Você se lembra de quando as empresas costumavam medir o custo da computação em milhões de instruções por segundo? Nesta era da IA, isso parece um tanto antiquado.
Hoje, à medida que as empresas buscam ampliar o uso da IA autônoma em suas operações, o custo unitário utilizado é medido em tokens. Os tokens de IA são as pequenas unidades de dados processadas pelos modelos de IA, sejam elas texto, código ou pixels. Esses são os custos unitários dos LLMs, e seu consumo por agentes de IA pode aumentar rapidamente sem um monitoramento e uma otimização adequados.
Por que os custos de expansão da IA estão superando as quedas nos preços dos tokens
À medida que as empresas ampliam o uso da IA agêntica, seus custos aumentarão, pois utilizarão mais tokens de IA — mesmo que o custo unitário dos tokens diminua. Apesar do custo por token ter caído cerca de 80% no último ano, o consumo de tokens aumentou 320 vezes no mesmo período, conforme destacado por Jeff Clarke, diretor de operações da Dell Technologies, em seu discurso de abertura no Dell Technologies World 2026.
A adoção de agentes está, de modo geral, em ascensão. Os dados do levantamento da KPMG referente ao primeiro trimestre de 2026 mostram um crescimento de 11% no primeiro trimestre de 2025 para 54% no primeiro trimestre de 2026. Além disso, pesquisas sugerem que as tarefas de IA agêntica são excepcionalmente onerosas, consumindo até 1.000 vezes mais tokens do que o raciocínio de código ou o chat de código. Isso ocorre porque os agentes não chamam os modelos apenas uma vez: eles encadeiam prompts, geram subagentes e reexecutam fluxos de trabalho com muito contexto até produzirem um resultado. Jon Siegal, vice-presidente sênior de soluções para clientes da Dell, descreveu claramente o problema operacional em uma recente reunião com analistas.
“Muitos aprenderam isso da maneira mais difícil, seja ao atingir os limites de créditos ou ao receber contas inesperadas do serviço em nuvem”, comenta Siegal. “Embora o custo por token esteja diminuindo, os superusuários estão consumindo tokens a um ritmo tão acelerado que ficam chocados com o valor das contas de nuvem.”
Um desses grandes usuários foi a Uber, que esgotou seu orçamento de IA para 2026 em apenas quatro meses, à medida que os engenheiros adotavam o Claude Code com seu sistema agêntico integrado. Um consultor de IA também disse à Axios recentemente que um de seus clientes gastou US$ 500.000 em tokens do Claude Code em um único mês.
Como a tokenomia se concentra no custo por resultado, em vez do custo por token
Fica claro que muitas empresas estão enfrentando dificuldades com o uso de tokens por IAs agênticas e com os custos crescentes associados ao escalonamento: de acordo com uma pesquisa da Cloudian com 203 tomadores de decisão em TI, publicada no início de 2026, os gastos com IA na nuvem superaram as projeções iniciais para 40% das organizações.
Isso ocorre porque o custo por token não é a unidade adequada para cargas de trabalho de IA autônoma, já que praticamente nenhum fluxo de trabalho útil é concluído em uma única inferência. Em vez disso, as empresas devem tratar as cargas de trabalho de IA como um exercício de arbitragem, no qual a escolha, a alocação e o roteamento do modelo são continuamente reequilibrados em relação à economia de resultados — ou tokenomia.
A tokenomia se concentra no custo por resultado: tokens consumidos por fluxo de trabalho concluído, ponderados de acordo com o cumprimento ou não do SLA por parte do fluxo de trabalho. Trata-se de uma série de medidas práticas para conter o custo geral dos tokens. Entre eles estão a alocação de cargas de trabalho, o roteamento de modelos, os orçamentos limitados por políticas e os painéis de KPIs. A Dell está incorporando essas iniciativas ao seu portfólio AI Factory para ajudar os líderes de TI e finanças a ir além do custo por token e avaliar o custo por resultado.
Utilização da tokenomia para controlar os custos de escala de IA agênticas
A tokenomia pode ajudar a reduzir o gasto total com tokens de agentes de IA de diversas maneiras.
Controles de política que limitam o gasto por fluxo de trabalho são a maneira mais direta de interromper ciclos descontrolados antes que eles afetem o financeiro. O roteamento de modelos envolve o envio de tarefas de planejamento complexas para modelos de fronteira caros (que podem rodar na nuvem pública), enquanto roteia o trabalho de rotina para modelos locais menores, incluindo aqueles que rodam no próprio dispositivo. Este será um diferencial competitivo para empresas capazes de operar a camada de orquestração de forma competente.
A matemática por trás desse argumento é impressionante. A maior carga de trabalho de IA interna da Dell roda em 16 GPUs e atende 40.000 funcionários. Essa configuração enfraquece a suposição de que a IA empresarial precisa de clusters do tamanho de nuvens gigantescas.
A auditabilidade integra-se ao mesmo modelo operacional. Clarke sugeriu que toda ação de um agente autônomo deveria gerar um registro do que o agente fez, porque fez e como desfazer a ação, para que a governança deixe de ser um memorando de política e passe a ser um artefato por transação. Tratar trilhas de auditoria como parte do custo unitário de um agente, em vez de um custo adicional de conformidade anexado posteriormente, é o que permite que a tokenomia seja escalada para cargas de trabalho regulamentadas sem a necessidade de rearquitetar a frota de agentes.
Do Desktop ao Data Center: Dell AI Factory com NVIDIA
IA generativa exige infraestrutura robusta. Dell e NVIDIA oferecem hardware, software e rede otimizados para acelerar projetos, do desktop ao data center, reduzindo configuração e gestão. Veja o infográfico e transforme sua jornada de IA.
Ver AgoraComo a Dell ajuda as empresas a controlar os custos de escala com a tokenomia
A oferta de produtos da Dell que apoia uma abordagem baseada em tokenomia para controlar os custos de escala de IAs agênticas é um portfólio híbrido, e não um dispositivo único. As soluções de estações de trabalho prontas para produção de IA agêntica de mesa (Deskside) da Dell, anunciadas em maio, executam localmente modelos de 30 bilhões a 1 trilhão de parâmetros. A pilha de software NemoClaw da NVIDIA é responsável pelas medidas de segurança, enquanto o ambiente de execução isolado do OpenShell oferece um ambiente de desenvolvimento e teste para os agentes. Pesquisas da Signal 65 descobriram que, nessas estações de trabalho, as empresas observam um gasto até 87% menor em comparação com APIs de nuvem pública ao longo de dois anos. Elas podem atingir o ponto de equilíbrio em relação à inferência em nuvem medida em apenas três meses.
Para cargas de trabalho em data centers, a Dell AI Factory with NVIDIA (que, segundo a Dell, atende agora mais de 5.000 clientes globalmente) serve como a base modular que permite que os agentes transitem entre a estação de trabalho e o servidor, sem a necessidade de reescrever a lógica de orquestração. Os serviços de IA agêntica da Dell ancoram a camada de engajamento, definindo metas de custo por resultado, postura de governança e painéis de KPI antes que as decisões de infraestrutura sejam finalizadas.
O argumento arquitetural que a Dell está defendendo com a tokenomia é que o uso de tokens se acumula em uma taxa acelerada à medida que os fluxos de trabalho se tornam agênticos, e que estratégias baseadas apenas em nuvem falham nos aspectos de economia, segurança e soberania de dados pelos quais as empresas realmente precisam responder. Se os números precisos de 87% e três meses se mantêm no nível do cliente, depende da combinação de cargas de trabalho e da utilização. Mas o argumento direcional, onde agentes sempre ativos levam as empresas em direção à infraestrutura própria, é consistente com os dados de repatriação.
Tokens tratados como custo das mercadorias vendidas — alocados deliberadamente, roteados por política, limitados por orçamento, auditados por padrão — são o que diferencia um item de orçamento de IA agêntica que entrega ROI (retorno sobre os investimentos) de um modelo que entrega um choque de custos. Essa disciplina funciona melhor quando a infraestrutura subjacente é própria, instrumentada e roteável, da mesa de trabalho ao data center. Os diretores financeiros (CFOs) e diretores de TI (CIOs) que lerem a fatura de serviços em nuvem do mês passado provavelmente considerarão o resultado convincente.
