Quanto custa de verdade cada conversa com a sua IA?

Existe uma pergunta que todo founder construindo um produto de IA deveria fazer antes de escrever uma linha de código: quanto vai me custar cada conversa com um usuário?

Não estamos falando de "IA é barata" nem de custos genéricos de infraestrutura. Estamos falando de números concretos: abrir o painel de uso da API e saber exatamente quantos centavos custa cada interação.

Porque essa é a diferença entre um produto de IA que escala e um que come a sua margem.

O taxímetro se chama token

Toda vez que a sua aplicação responde, roda um taxímetro que conta tokens. Um token é um pedaço de texto: às vezes uma palavra, às vezes meia. Como regra rápida, um token equivale a uns 4 caracteres em inglês; em português e espanhol a mesma mensagem costuma consumir mais tokens.

Tudo é cobrado em tokens: as instruções, o histórico, os documentos, as ferramentas e até o que o modelo "pensa" antes de responder.

O taxímetro tem três tarifas:

1. Entrada: tudo o que o modelo lê.
2. Saída: tudo o que ele escreve, incluindo seu raciocínio. É a tarifa cara: cerca de 5 vezes o preço da entrada.
3. Cache: conteúdo repetido que o provedor reutiliza. Lê-lo custa entre 5% e 10% do preço normal.

A tabela de preços, em contexto

Preços de tabela da Anthropic em novembro de 2026, por milhão de tokens:

• Claude Haiku 5.5: USD 0,10 de entrada / USD 0,50 de saída
• Claude Sonnet 5.5: USD 2 / USD 10
• Claude Opus 5.5: USD 4 / USD 20

Entre o menor e o maior modelo há 40 vezes de diferença. Outros provedores têm escalas parecidas. Mas esses números, sozinhos, não dizem nada: é preciso traduzi-los em custo por conversa.

Anatomia de uma conversa

Pegue um agente de atendimento ao cliente, como os que construímos na Persiscal para empresas reais:

• System prompt: 1.500 tokens (instruções, contexto do negócio, regras)
• 5 turnos de conversa
• Mensagem do usuário: ~100 tokens por turno
• Resposta do agente: ~300 tokens por turno

O erro mais comum é somar a entrada uma única vez. Mas os modelos não lembram de nada: a cada turno o system prompt e todo o histórico são reenviados. O turno 5 paga pelos 4 anteriores.

• Entrada real: 1.600 + 2.000 + 2.400 + 2.800 + 3.200 = 12.000 tokens
• Saída: 5 × 300 = 1.500 tokens

Com o Sonnet 5.5: (12.000 × USD 2 + 1.500 × USD 10) / 1.000.000 = USD 0,039 por conversa.

Quatro centavos. E é uma conversa simples. Com os mesmos preços, a faixa real fica assim:

• Consulta simples (2-3 turnos): ~2.000 de entrada, ~600 de saída → ~USD 0,01
• Conversa média (5-7 turnos): ~6.000 / ~2.000 → ~USD 0,03
• Sessão longa (10+ turnos): ~15.000 / ~5.000 → ~USD 0,08
• Sessão com ferramentas: ~30.000 / ~10.000 → ~USD 0,16
• Sessão com documentos: 50.000+ / 15.000+ → USD 0,25 ou mais

De um centavo a um quarto de dólar por conversa. Dois clientes no mesmo plano podem custar vinte vezes diferente. Essa variação define como você precisa precificar o seu produto.

Por que o custo dispara

• Conversas longas: o histórico é reenviado a cada turno, então o custo cresce mais rápido que o número de mensagens.
• Agentes: consultar uma ferramenta, ler o resultado e voltar a pensar são várias chamadas para cada pedido do usuário.
• Documentos: um PDF de 50 páginas pode custar mais do que cem perguntas curtas.
• Novas tentativas: se uma resposta sai errada, o taxímetro roda duas vezes.

A alavanca mais rentável: cache de prompts

Se você paga o system prompt e o histórico completos a cada turno, está queimando dinheiro.

Com o cache de prompts, o provedor guarda a parte que se repete e cobra uma fração por ela: no Sonnet 5.5, a leitura custa USD 0,10 por milhão contra USD 2 normais, 95% a menos. A primeira escrita custa 25% a mais e se paga a partir da segunda leitura.

Vamos recalcular a conversa de 5 turnos, colocando em cache o system prompt e o histórico:

• Entrada: de USD 0,024 para ~USD 0,009 (−63%)
• Total: de USD 0,039 para ~USD 0,024 (−39%)

Dois detalhes que fazem a diferença:

• O cache dura 5 minutos por padrão. Se o usuário demora mais para responder, ele se perde. Existe uma opção de 1 hora, com escrita mais cara.
• A ordem importa. O estável vai primeiro (instruções, ferramentas, documentos de referência) e o variável no final. Um único dado que muda no início, como a data e a hora, invalida todo o cache sem dar nenhum erro.

Repare que, com cache, a saída passa a ser mais da metade do custo. Por isso a próxima alavanca é escrever menos.

Nem tudo precisa do maior modelo

Um dos erros mais comuns é usar o modelo mais potente para tudo. É como ir ao supermercado de Ferrari.

Em um agente de atendimento, a maioria das consultas (perguntas frequentes, status, navegação básica) é resolvida perfeitamente por um modelo pequeno. A estratégia é rotear por complexidade:

1. Nível 1, Haiku 5.5: perguntas frequentes, respostas estruturadas, classificação. A conversa de exemplo custa ~USD 0,002.
2. Nível 2, Sonnet 5.5: conversas complexas, raciocínio, uso de ferramentas. ~USD 0,02 a 0,08.
3. Nível 3, Opus 5.5: análise profunda e tarefas que exigem a máxima qualidade. ~USD 0,08 a 0,50.

Se 80% das conversas vão para o nível 1 e 20% para o nível 2, o custo médio cai cerca de 75%. É preciso descontar o custo do classificador que decide para onde vai cada consulta, e medir que a qualidade percebida não caia.

Os custos que não aparecem na fatura da API

1. Busca na sua base de conhecimento (RAG): embeddings, banco vetorial e os tokens extras do contexto recuperado.
2. Ferramentas: cada chamada soma tokens de ida e volta. Um agente que consulta uma API pode dobrar o consumo.
3. Novas tentativas e erros: limites de uso, timeouts, respostas malformadas.
4. Moderação: filtrar conteúdo antes ou depois do modelo também consome.
5. Observabilidade: logs, traces e analytics têm seu próprio custo.

Na nossa experiência, esses custos somam entre 20% e 40% sobre o custo puro da API.

Seu agente é viável? Faça esta conta

Custo médio por conversa × conversas por usuário por mês = custo mensal por usuário. Ele é menor do que o usuário está disposto a pagar?

Exemplo concreto:

• Custo médio por conversa: USD 0,03, com cache e roteamento
• Conversas por usuário por mês: 30
• Custo mensal por usuário: USD 0,90

Se o seu plano mais barato custa USD 29 por mês, o custo de IA é 3% da receita. Um SaaS saudável.

Mas se o seu agente é intensivo (sessões longas, muitas ferramentas, modelos grandes) e chega a USD 0,25 por conversa com 100 conversas por mês, são USD 25 por usuário. Isso muda o modelo de negócio.

O que não se mede, não se controla

A fatura do provedor diz quanto você gastou, não com o quê. Para gerenciar tokens é preciso medir:

• Custo por conversa e por usuário, não só o total do mês.
• Custo por funcionalidade: qual parte do produto consome mais.
• Custo por tarefa concluída, não por chamada. Um modelo barato que precisa de três tentativas não é barato.
• Proporção de cache: quantos tokens de entrada são reutilizados.
• Alertas e limites antes de estourar o orçamento, não depois.

A tendência joga a favor

Em menos de um ano, os preços caíram forte:

• Haiku: de USD 1 / 5 (Haiku 4.5, março de 2026) para USD 0,10 / 0,50 (Haiku 5.5): 10 vezes mais barato.
• Sonnet: de USD 3 / 15 para USD 2 / 10.
• Opus: de USD 5 / 25 para USD 4 / 20.

E cada geração é mais capaz que a anterior. Se os seus números hoje são apertados mas positivos, vão melhorar sozinhos. É uma aposta com o vento a favor, desde que a sua arquitetura deixe trocar de modelo sem reescrever o produto.

As 8 alavancas que usamos na Persiscal

1. Cache de prompts bem desenhado: de −40% a −60% conforme a conversa. É grátis, só precisa ser bem implementado.
2. Roteamento de modelos: até −75% se a maioria das consultas for simples.
3. Saídas curtas e estruturadas: pedimos exatamente o necessário, sem enrolação.
4. Contexto mínimo: não enviamos o documento inteiro se três parágrafos bastam. Resumimos históricos longos e limpamos resultados antigos de ferramentas.
5. Processamento em lote: −50% para tudo o que pode esperar algumas horas, como relatórios ou classificação em massa.
6. Raciocínio sob medida: mais esforço no complexo, menos no simples.
7. Limites e alertas por agente, por cliente e por dia.
8. Custo por tarefa concluída como métrica de produto, no mesmo nível que velocidade e precisão.

Não é teoria: é assim que operamos nossos produtos

• No Persiscal Agents, cada agente mostra seu custo por conversa em tempo real, com limites e alertas antes de estourar o orçamento.
• No Readquire, o custo de IA é medido por cliente e por automação desde a primeira leitura.
• No ReconcileAI e no GEOScan, os clientes podem usar suas próprias API keys e controlar o gasto diretamente.

Então, quanto custa?

A resposta honesta: entre um e vinte e cinco centavos por conversa, conforme a complexidade, o modelo e o quanto você otimiza. Uma fração do que custa uma interação atendida por uma pessoa.

IA não é cara. Caro é não saber quanto ela custa.

Está construindo um agente e precisa fazer as contas? Vamos conversar: ajudamos você a medir o custo real da sua aplicação e a reduzi-lo sem perder qualidade. Você também pode nos escrever em @persiscal ou @fjbotti.