Quanto custa criar uma IA: as 5 linhas do orçamento

Não existe preço de tabela para inteligência artificial, e quem responde a essa pergunta com um número único está chutando. Existe, sim, uma estrutura de custo que se repete em todo projeto, e ela permite estimar a ordem de grandeza antes de pedir a primeira proposta.

Este texto mostra essa estrutura: as cinco linhas do orçamento, o que faz cada uma crescer, quanto custa manter depois de pronto, e o que exigir de uma proposta para conseguir comparar duas.

Por que a resposta depende do caminho

Criar uma IA descreve projetos de custo muito diferente. Usar um modelo pronto com os seus documentos é o mais barato e resolve a maioria dos casos. Treinar um modelo sobre as suas tabelas custa principalmente trabalho de dado. Ajustar um modelo aberto acrescenta infraestrutura. Treinar do zero é orçamento de outra categoria, e praticamente ninguém precisa. A diferença entre eles está detalhada em como criar uma inteligência artificial.

Antes de qualquer conta, portanto, é preciso saber qual dos caminhos o seu caso pede. Estimar sem isso é comparar aluguel com construção.

As cinco linhas do orçamento

A leitura mais importante dessa tabela é a inversão de expectativa: a parte “de IA” costuma ser a mais barata, e o que pesa é dado e integração, que é software comum. Quem orça só o modelo erra a conta por uma ordem de grandeza.

O custo de uso do modelo, explicado

Quando se usa um modelo por serviço, a cobrança é proporcional ao tamanho do texto que entra e sai, contado em pedaços. Três decisões de projeto mexem nessa conta mais do que o preço da tabela do fornecedor:

• O que você manda junto da pergunta. Enviar o documento inteiro toda vez, quando bastava o trecho certo, multiplica o custo sem melhorar a resposta.
• Qual modelo você escolhe. Tarefa objetiva, como classificar e extrair, roda bem em modelo pequeno e barato. Usar o topo de linha para tudo é o desperdício mais comum.
• Quantas vezes o sistema chama o modelo. Fluxo mal desenhado faz três chamadas onde uma resolveria.

Existe ainda a alternativa de rodar um modelo aberto em infraestrutura própria, que troca custo variável por custo fixo de máquina. Ela compensa em volume alto e quando o dado não pode sair da empresa, como está em o que é um LLM.

Ordens de grandeza por tipo de projeto

Sem preço de tabela, mas com a escala relativa que ajuda a planejar:

• Assistente interno sobre documentos da empresa. O mais acessível: semanas de trabalho, custo de uso baixo e valor imediato para quem responde as mesmas perguntas todo dia.
• Extração de documento integrada ao sistema. Um degrau acima, porque envolve integração e conferência, e costuma ser o projeto de melhor retorno.
• Modelo preditivo sobre dados próprios. Depende quase inteiramente do estado do dado: com base organizada, é rápido; sem ela, o projeto vira projeto de dado.
• Produto com IA para o cliente final. Aqui entra tudo o que um software de verdade exige, incluindo experiência, escala, suporte e responsabilidade sobre o que o sistema diz.
• Agentes que executam ações em sistemas. O mais caro por causa da supervisão: cada ação automatizada precisa de permissão, registro e caminho de reversão.

Como fazer o mesmo projeto custar menos

Cinco decisões cortam o orçamento sem cortar o resultado, e todas são tomadas antes de escrever código:

• Recorte menor. Uma tarefa específica com dono custa uma fração de um assistente que responde tudo, e entrega valor mais cedo.
• Comece pelo dado que já está organizado. Se um setor tem material limpo e outro não, comece pelo primeiro: o segundo vira projeto próprio, com prazo próprio.
• Aceite revisão humana no começo. Sistema que sugere e alguém aprova custa muito menos que sistema que decide sozinho, porque o nível de garantia exigido é outro.
• Use o menor modelo que resolve, medindo com os seus casos em vez de escolher pelo nome mais conhecido.
• Reaproveite o que a empresa já tem. Sistema de gestão, base de documentos e autenticação existentes evitam construir de novo o que já funciona.

O caminho inverso também é verdadeiro, e explica boa parte dos orçamentos altos: escopo aberto, dado bagunçado e exigência de automação total sem revisão multiplicam o preço de qualquer proposta séria.

O que custa depois de pronto

Projeto de IA não termina na entrega, e essa é a linha que mais quebra orçamento no segundo ano:

• Mudança de versão do modelo, que pode alterar o comportamento sem ninguém mexer no sistema, exigindo novo teste.
• Atualização do material que alimenta as respostas, porque documento velho vira resposta errada com cara de certa.
• Revisão de qualidade, com amostra periódica conferida por gente.
• Mudança de preço do fornecedor, que acontece e costuma ser para baixo, mas não é controlável.
• Crescimento de uso, que é o problema bom e precisa estar previsto no contrato.

Como pedir uma proposta comparável

Duas propostas só são comparáveis se pedirem a mesma coisa. Exija que cada uma traga, separadamente:

1. A tarefa descrita em uma frase, com entrada e saída, e o que fica fora do escopo.
2. O critério de aceite, em número: taxa de acerto, tempo economizado, volume processado.
3. As cinco linhas do orçamento separadas, e não um valor único.
4. A estimativa de custo mensal de uso, com a premissa de volume declarada.
5. O plano de manutenção do primeiro ano.
6. De quem é o código, o dado e o material produzido ao fim do contrato.

Um pedido bem escrito muda o preço que chega. Vale investir uma reunião nisso antes de acionar três fornecedores, e o recorte de escopo em como definir o escopo do primeiro produto digital serve como roteiro.

Sinais de proposta ruim

• Valor único, sem separar dado, construção e uso. Esconde onde está o risco.
• Promessa de acurácia sem ver os seus dados. Ninguém sabe isso antes de olhar o material.
• Prazo curto demais para a parte de dado, que é justamente a mais imprevisível.
• Ausência de plano de manutenção, como se o sistema fosse ficar parado no tempo.
• Foco em treinar modelo próprio quando um modelo pronto resolveria, o que costuma ser sinal de projeto vendido pelo esforço e não pelo resultado.

Antes de decidir o investimento, vale conferir os padrões de fracasso em por que a IA falha nas empresas e os usos que se pagam em exemplos de IA generativa. Para escolher a categoria certa do problema, tipos de IA, e para a base conceitual, o que é inteligência artificial.

Perguntas frequentes