Custo de agente de IA: por que a conta dobra e como cortar
O custo de agente de IA de uma startup americana de porte médio cresceu 6 vezes em dois trimestres, sem que o volume de trabalho crescesse junto. O relato é de um líder de engenharia da empresa, publicado pela LangChain, e a explicação que ele deu foi que ninguém estava acompanhando o gasto. O mesmo texto cita a Uber consumindo todo o orçamento de IA de 2026 em quatro meses, a Microsoft cancelando licenças de Claude Code em divisões e a Salesforce diante de uma conta de US$ 300 milhões com a Anthropic. Os quatro casos vêm de uma fonte só: a LangChain, empresa que vende a ferramenta de controle desse custo.
Custo de agente de IA é o que uma equipe de engenharia gasta em token com assistentes de programação como Claude Code, Cursor e GitHub Copilot. Diferente de licença de software, ele varia com o uso e não aparece em valor fixo no orçamento.
Os números saíram todos do mesmo post
A LangChain abriu o texto com o caso da startup: 6 vezes mais caro em dois trimestres, com o trabalho no mesmo tamanho.
Os outros três casos aparecem em sequência, sem fonte indicada:
- A Uber teria queimado o orçamento de IA de 2026 inteiro em quatro meses.
- A Microsoft estaria cancelando licenças de Claude Code em várias divisões.
- A Salesforce estaria diante de uma conta de US$ 300 milhões com a Anthropic.
A LangChain não diz de onde tirou esses três, nem os atribui a nenhuma apuração. Na varredura de 4 de agosto de 2026 que originou esta matéria, um único veículo publicou sobre o assunto: a própria LangChain. Enquanto nenhum outro confirmar, os casos da Uber, da Microsoft e da Salesforce valem como afirmação de parte interessada.
O gasto virou métrica de progresso no começo de 2026
Segundo a LangChain, o uso de agentes de programação explodiu no início de 2026 e as equipes passaram a tratar gasto como prova de trabalho. Mais token consumido seria mais entrega, mais alavancagem, mais evidência de que a aposta em IA estava rendendo. A conta chegou meses depois.
Por que o custo de agente de IA sobe sem ninguém ver
A causa apontada é a fragmentação de ferramentas. Uma funcionalidade só pode passar por três: Claude Code na implementação inicial, Cursor nas edições pontuais, Copilot Chat na revisão de um colega. Cada uma registra a própria atividade no próprio formato.
A pergunta "quanto custou construir isso, e valeu a pena?" fica então sem resposta. O dado existe, espalhado em três registros que não se somam.
A LangChain lista o que cada ferramenta expõe hoje. O Copilot emite spans de OpenTelemetry. O OpenCode tem hooks de sessão. O Pi tem uma extensão. O Cursor usa hooks. Uma chamada de ferramenta no Claude Code e uma chamada no Cursor não são gravadas do mesmo jeito, então não dá para colocar as duas lado a lado e perguntar qual entrega mais por real gasto.
O problema aparece quando a equipe passa de uma ferramenta, o que a LangChain diz ouvir dos clientes já nos primeiros meses de adoção.
A saída proposta é observabilidade de agente de IA, vendida por quem escreveu
O post encadeia três estágios: visibilidade, otimização, governança. A visibilidade aponta onde otimizar, a otimização revela onde a governança precisa apertar, e a governança segura o ganho para que a rodada seguinte meça progresso em vez de desperdício novo.
A recomendação prática é começar pela observabilidade: saber quais agentes estão rodando, quanto cada um gasta e onde as sessões falham, antes de decidir o que cortar.
O resto é produto da casa. As sessões viram traces no LangSmith, normalizados num modelo comum (sessão raiz, turnos, chamadas de ferramenta, metadados), com filtro por thread_id, modelo, provedor ou nome da ferramenta. Há integração para Claude Code, Codex, OpenCode, Cursor, GitHub Copilot, Pi e dcode, com configuração própria em cada uma. Os outros dois produtos citados são o Engine e o LLM Gateway.
A própria LangChain delimita quando isso não serve: empresa que padronizou em uma ferramenta só, e cujo painel nativo já responde às perguntas de custo, não precisa de segunda camada.
O que o material não tem
O post não traz data de publicação. Não apresenta número agregado de mercado, só os quatro casos citados. E omite quanto custa a camada de observabilidade que recomenda.
O que muda para quem aprova orçamento de TI no Brasil
Nenhum dos quatro casos é brasileiro, e o material apurado não traz valor em reais. O problema de reconciliação, esse, se repete em escala menor: uma equipe rodando Claude Code, Cursor e Copilot ao mesmo tempo tem três faturas, três formatos e nenhuma resposta para o custo de uma entrega específica.
Duas perguntas antecedem a compra de qualquer painel de custo de agente de IA:
1. Quantas ferramentas de agente estão em uso na equipe hoje? 2. Alguém consegue dizer, sem estimar, quanto foi gasto na última entrega?
Uma ferramenta só, o painel nativo do fornecedor resolve. Mais de uma, e sem resposta para a segunda pergunta, o gasto já saiu do campo de visão. O caso da startup mostra o que acontece nos dois trimestres seguintes.
--- Apurado em 1 veículo de 1 país: LangChain (Estados Unidos), em post sem data de publicação declarada.