Nos últimos meses, vários casos concretos estão contradizendo uma das promessas mais repetidas sobre inteligência artificial: a de que ela reduz custo. O que estamos vendo, na prática, é diferente. A IA não elimina o custo. Ela o move para outro lugar, muitas vezes para um lugar que ninguém havia orçado. Neste artigo, vamos mostrar alguns desses casos, o que eles têm em comum e o que fazer para não cair na mesma armadilha.

O custo que ninguém viu chegando

A lógica parecia simples. IA automatiza tarefas, reduz tempo de desenvolvimento, diminui a necessidade de mão de obra em funções repetitivas. Logo, o custo cai. Correto?

O que ninguém colocou na conta foi o custo de revisão do que a IA produz, o retrabalho quando o output parece certo e não está, a governança para decidir o que vai para a IA e o que não vai, a infraestrutura quando o consumo de tokens escala sem controle. Esses custos existem e aparecem na hora menos esperada.

O que os números de 2026 estão mostrando

Jensen Huang, CEO da Nvidia, disse publicamente que ficaria alarmado se um engenheiro com salário de US$ 500 mil não gastasse pelo menos US$ 250 mil por ano em tokens de IA. A ideia é que uso de IA é sinal de produtividade.

Só que, semanas depois, o VP de Applied Deep Learning da própria Nvidia revelou que o custo com compute dentro do time dele já supera o custo com os funcionários. Engenheiros com salários entre US$ 192 mil e US$ 243 mil por ano. E a conta de tokens é maior.

A empresa que mais lucra com adoção de IA não está conseguindo controlar o próprio custo de IA.

O Uber é outro caso que vale atenção. Com a distribuição de uma ferramenta de codificação assistida por IA para os 5.000 engenheiros da empresa, o uso saltou de 32% para 84% do quadro em poucos meses. O orçamento anual de IA de 2026 foi consumido inteiro em quatro meses. Cada engenheiro gerando até US$ 2.000 por mês só em tokens.

Ninguém havia se planejado para isso.

E os ganhos de produtividade que justificariam esse gasto? Mais de 80% das empresas que adotaram IA não reportaram nenhum benefício mensurável, apesar dos bilhões investidos.

O que está por trás desse descompasso

A maioria das empresas mede o que é fácil de medir: velocidade de geração, volume de output, horas economizadas no desenvolvimento. O que fica fora do radar são os custos que a IA cria no processo.

Quando um time adota IA sem um critério claro de onde ela se encaixa, o uso cresce, o consumo de tokens cresce e a necessidade de revisão e supervisão cresce junto. O custo total, no final do mês, surpreende quem assinou a aprovação. E a raiz quase sempre está na ausência de processo, não na escolha da ferramenta.

Por que o Discovery faz diferença aqui

Entender onde a IA deve ser aplicada é uma decisão de negócio que precisa ser tomada com base em dados reais sobre como o trabalho acontece.

É exatamente esse o papel de um processo bem feito de Discovery de Design. Antes de qualquer implementação, mapear os fluxos reais, identificar onde o custo de erro é baixo, onde o volume justifica automação e onde a supervisão humana ainda é insubstituível. Sem esse mapeamento, a tendência é aplicar IA onde é mais fácil, e não necessariamente onde gera mais retorno.

Um Discovery bem conduzido entrega uma visão clara de onde a IA agrega valor e onde ela apenas transfere o problema para outra etapa, evitando que o custo invisível apareça só depois da implementação.

O que as empresas que estão acertando têm em comum

O que as empresas que estão acertando têm em comum é clareza sobre onde a IA entra e como o retorno vai ser medido. Isso define tudo que vem depois.

Definem com precisão os processos onde a IA atua, escolhendo os pontos onde o custo de erro é tolerável, o volume é alto e a revisão humana pode ser reduzida com segurança.

Medem o que conecta uso a resultado: custo por entregável, tempo de ciclo, taxa de retrabalho. Métricas que fazem sentido para o negócio, não para o fornecedor.

Constroem governança antes de escalar. Quem aprova o uso, quem revisa o output, qual o limite de gasto por equipe. Perguntas que precisam ter resposta antes de a adoção virar rotina.

Uma pergunta para fechar

Sua empresa já está usando IA, ou está prestes a escalar esse uso.

Antes de avançar, vale responder com honestidade: você sabe exatamente onde esse custo vai aparecer? Onde nos processos, nas pessoas e na qualidade do que é entregado quando a ferramenta entra em operação.

Se a resposta for vaga, vale pensar e conversar antes de escalar.

Fale com a gente. A primeira conversa começa com um mapeamento honesto do seu contexto.