Dois anos de inferência mais barata
No Money20/20 USA, no fim de outubro, o CEO do PicPay apresentou números que mudam a conversa sobre custo nos serviços financeiros da América Latina. O custo unitário de cada token de IA na empresa está 98% abaixo do que era dois anos atrás, e 94% dos seus 4.500 funcionários já usam o Nitro, a ferramenta interna de IA. Na mesma sessão, ele fez uma ressalva: a IA exige gestão, porque sem ela o consumo de tokens sobe tanto que os ganhos de eficiência podem não pagar a conta.
Os dados globais vão na mesma direção. Segundo o AI Index 2025 de Stanford, a inferência com desempenho equivalente ao GPT-3.5 caiu de US$ 20,00 por milhão de tokens em novembro de 2022 para US$ 0,07 em outubro de 2024. O consumo andou no sentido oposto: os dados da Ramp mostram que o gasto corporativo com tokens cresceu 13 vezes entre janeiro de 2025 e o início de 2026, e o Gartner projeta que o gasto com aplicações focadas em inferência chegue a US$ 20,6 bilhões em 2026, contra US$ 9,2 bilhões em 2025, superando o treinamento pela primeira vez. O tema ficou grande o suficiente para a Linux Foundation lançar uma Tokenomics Foundation dedicada a dar disciplina de custo ao gasto com IA.
Para bancos, seguradoras e BPOs da região, o business case de IA agora precisa mostrar o custo de cada conversa resolvida ao longo de meses de volume em produção. O preço por token, sozinho, diz pouco sobre a conta final, e novembro é quando boa parte dos orçamentos de atendimento de 2027 está sendo aprovada.
Referências: Let’s Money, novembro de 2026 / Stanford HAI AI Index 2025, via Workd / HPCwire, agosto de 2026 / Gartner, via Nscale / The Next Web, 2026
IA em finanças: o que três anos de atendimento com IA no PicPay mostram
O PicPay é uma referência útil porque a IA da empresa está diante dos clientes há mais de três anos. Em março de 2023, um agente já falava com clientes, e no terceiro trimestre daquele ano todo o primeiro nível do atendimento passou para a IA, num momento em que o padrão do mercado era usá-la só como copiloto. A transição veio depois de um longo período de validação: o agente rodou seis meses em espelho com o atendimento humano, e a troca só aconteceu quando o NPS da IA passou à frente. O resultado divulgado foi 45% mais pontos de NPS a 3% do custo anterior.
A curva de custo saiu de decisões de operação. A empresa escolhe o modelo de cada tarefa, então a escolha não fica com cada funcionário. O contexto vai para o cache uma vez, e cada conversa envia só o que é novo. Um modelo separado reescreve cada pedido antes que ele chegue ao modelo principal, e tudo roda sobre uma camada própria de orquestração.
Num contact center financeiro, a mesma lógica vale para cada interação. O volume de tokens de uma conversa de atendimento cresce com o tamanho do system prompt, o conhecimento recuperado em cada turno, as chamadas aos sistemas core, as novas tentativas e, na voz, os minutos de reconhecimento e síntese. Uma consulta de saldo e uma renegociação de dívida podem diferir em uma ordem de grandeza de consumo, ainda que a maioria dos relatórios conte as duas como uma conversa. As operações que mantêm o custo de IA previsível costumam direcionar os contatos de rotina (consultas de status, lembretes de pagamento, pedidos de documentos) para modelos mais leves e rápidos, e reservam os modelos maiores para negociação, reclamações ou interpretação de documentos. Elas também buscam conhecimento só quando a conversa precisa e reportam o custo por conversa ao lado do resultado que ela gerou: uma promessa de pagamento, uma apólice renovada, um caso encerrado num único contato.
A governança faz parte do mesmo desenho. O PicPay abriu plugins em assistentes externos para consultas de conta mantendo a autenticação dentro do próprio app, de modo que a conversa pode acontecer em outro lugar enquanto a segurança continua sob controle da instituição. O período de seis meses em espelho também é um modelo que supervisores e comitês de auditoria reconhecem: um processo automatizado novo se prova contra uma linha de base medida antes de assumir o volume completo.
Referências: Let’s Money, novembro de 2026
Produto Coru: ADI Platform e o custo de cada conversa
A ADI Platform é uma plataforma enterprise para operar agentes conversacionais com IA em voz (PSTN inbound e outbound), WhatsApp Business e widget web embutido, feita para operações de contact center que querem automatizar entre 30% e 80% do seu volume.
O modelo certo para cada agente
Cada agente define o seu LLM principal, a temperatura (valores baixos são recomendados para produção financeira) e um ou mais modelos de fallback, testados em ordem. A inferência passa por uma camada de roteamento que escolhe o provedor por custo e latência, multinuvem por design e sem dependência de um único fornecedor.
Conhecimento e dados sob demanda
As bases de conhecimento vinculadas a um agente são consultadas em tempo real só quando a conversa exige. HTTP tools e um MCP gateway acessam os sistemas do cliente para trazer o dado específico de cada caso, como um saldo ou o status de uma apólice, sem mudanças no core.
Custo visível por cliente, agente e dia
Os dashboards de FinOps mostram o custo de LLM por cliente por dia e podem disparar um alerta quando um limite é ultrapassado. A visão de conta acompanha o consumo do ciclo (tokens de entrada e saída, minutos de voz inbound e outbound) contra os limites definidos, com avisos quando cada recurso se aproxima do teto.
Custo ao lado do resultado
O analytics compara conversas, taxa de contato e custo com o período anterior, com filtros por canal, agente e data, junto com as métricas personalizadas que os agentes extraem em cada caso de uso. Na cobrança, isso significa promessas de pagamento, taxa de acordo, valor comprometido e cumprimento D+1 na mesma tela do gasto que os gerou.
Validação antes do volume completo
Cada edição fica em rascunho até ser testada e publicada como uma versão numerada. As versões podem ser comparadas lado a lado e restauradas na hora, e o deploy canary envia uma versão nova para uma porcentagem do tráfego enquanto as métricas são monitoradas, o que dá a cada mudança de prompt ou de modelo o seu próprio período de teste medido.
Uma configuração para todos os canais
O mesmo prompt, as mesmas ferramentas, a mesma base de conhecimento e os mesmos guardrails servem voz, WhatsApp e web, então uma otimização feita uma vez vale para todos os canais ativos.
Consumo por carteira
Uma Organization pode operar agentes para vários Clients, cada um com o seu plano e consumo, e assim um BPO consegue alocar o custo de IA a cada carteira financeira que atende. Permissões por papel, registro de mudanças de configuração e isolamento por tenant no servidor já vêm incluídos.
Guardrails que ficam ligados
Uma camada obrigatória protege contra prompt injection e vazamento de dados pessoais e não pode ser desativada, enquanto uma camada configurável define quando o agente responde e quando transfere o caso para uma pessoa.
Coru Weekly Picks
Indicação de filme: Moneyball: O Homem que Mudou o Jogo (2011)
Billy Beane, gerente-geral do Oakland Athletics, tem uma das menores folhas de pagamento do beisebol e um elenco para reconstruir. Com um economista recém-formado ao lado, ele passa a pagar pelas estatísticas que de fato geram vitórias e para de pagar por reputações que não geram. O filme rende duas boas horas sobre escolher a métrica que liga gasto a resultado, o exercício que todo orçamento de IA exige hoje.
Indicação de livro: How to Measure Anything, Douglas W. Hubbard
Hubbard defende que tudo o que importa para uma decisão pode ser medido, quase sempre com menos dados do que se imagina, e que o esforço de medição deve ir para as variáveis cuja incerteza custa mais caro. Para quem defende uma linha de IA no orçamento, o livro traz um método prático para estimar o valor de uma conversa resolvida, de uma transferência evitada ou de uma promessa de pagamento cumprida, antes de os números estarem perfeitos.
O que vem adiante
Os preços unitários vão continuar caindo. O Gartner projeta que a inferência num modelo de um trilhão de parâmetros vai custar 90% menos em 2030, e mesmo assim espera que tokens mais baratos não produzam contas menores de IA corporativa, porque modelos agênticos consomem muito mais tokens por tarefa. As instituições financeiras e os BPOs que usarem o planejamento de 2027 para definir o roteamento de modelos por tarefa, a disciplina na busca de conhecimento e relatórios de custo ligados a resultados vão conseguir escalar a automação com um orçamento que se sustenta.
A estratégia de fornecedores também liga custo e resiliência. No Brasil, um coordenador do Banco Central alertou em setembro que muitas instituições reguladas contratando a mesma fornecedora pronta de IA podem gerar risco de concentração, ponto que aparece no resultado preliminar de um mapeamento em curso. Uma arquitetura capaz de trocar de modelo e de fornecedor conforme a tarefa atende a área de finanças e a de riscos com a mesma decisão.
Referências: Cockroach Labs, citando o Gartner / Let’s Money, setembro de 2026
Na Coru, construímos a inteligência operacional que fica entre um modelo de IA e um processo regulado. Na América Latina, isso significa sistemas conversacionais fluentes nos canais e nas regras locais, com arquitetura compliance-first embaixo. Cada interação se torna um caso resolvido com um registro por trás.
