mostra que controlar os custos da inteligência artificial exige planejamento, monitoramento e participação de diferentes áreas. Isso se deve ao fato de que o orçamento tecnológico precisa acompanhar a expansão da ferramenta e as mudanças no mercado.
Planejamento e previsão de despesas
De acordo com J. R. Storment, diretor executivo da Tokenomics Foundation, bancos levaram pelo menos cinco anos para organizar os gastos com computação em nuvem. Na IA, essa reação ocorre entre seis e 18 meses, devido ao crescimento acelerado das despesas e à rápida evolução dos modelos.
O BNP Paribas estima os custos operacionais antes de aprovar projetos, considerando preços dos tokens, utilização prevista e benefícios esperados. Paralelamente, o banco também combina chips próprios com serviços de computação em nuvem.
Limites e supervisão corporativa
Nesse sentido, o BNP Paribas distribui a supervisão da IA entre diferentes áreas, incluindo tecnologia, finanças e gestão de riscos. Um comitê liderado pelo diretor-presidente acompanha a estratégia geral.
O JPMorgan Chase estabeleceu limites mensais de US$ 2 mil no Claude Code para alguns engenheiros. Segundo o diretor financeiro Jeremy Barnum, os gastos anuais com IA estavam próximos de US$ 700 milhões.
Ajustes técnicos reduzem despesas
Em um banco europeu, um chatbot gerou uma conta de € 80 mil após ser integrado a milhares de fluxos de trabalho. Sendo assim, a equipe reduziu os custos em aproximadamente um terço ao armazenar respostas frequentes e utilizar modelos de código aberto em tarefas simples. Pesquisas complexas continuaram recorrendo a modelos premium, como ChatGPT e Claude.
Estratégias para economizar
As experiências destacam medidas essenciais: estimar despesas antecipadamente, monitorar o consumo, comparar fornecedores e selecionar modelos conforme a complexidade das tarefas. Então, avaliar os resultados regularmente ajuda a garantir que cada investimento tenha justificativa operacional ou estratégica.
Quais os possíveis próximos momentos da inteligência artificial?
O mercado deve desenvolver soluções para monitorar despesas com inteligência artificial. A Ramp afirma que uma em cada três empresas atendidas encontrou oportunidades de substituir modelos caros por alternativas econômicas sem comprometer a qualidade.
Negociação e transparência financeira
Por sua vez, a Rogo Technologies reúne demandas de instituições financeiras para negociar descontos com fornecedores de IA e permite definir orçamentos de tokens por usuário.
Já a Tokenomics Foundation está em busca de padronizar a medição de custos e resultados. Entre seus participantes estão JPMorgan, Bank of New York Mellon, KPMG e Google Cloud.
Governança e atração de talentos
O acesso à IA também influencia as contratações. Isso se deve ao fato de que os desenvolvedores já perguntam sobre modelos disponíveis e limites de uso durante as entrevistas.
David Hardoon, ex-responsável pela capacitação em IA no Standard Chartered e executivo da Accenture, defende diretores de inteligência artificial com autoridade para coordenar investimentos, definir regras e integrar inovação e planejamento financeiro.
O desafio da eficiência
Empresas temem perder competitividade ao investir menos que os concorrentes. No entanto, gastar mais não garante melhores resultados. O crescimento sustentável dependerá de aplicações úteis, impactos mensuráveis e recursos bem administrados.
Resumindo, a inteligência artificial continuará oferecendo oportunidades de automação e produtividade, mas sua expansão exige responsabilidade financeira. Sendo assim, para as empresas, o próximo passo não consiste apenas em incorporar novos modelos, mas em demonstrar que os benefícios justificam as despesas.
Portanto, acompanhar essa transformação ajuda a compreender por que a inteligência artificial ainda é cara para empresas e quais estratégias podem tornar sua utilização mais eficiente. Quer entender melhor como a IA pode transformar os negócios? Confira nossos conteúdos e descubra as principais tendências dessa tecnologia.
*com uso de inteligência artificial
