Custo de tokens de IA: o novo FinOps que preocupa bancos e fintechs

Julia Fonseca

Depois de anos incentivando funcionários a adotar assistentes de inteligência artificial generativa, muitas empresas descobriram uma nova linha de despesa difícil de prever: o custo de tokens de IA. Segundo reportagem do Mobile Time, o aumento desse gasto passou a preocupar grandes companhias, especialmente aquelas que empurraram o uso massivo de IA entre seus times nos últimos anos. Para bancos e fintechs, que operam com margens sensíveis e alto volume de atendimento, entender como essa conta se forma virou parte do dia a dia.

O ponto de partida está no tamanho do mercado. Um estudo do Gartner projeta que os gastos globais com modelos fundacionais de IA devem chegar a US$ 23,5 bilhões até o final de 2026, o dobro dos US$ 11,4 bilhões registrados em 2025. Já os gastos com modelos menores e especializados devem triplicar (210%), saindo de US$ 1,5 bilhão para US$ 5 bilhão. Neste artigo, vamos destrinchar o mecanismo por trás dessa despesa, sem receitas prontas, para você pensar como um gestor de tecnologia pensa.

Como funciona o custo de tokens de IA

Para entender a conta, é preciso saber o que é um token. O consumo de tokens na maioria dos modelos é dividido em duas partes: a entrada (input), que é o processamento de dados feito ao efetuar uma requisição para a IA, e a saída (output), que é o resultado entregue pela IA. Ou seja, você paga tanto pelo que envia quanto pelo que recebe de volta.

Os modelos que geram esses tokens também se dividem em dois formatos. Os proprietários, como OpenAI ou Anthropic, tendem a ser mais caros, com menos controles de segurança e controlados por um único player. Já os modelos open source, como Llama, Mistral e DeepSeek, são abertos e oferecem mais controles, mas demandam mais hardware e equipe técnica com conhecimento.

Um detalhe contraintuitivo é que preço por token não conta a história toda. A plataforma Artificial Analysis, que faz o benchmark de 581 modelos de IA disponíveis no mundo, aponta o DeepSeek V4 Flash como um dos modelos abertos mais baratos para realizar tarefas (US$ 0,02), mas é o segundo que precisa consumir mais tokens para completar uma tarefa (45 mil tokens). Na ponta oposta, um modelo proprietário caro como o GPT 5.6 Sol da OpenAI (US$ 1,04) é um dos que menos usa tokens para completar as tarefas (15 mil tokens). A lição de mecanismo: o custo real depende de quantos tokens a tarefa exige, não só do preço unitário.

Para empresas que dependem de IA em escala, esses números viram orçamento. Rafael Pacheco, CEO da Wiv, relata que o Waizer, seu produto baseado em IA para analytics conversacional para empresas, consome 5 bilhões de tokens por mês. Volumes como esse ajudam a explicar por que o assunto saiu do laboratório e entrou na planilha financeira.

FinOps de tokens: o modelo certo para a tarefa certa

O paralelo mais citado pelo mercado é com a computação em nuvem. Para Bruno Samora, CPO da Matera, o movimento que vemos com a IA é similar ao que ocorreu com o cloud computing uma década atrás, quando surgiu a disciplina de FinOps. Agora, segundo ele, o mercado começa a tratar o chamado FinOps de Tokens, ou seja, a governança financeira do consumo de IA.

A ideia central é simples de enunciar e difícil de executar: usar o modelo correto, com o custo correto, para cada tipo de tarefa. Gustavo Torres, head de inovação e tecnologia do C6 Bank, resume que o segredo está em definir o modelo de IA certo para a tarefa certa. Ele dá um exemplo prático: se todos usarem o Opus 4.8, um modelo de reasoning avançado da Anthropic, para perguntas triviais, é desperdício de dinheiro, porque esse tipo de modelo foi feito para tarefas mais complexas.

Outras táticas aparecem no relato das empresas:

• Guardrails de resposta. Giovanna Dominiqui, da Infobip na América Latina, conta que uma das formas de controlar o consumo é colocar guardrails para limitar os formatos de respostas.
• Engenharia de contexto. Marcos Bonas, da Zup, lembra que as companhias usam técnicas como contexto de repositório (function calling) e estruturas de prompt avançadas para extrair eficiência com menos tokens.
• Arquitetura agnóstica. O C6 construiu uma estrutura interna que consome modelos e tokens de forma agnóstica para evitar o lock-in com um único fornecedor.

Esse tipo de raciocínio, escolher a ferramenta proporcional ao problema, é a mesma lógica de disciplina de custos que a Educação financeira ensina para orçamentos pessoais: nem todo gasto precisa ser o mais caro para entregar valor.

Infraestrutura e o gargalo dos data centers até 2030

Um ponto que parece paradoxal: os custos caem, mas a conta sobe. Um estudo da Iron Mountain revela que, apesar dos custos de consumo dos grandes modelos de linguagem estarem caindo dez vezes na média anual, a redução está impulsionando o consumo de tokens. Em outras palavras, quando fica mais barato, as pessoas usam mais, e a despesa total volta a crescer.

Esse efeito pressiona a infraestrutura. O relatório da Iron Mountain projeta um déficit massivo global na oferta de data centers contra a demanda, que deve aumentar mais de 500%, com apenas 90 GW disponíveis para suprir os usos de IA até 2030. Ainda segundo o material, até 2030, 80% da carga crítica de TI será para inferência, invertendo o cenário atual mais focado em treinamento.

No setor financeiro, a resposta tem sido combinar mundos. Leandro Marçal, diretor de tecnologia do Bradesco, explica que o banco adota uma estratégia híbrida, combinando parte dos fluxos de trabalho na nuvem (AWS e Microsoft) e outra parte em seus data centers proprietários na Cidade de Deus, Alphaville e Curitiba. Para orquestrar isso, o Bradesco utiliza a Bridge, um barramento central que governa os acessos aos modelos de IA por custos e tipo. Esse tipo de governança de plataforma conversa diretamente com o que discutimos na Dotless Technology sobre arquitetura de sistemas financeiros.

O pano de fundo macroeconômico das margens

A preocupação com custo não acontece no vácuo. Ela se soma a um ambiente de juros altos e inflação que continua no radar das empresas. A Selic, na observação de 05/08/2026, estava em 14,25% ao ano, segundo a série 432 do Banco Central. No mesmo período, o IPCA acumulado em 12 meses, na leitura de junho de 2026 (último dado disponível), estava em 4,64%, conforme a série 13522 do BCB.

Por que isso importa para a discussão de tokens? Porque, com custo de capital elevado, cada real gasto em infraestrutura de IA compete com outras prioridades e precisa gerar valor mensurável. Não à toa, os executivos entrevistados falam em evitar o hype de colocar IA em tudo e em monitorar de perto como os colaboradores utilizam a tecnologia. A mensagem de fundo é de disciplina, não de corrida cega. Para acompanhar como esses temas evoluem, vale seguir o Blog Dotless.

O recado final para quem lidera tecnologia em finanças é de método: medir input e output, escolher o modelo proporcional à tarefa, colocar limites técnicos e tratar tokens como uma linha orçamentária viva. A IA generativa é habilitadora, mas, como o próprio mercado reconhece, tem custo elevado e precisa gerar valor.