Quanto custa implementar IA na empresa: os fatores que determinam o preço

Esta é a pergunta mais frequente e a mais mal respondida do mercado de IA corporativa. A resposta honesta é que os valores variam demais por contexto para serem úteis em um artigo: o mesmo caso de uso — digamos, um assistente interno sobre a documentação da empresa — pode diferir em ordem de grandeza entre duas empresas do mesmo tamanho, dependendo do estado dos dados, do número de sistemas envolvidos e do que a área de segurança vai exigir.

Por isso este texto não traz faixas de preço. Ele traz algo mais útil na hora de decidir: os fatores que movem o custo para cima e para baixo, como separar o que é projeto do que é operação, como estruturar um pedido de proposta que permita comparação justa e como identificar um orçamento irreal — dos dois lados.

Por que não existe preço de tabela

Projeto de IA não é a compra de um produto pronto; é a integração de um componente probabilístico dentro de um processo que já existe e quase nunca está documentado como as pessoas acham que está. O trabalho pesado raramente é o modelo — é tudo o que cerca o modelo: descobrir a regra real do processo, encontrar e limpar os dados, conectar sistemas que não foram feitos para conversar, definir o que conta como resposta aceitável e convencer as pessoas a mudar como trabalham.

É por isso que uma proposta de IA se parece mais com uma reforma do que com uma compra. O orçamento depende do que se encontra ao abrir a parede — e um fornecedor sério trata isso explicitamente, com uma etapa curta de diagnóstico antes de fechar o escopo completo.

Os fatores que determinam o custo

Sete fatores explicam a maior parte da variação entre uma proposta e outra. Vale ir a cada reunião com fornecedor sabendo onde a sua empresa está em cada um deles — é isso que transforma uma conversa comercial em uma conversa técnica.

Um padrão vale destacar: os fatores mais caros costumam ser os menos técnicos. Documentação bagunçada e adoção mal conduzida encarecem mais projetos do que qualquer decisão de arquitetura — e são justamente os que o cliente controla.

Custo de projeto e custo recorrente são coisas diferentes

O erro de orçamento mais comum é aprovar um projeto olhando só a linha de entrega. IA não é um ativo que você compra e esquece: é um sistema vivo, ligado a modelos que mudam, a processos que mudam e a pessoas que mudam de função.

O custo recorrente tem pelo menos seis componentes que precisam aparecer separados na proposta:

• Consumo dos modelos, que cresce com o uso real — e o uso real tende a ser maior que o estimado quando a ferramenta é boa.
• Infraestrutura: hospedagem, base vetorial se houver, monitoramento, backup.
• Manutenção evolutiva: cada mudança de processo, de sistema integrado ou de política interna exige ajuste.
• Reteste periódico. Modelos são atualizados e o comportamento muda; sem uma bateria de casos de referência, você descobre a mudança pelo usuário reclamando.
• Suporte e correção de defeitos, com prazo de resposta definido em contrato.
• Tempo do time interno: quem responde dúvidas, revisa saídas, mantém a base de conhecimento atualizada. É custo real mesmo sem sair da folha.

O custo escondido de não organizar os dados antes

Este é o item que mais estoura orçamento e o que menos aparece nas propostas iniciais, porque ninguém sabe o tamanho dele antes de olhar. Um assistente que responde sobre documentação interna é tão bom quanto a documentação interna. Se os procedimentos estão desatualizados, se existem três versões conflitantes da mesma política e se metade do conhecimento nunca foi escrito, o projeto de IA vira, na prática, um projeto de organização documental com uma camada de IA no fim.

Há duas maneiras de pagar essa conta. A primeira é dentro do projeto, com o fornecedor cobrando horas para descobrir, consolidar e validar conteúdo — trabalho caro, porque quem valida precisa ser gente da sua empresa de qualquer forma. A segunda é antes, internamente, com o time organizando a base sob orientação. A segunda quase sempre sai mais barata e tem um efeito colateral valioso: mesmo que o projeto de IA seja adiado, a empresa fica com a documentação em ordem.

Comprar, construir ou combinar os dois

A escolha entre contratar uma ferramenta de mercado, desenvolver algo sob medida ou combinar as duas coisas é a decisão que mais move o custo total — e a que mais se decide por preferência em vez de análise.

Três armadilhas comuns nessa decisão. A primeira é subestimar o custo de manter o que se constrói: código sob medida sem dono designado apodrece rápido. A segunda é ignorar o custo de saída de um SaaS — pergunte como você recupera seus dados e suas configurações se decidir trocar. A terceira é construir para economizar licença, o que raramente se sustenta em cenários de poucos usuários.

Como pedir e comparar propostas de forma justa

Sinais de orçamento irreal

Orçamento fora da realidade quebra projeto nos dois sentidos. O barato demais costuma virar aditivo, atraso ou entrega que ninguém usa; o caro demais paga complexidade que o seu caso não pedia.

Barato demais

• Preço fechado enviado sem nenhuma pergunta sobre seus sistemas, seus dados ou seu processo.
• Custo recorrente ausente ou descrito como 'incluso', sem detalhar consumo de modelo e suporte.
• Prazo agressivo para algo que envolve várias integrações — normalmente significa que o esforço de integração não foi considerado.
• Nenhuma menção a testes, critério de aceite ou o que acontece quando o sistema erra.
• Nada sobre treinamento e adoção. A ferramenta entregue e não usada é o desperdício mais caro que existe.

Caro demais

• Infraestrutura pesada proposta para um caso de uso de poucos usuários.
• Treinamento de modelo próprio quando ferramentas prontas e boa engenharia de contexto resolveriam.
• Escopo inflado com módulos que ninguém pediu, apresentados como pré-requisito.
• Cobrança por 'plataforma proprietária' sem clareza sobre o que ela faz além de intermediar modelos de mercado.
• Recusa em fatiar a entrega. Quem não aceita começar por um caso de uso está vendendo tamanho, não solução.

Como calcular retorno de forma honesta

Cálculo de retorno de IA costuma ser feito de forma generosa: multiplica-se horas economizadas por custo-hora e chega-se a um número grande. O problema é que hora economizada só vira dinheiro se alguém fizer algo de valor com ela ou se a empresa deixar de contratar. Se as duas coisas não acontecem, o ganho é real para as pessoas e invisível no resultado — o que é legítimo, mas precisa ser nomeado assim.

1. 1Meça a linha de base antes. Tempo gasto na tarefa hoje, volume mensal, taxa de erro, tempo de resposta. Sem medir antes, qualquer resultado depois vira opinião.
2. 2Separe ganho de eficiência de ganho de receita. Eficiência é mais fácil de medir e mais difícil de converter em caixa; receita é o contrário.
3. 3Inclua o custo interno na conta: horas do time no projeto, na supervisão e na manutenção da base de conhecimento.
4. 4Considere ganhos que não são de tempo — redução de erro, velocidade de resposta ao cliente, risco evitado. Descreva-os qualitativamente em vez de inventar um número.
5. 5Assuma uma curva de adoção. O ganho pleno não chega no mês um, e um cálculo que ignora a rampa está errado por definição.
6. 6Reveja o número depois. Compare o previsto com o realizado e registre a diferença — é o que torna o próximo orçamento confiável.

Uma referência prática de decisão: se o retorno de um projeto de IA só fecha com premissas otimistas em várias linhas ao mesmo tempo, ele provavelmente não fecha. Projetos bons costumam ter um ganho principal óbvio e grande o bastante para sobreviver a premissas conservadoras.

“O maior custo de um projeto de IA não é o que você paga ao fornecedor: é o tempo da sua equipe que ninguém colocou na planilha.”

— Inteligência Artificial para Negócios