A conta da IA cai quando a empresa escolhe, não quando o token barateia

O preço por unidade de inteligência vai continuar caindo, admite Jain, inclusive com modelos abertos feitos para tarefas específicas. Mesmo assim, a IA chegou a um lugar inédito no orçamento: “É a primeira vez que tratamos software e tecnologia no mesmo patamar das pessoas em termos de quanto custam.” Fora do palco, uma simulação da Accenture de julho de 2026 mostra o efeito: se o token (a unidade em que os modelos cobram) ficasse 25% mais barato, só 15% das organizações aproveitariam a economia.

A primeira saída é gastar menos tokens escolhendo o modelo. Para Jain, quase todas as tarefas de uma empresa cabem em modelos que custam um décimo ou um vigésimo dos mais caros. A segunda é o contexto. Um assistente ligado aos sistemas da empresa gasta tokens só para achar documentos e dados antes de trabalhar; se recebe esse material pronto, organizado numa camada de contexto, consome metade. Somadas, as duas frentes cortam mais de 90% da conta, segundo Jain. Vale lembrar que a camada de contexto é o que a Glean vende.

A economia com o modelo certo, porém, pode não chegar à fatura. A própria Accenture conta que sua plataforma interna manda cada tarefa ao modelo adequado por cerca de um sexto do custo dos modelos mais potentes. Mesmo assim, quando o padrão era um modelo intermediário, grande parte dos funcionários ainda escolhia o mais potente.

Quando cada funcionário decide como usar a IA, o resultado é desperdício. Jain ouve com frequência que 80% do trabalho feito com IA não agrega valor e avalia que a fatia chega a 90% ou 95%: documentos de 50 a 100 páginas, agentes e habilidades de baixa qualidade. A saída que Natália apontou é definir os agentes de cima para baixo, concentrados nos cinco que de fato pesam no negócio.