Uma nova análise da McKinsey procura perceber onde é que os chamados agentes de IA começam efectivamente a fazer sentido económico para as empresas. A resposta é menos espectacular do que a promessa tecnológica, mas talvez seja bastante mais importante: nem tudo o que pode ser automatizado deve ser automatizado, e uma empresa pode gastar muito dinheiro a construir uma operação de inteligência artificial que, apesar de impressionante numa demonstração, destrói valor quando chega à escala.O problema começa pelo preço da própria inteligência. O custo dos tokens – as unidades através das quais os modelos processam informação – continua a cair, mas isso não significa que utilizar agentes esteja necessariamente a ficar barato. Pelo contrário, a McKinsey alerta para uma situação aparentemente paradoxal, pois enquanto o preço individual da capacidade computacional diminui, a despesa empresarial com IA está a aumentar, porque os sistemas começam a ser utilizados em volumes muito maiores e em tarefas muito mais complexas.Segundo a análise, no início de Julho um modelo de fronteira como o GPT-5.5 custava cerca de cinco dólares por milhão de tokens de entrada e 30 dólares por milhão de tokens de saída, enquanto um modelo mais leve custava cerca de 20 cêntimos e 1,25 dólares, respectivamente. A diferença é enorme, mas existe uma segunda questão que pode ser ainda mais importante: uma empresa não precisa necessariamente do modelo mais poderoso para todas as tarefas.E é aqui que começa a verdadeira economia dos agentes.O agente pode ser barato. O trabalho à sua volta, nãoUma das ideias mais relevantes da análise é que olhar apenas para o preço dos tokens é uma forma demasiado estreita de calcular o custo da inteligência artificial.Num serviço de atendimento bancário, por exemplo, a McKinsey estima que os tokens podem representar apenas 20% a 25% dos custos variáveis de uma operação realizada por um agente, enquanto a supervisão humana pode representar entre 70% e 75%. Isto significa que, mesmo quando uma máquina executa grande parte da tarefa, continuam a existir pessoas responsáveis por verificar situações excepcionais, validar decisões ou intervir quando o sistema não consegue avançar sozinho.A ironia é evidente, quanto mais sofisticado for o sistema, maior pode ser a tentação de acreditar que o trabalho humano desapareceu, quando muitas vezes apenas mudou de lugar.Em processos de abertura de contas bancárias, por exemplo, a análise estima que entre 10% e 20% das operações de um agente possam precisar de revisão por especialistas de risco ou de áreas funcionais. E, quando se olha para uma operação completa, a complexidade aumenta ainda mais: uma simples abertura de conta pode envolver cinco a sete agentes, vários sistemas determinísticos e entre duas e quatro equipas humanas responsáveis pela supervisão.A inteligência artificial, portanto, não elimina necessariamente a organização. Em muitos casos, acrescenta uma nova camada de organização.O verdadeiro ganho aparece quando a máquina trabalha muitas vezesÉ também por isso que os melhores casos económicos não são necessariamente aqueles em que a IA faz algo extraordinariamente sofisticado, mas aqueles em que consegue repetir uma tarefa valiosa milhares ou milhões de vezes, com pouca intervenção humana e resultados suficientemente consistentes.A lógica é semelhante à de muitas outras tecnologias empresariais em que os custos iniciais podem ser elevados, mas tornam-se progressivamente mais fáceis de suportar à medida que o sistema é utilizado.A McKinsey apresenta um exemplo simples. Um agente conversacional utilizado para integrar 2.500 novos clientes por ano poderia custar entre 10 mil e 15 mil dólares; se o número de clientes duplicasse, para 5.000, o custo subiria apenas para cerca de 15 mil a 20 mil dólares. Ou seja, aumentar substancialmente o volume de trabalho não significa necessariamente aumentar os custos na mesma proporção, porque parte da infraestrutura já está criada.É aqui que a escala começa a fazer a diferença. Uma empresa que construa um agente para resolver uma única tarefa pode estar a investir demasiado para obter pouco. Uma empresa que consiga reutilizar esse mesmo agente em vários processos de elevado valor começa a ter outra equação económica.Mais do que automatizar tudo o que é possível, interessa descobrir onde uma melhoria mínima, repetida à escala, altera verdadeiramente a conta do negócio.Quanto custa acabar o trabalho?Uma empresa pode dizer que um agente custa cinco, dez ou cem euros por determinado número de operações, mas esse número, isoladamente, diz pouco. O que interessa é saber quanto custa concluir efectivamente uma tarefa, incluindo a IA, as pessoas que a supervisionam, os sistemas que a suportam, a infraestrutura, a segurança e todas as excepções que surgem pelo caminho.A McKinsey chama a esta métrica o custo ‘fully loaded’ do trabalho concluído: quanto custa, no conjunto, abrir uma conta, resolver um sinistro, fechar uma venda ou concluir um processo, comparando a operação realizada por humanos, agentes e sistemas determinísticos.No exemplo da abertura de uma conta bancária, a análise estima que o custo total de conclusão do processo possa passar de aproximadamente 50 a 150 dólares por cliente para 10 a 30 dólares quando o fluxo é redesenhado com agentes e sistemas automatizados. Não está em causa trocar simplesmente uma pessoa por um chatbot, mas reorganizar todo o processo a partir daquilo que cada um – pessoas e máquinas – consegue fazer melhor.Esta distinção é fundamental porque significa que o verdadeiro potencial da IA pode estar menos na redução directa de postos de trabalho e mais na transformação da economia de determinados serviços.Se a inteligência se tornar suficientemente barata e escalável, aquilo que antes era demasiado caro para oferecer a determinados clientes pode passar a ser economicamente possível.Um banco, por exemplo, pode conseguir oferecer aconselhamento personalizado a uma quantidade muito maior de clientes, precisamente porque uma parte significativa desse trabalho deixa de depender exclusivamente da disponibilidade de especialistas humanos. A IA não está apenas a fazer a mesma coisa por menos dinheiro. Pode estar a tornar possível fazer coisas que anteriormente não eram economicamente viáveis.A empresa que compra hoje pode estar a comprar uma tecnologia diferente amanhãExiste, contudo, uma última dificuldade, talvez a mais incómoda para quem gere orçamentos: a economia da inteligência artificial não é estática.Um processo que hoje não compensa automatizar pode tornar-se interessante dentro de alguns meses, à medida que os modelos ficam melhores ou mais baratos. Mas também pode acontecer o contrário: uma solução que parece extraordinária durante um projecto-piloto pode revelar-se demasiado cara quando começa a funcionar milhares de vezes por dia.É por isso que a McKinsey defende que os agentes não devem ser tratados como projectos tradicionais de software, construídos uma vez e depois deixados a funcionar durante anos. Os agentes podem precisar de alterações frequentes à medida que surgem novos modelos, novas ferramentas, novas regras, novos requisitos empresariais ou alterações regulatórias. Em alguns casos, poderá mesmo fazer mais sentido abandonar um agente e construir outro.A empresa terá, por isso, de aprender uma nova disciplina: acompanhar continuamente a economia da inteligência artificial, quase como já acompanha os custos da computação em cloud.A McKinsey propõe uma espécie de ‘AgentOps’, uma disciplina permanente de gestão dos agentes, que acompanhe custos, desempenho, segurança, conformidade e retorno económico, integrando estes indicadores nas avaliações regulares do negócio.Depois da euforia tecnológica, começa a fase em que os agentes terão de provar o seu valor no terreno onde todas as tecnologias acabam por ser julgadas: o da utilidade. O conteúdo Quanto custa realmente pôr um agente de IA a trabalhar? aparece primeiro em Revista Líder.