Custos de Inferência de IA: Análise da Gartner sobre aumento de cinco vezes até 2028

A demonstração de IA mais barata ainda é aquela que nunca encontra um usuário real. Quando um agente começa a planejar, recuperar contexto, chamar ferramentas, verificar o próprio trabalho e fazer tudo de novo porque a primeira resposta não era utilizável, a fatura deixa de parecer um experimento de chatbot. A nova previsão do Gartner coloca um número nessa inquietação: espera-se que o custo de inferência por fluxo de trabalho agêntico aumente mais de cinco vezes até 2028. Isso não é um prazo de conformidade, mas deve ser tratado como um por qualquer pessoa que esteja colocando fluxos de trabalho autônomos em produção.

Sobre o que

o Gartner está realmente alertando O comunicado do Gartner à imprensa diz que os custos de inferência de IA por fluxo de trabalho agêntico aumentarão mais de cinco vezes até 2028. A Techstrong.ai, ao reportar a mesma pesquisa do Gartner, acrescenta a parte incômoda: espera-se esse aumento mesmo com a queda nos preços dos tokens, porque modelos de raciocínio mais capazes podem consumir mais tokens e computação enquanto os agentes passam por várias etapas e decisões. Em bom português, ingredientes mais baratos não ajudam muito se a receita agora usa muito mais deles. Isso importa porque um fluxo de trabalho agêntico não é um único prompt com uma resposta organizada. A Techstrong.ai descreve agentes trabalhando por várias etapas e decisões, que é exatamente onde as equipes financeiras devem parar de aceitar o custo médio por consulta como a métrica relevante. A unidade de conta é o fluxo de trabalho concluído, incluindo tentativas fracassadas, novas tentativas, recuperação de informações, chamadas de ferramentas e escalonamento. Se o seu painel não consegue mostrar isso, ele não está medindo o que o Gartner está alertando. A tradução prática é simples. As equipes de produto precisam decidir quais fluxos de trabalho merecem tratamento agêntico, as equipes de engenharia precisam encaminhar tarefas mais baratas para modelos mais baratos, e a área financeira precisa definir limites antes que o uso escale. Tratar isso como uma preocupação apenas de engenharia é como surpresas viram explicações trimestrais.

A pilha de controle

de custos agora é governança A Techstrong.ai diz que o Gartner recomenda camadas de inferência, limites de tokens e monitoramento para manter os custos da IA agêntica sob controle. A Zylos Research descreve uma disciplina relacionada, Inference FinOps, focada em governar, rotear, armazenar em cache e arbitrar gastos com computação de IA entre provedores. Retire o rótulo e a obrigação é familiar: saber o que está rodando, por que está rodando, quem aprovou e quando deve parar. Para quem constrói, isso transforma escolhas de arquitetura em controles de política. O roteamento decide se uma solicitação precisa de um modelo de raciocínio de ponta ou de um modelo mais barato. O cache decide se o sistema paga de novo por um contexto que já buscou. Portões de aprovação decidem se o agente pode continuar gastando tokens, invocar ferramentas ou passar o caso para um humano. Esses itens não são enfeites para uma revisão de arquitetura. Eles são o equivalente, em custos, aos controles de acesso. A Zylos Research também diz que a inferência respondeu por 85% do orçamento corporativo de IA em 2026 e por cerca de dois terços do gasto global com computação de IA. Ela estima que uma única chamada de API de chatbot possa custar US$ 0,001, enquanto um agente de várias etapas que planeja, recupera contexto, invoca ferramentas, reflete e se autocorrige pode custar de US$ 0,10 a US$ 1,00 por conclusão de tarefa. Esses números naturalmente não vão se encaixar perfeitamente em todos os contratos com fornecedores. Eles explicam por que a área de compras começará a fazer perguntas mais difíceis do que se a demonstração parecia fluente.

O risco de cancelamento não tem a ver com mágica do modelo A Forbes, citando

o Gartner, informa que mais de 40% dos projetos de IA agêntica podem ser cancelados até o fim de 2027, atribuindo os cancelamentos a problemas de gestão, e não às capacidades dos modelos. Os motivos citados são governança fraca, valor de negócio indefinido e disciplina operacional insuficiente, incluindo casos em que chatbots são rotulados incorretamente como agentes de verdade. Essa é a versão menos glamourosa da história, o que geralmente significa que é a que vale a pena ler. É aqui que hábitos jurídicos e de política ajudam, mesmo quando nenhum regulador está forçando a questão. Defina o propósito antes da implantação. Registre os direitos de decisão antes que o sistema aja. Estabeleça limites para custo, tratamento de erros e revisão humana antes que o piloto passe a fazer parte das operações diárias. Se isso parece burocracia, parabéns, você descobriu a produção. O Inside Privacy relata que o Information Commissioner’s Office do Reino Unido publicou, em janeiro de 2026, reflexões iniciais sobre as implicações da IA agêntica para a proteção de dados, ao mesmo tempo observando que o relatório não era uma orientação regulatória formal. A distinção importa. O ICO não criou um novo livro de regras nesse relatório, mas seu interesse sinaliza que autonomia, acesso a dados e responsabilização agora são questões de política, além de questões de produto.

O que muda na prática até 2028 A previsão do Gartner para

2028 não exige que ninguém encerre projetos de agentes. Ela exige uma conversa de aprovação diferente. Um fluxo de trabalho deve ter um valor esperado, um custo esperado de conclusão, um caminho de fallback e um responsável nomeado antes de ganhar acesso amplo a usuários ou ferramentas internas. Se esses quatro itens estão faltando, o agente não é autônomo. É gasto sem supervisão com uma interface amigável. O próximo movimento útil não é proibir agentes nem comprar outro painel porque um fornecedor usou a palavra governança. Comece pelos fluxos de trabalho em que a autonomia tem retorno mensurável e, então, aplique roteamento, cache, limites de tokens, monitoramento e portões de aprovação antes que o volume chegue. Acompanhe a previsão de custos do Gartner até 2028, a taxa de cancelamento reportada até o fim de 2027 e os reguladores de privacidade circulando os sistemas agênticos. Quem constrói tratando a economia da inferência como política de produto terá menos reuniões dramáticas depois. Seus advogados talvez até parem de usar frases animadas em comunicados à imprensa, que é como você sabe que as coisas estão melhorando.