A conta do agente não é a conta do chat

O time apresenta um piloto de agente que rodou algumas semanas, mostra a fatura pequena e pede aprovação para produção. Alguém pergunta quanto custa cada interação, a resposta vem em centavos, e a conta de produção é feita ali mesmo, de cabeça: centavos vezes o volume esperado. O número fecha e o projeto passa.

Meses depois a fatura não guarda relação nenhuma com o que foi aprovado, e a explicação oferecida na sala costuma ser que o volume cresceu acima do previsto. Na maioria dos casos o volume não teve culpa. A EY mediu o salto que ninguém orçou: uma interação que custava US$ 0,04 em chat passa a custar US$ 1,20 quando o mesmo pedido ganha recuperação por ferramenta, planejamento e subagentes. Cerca de trinta vezes mais caro, no mesmo pedido, para o mesmo usuário, com o mesmo volume.

A estimativa de volume estava correta. O que estava errado era o preço unitário emprestado do chat e aplicado a um sistema que se comporta de outra maneira.

O que muda entre um chat e um agente, do ponto de vista da fatura

Em um chat, uma pergunta gera uma resposta. Você sabe quantas requisições vão acontecer antes de elas acontecerem, porque quem decide é a pessoa que digita. Em um agente, quem decide quantas requisições acontecem é o próprio modelo. Ele recebe um objetivo, escolhe os passos, chama ferramentas, avalia o que voltou, corrige o rumo e só então responde. O número de requisições por pedido do usuário deixa de ser dado de entrada do orçamento e passa a ser resultado da execução.

O curso já mostrou, em "A API não tem memória: a conversa inteira é recobrada", que cada requisição carrega tudo o que veio antes. Em "Tokens de raciocínio: o dial que ninguém regulou", ficou registrado que o rascunho do modelo é cobrado como saída na geração e recobrado como entrada nos turnos seguintes. Um agente empilha os dois efeitos e acrescenta um terceiro: o resultado de cada ferramenta chamada também entra no contexto, também é texto pago, e também volta a ser cobrado no passo seguinte.

Por que a conta cresce mais rápido que o número de passos

Imagine um agente que produz mil tokens novos por passo. A intuição de orçamento diz que vinte passos custam vinte mil tokens. A fatura cobra outra coisa, porque no passo dois o agente reenvia o passo um, no passo três reenvia os dois anteriores, e assim por diante até o fim. O total de entrada cobrada cresce com o quadrado do número de passos.

A documentação de orçamentos de tarefa da Anthropic publica esse efeito em escala pequena e conferível: em três turnos, o cliente transmitiu cerca de 20.820 tokens para produzir apenas 19.000 tokens de trabalho novo, porque a mensagem inicial foi enviada três vezes e a resposta do primeiro turno, duas. Em três turnos a distorção é modesta. Em vinte e seis passos, que é a média medida em um agente de segurança em operação (ProjectDiscovery, abr/2026), ela decide o orçamento inteiro.

A FinOps Foundation publicou em maio de 2026 a lista das cinco variáveis que dirigem o consumo de uma requisição, e ela serve de pauta pronta para a reunião com o time:

• Custo fixo do prompt de sistema, cobrado em toda requisição mesmo quando ninguém o vê
• Contexto e memória arrastados de um passo para o seguinte
• Escolha do modelo, que muda a quantidade de tokens gastos e não apenas o preço unitário
• Tamanho da saída pedida ao modelo
• Custo de retentativa e de orquestração, que é o item que só aparece em sistema agêntico

Por que a média engana em carga agêntica

O gasto de um agente não se organiza em torno de um valor típico. Quase toda execução custa pouco, algumas poucas custam muito, e é essa minoria que estoura o orçamento do mês. Dois números descrevem essa forma, e os dois vão aparecer em todo painel de consumo que o time apresentar. Mediana é o valor do meio: metade das execuções custou menos que ela. Percentil 99, escrito p99 daqui em diante e assim mesmo nos relatórios que você vai receber, é o valor abaixo do qual ficam noventa e nove de cada cem execuções, ou seja, o dia ruim que a operação precisa conseguir pagar.

A média fica entre os dois e não substitui nenhum dos dois. As execuções caras a puxam para cima, o que já a torna pior que a mediana para descrever o dia comum, e ela ainda assim fica muito abaixo do p99, o que a torna inútil para dimensionar o pior dia. Orçamento fechado na média erra nas duas pontas de uma vez.

Como tratar as histórias de conta estourada que circulam

Em alguma reunião você vai ouvir a história do agente que queimou dezenas de milhares de dólares em um laço de vários dias. Duas versões circulam bastante: um laço com quatro agentes rodando onze dias e cerca de US$ 47.000 consumidos, e um agente que gastou US$ 4.200 em 63 horas. As duas saíram de posts de blog, sem relatório público de incidente que permita conferir a conta. A história da fatura de US$ 500 milhões, que aparece em apresentação de fornecedor, não tem fonte primária nenhuma.

Use esses relatos como ilustração e diga em voz alta que não estão confirmados. Para a decisão, o que serve é dado auditável. A pesquisa State of FinOps 2026, com 1.192 praticantes responsáveis por mais de US$ 83 bilhões de gasto anual, apurou que 98% das equipes já gerenciam gasto de IA, contra 31% dois anos antes. Controlar essa fatura deixou de ser exceção de empresa avançada. Quem chega ao comitê sem controle chega atrasado, e a anedota não substitui o gate.

Multiagente antes de prova de ganho é gasto multiplicado

A proposta que chega ao comitê com a palavra multiagente costuma vir acompanhada da promessa de qualidade superior. Existe medição pública que recomenda cautela. No artigo The Illusion of Multi-Agent Advantage, um agente único de referência resolveu 57,09% das tarefas do SWE-Bench Lite por US$ 286,40, enquanto uma arquitetura multiagente automatizada resolveu 45,52% por US$ 998,20 na mesma bancada. Nota mais baixa por cerca de três vezes e meia o custo.

O desenho multiagente pode ganhar em outros tipos de tarefa, e a bancada citada é de código. O que a medição desautoriza é aprová-lo antes de existir avaliação própria mostrando ganho por real gasto. A ordem defensável em comitê tem três tempos: começar com um agente único, medir custo por tarefa concluída durante algumas semanas, e federar em subagentes só quando aparecer número que pague a federação.