Da licença ao token: a nova economia contábil da IA nas empresas

Tema: Inteligência Artificial em Aplicações Empresariais

Em dezembro de 2025, ao divulgar os resultados do terceiro trimestre do ano fiscal de 2026, a Salesforce publicou um número que deveria ter virado manchete em toda a imprensa de tecnologia e não virou: a Agentforce, sua plataforma de agentes de IA, já havia processado mais de 3,2 trilhões de tokens por meio do seu gateway de modelos de linguagem [1]. O dado não é curiosidade de engenharia. É a evidência de que a métrica central da IA empresarial mudou de lugar. Durante dois anos, o mercado mediu adoção corporativa em assentos vendidos — quantos funcionários têm acesso ao Copilot, quantas licenças de ChatGPT Enterprise foram ativadas. Agora, a pergunta que os conselhos de administração fazem é outra, e é bem mais desconfortável: quantos tokens a empresa consumiu, quanto isso custou e o que exatamente voltou em troca.

A tese deste artigo é específica: a transformação mais profunda em curso na adoção corporativa de IA não é tecnológica, é contábil. A indústria está migrando de um modelo de receita previsível por assento para um modelo de consumo volátil por token e, no limite, por resultado entregue. Essa migração resolve o problema do vendedor — captura o valor proporcional ao trabalho executado — e cria um problema novo para o comprador, que perde a previsibilidade orçamentária justamente quando precisa provar ROI. Quem entende essa mecânica entende por que a adoção empresarial avança em ritmo tão desigual.

A unidade de cobrança virou a unidade de medida

A Agentforce usa precificação por consumo: o cliente paga por unidade de trabalho executada, e não por usuário [2]. A própria Salesforce passou a medir sua plataforma em "Agentic Work Units" — foram 3,2 bilhões dessas unidades só no segundo trimestre do ano fiscal de 2027, e 7 bilhões acumulados entre Agentforce e Slack [2]. A partir desse mesmo trimestre, a empresa ampliou o que conta como ARR (receita recorrente anual) da Agentforce, que passou a incluir o Slackbot e o Headless 360 [2].

A trajetória até aqui foi rápida. Em fevereiro de 2025, no fechamento do ano fiscal de 2025, a Salesforce informou ter fechado 5 mil negócios de Agentforce desde outubro de 2024, mais de 3 mil deles pagos, quando a linha de Data Cloud e IA somava US$ 900 milhões de ARR, com alta de 120% em um ano [3]. No terceiro trimestre do ano fiscal de 2026, a ARR combinada de Agentforce e Data 360 chegou a quase US$ 1,4 bilhão, alta de 114%; o cRPO cresceu 11% e o RPO alcançou US$ 59,5 bilhões [1]. São números de fornecedor, e é crucial ler o que eles são: uma compilação de estatísticas sobre a Salesforce classifica os US$ 800 milhões de ARR da Agentforce no quarto trimestre do ano fiscal de 2026 como uma medida de receita recorrente do fornecedor, não de ROI do cliente [4].

Essa distinção parece burocracia e é o coração do problema. Uma licença de, por exemplo, US$ 30 por usuário por mês é uma linha fixa no orçamento, fácil de aprovar e fácil de cortar. Um agente que consome tokens a cada consulta, a cada decisão, a cada integração com o CRM é uma linha elástica: cresce com o uso, e o uso cresce com o sucesso. O cliente que implanta bem paga mais. O que implanta mal pode pagar igual, porque a inferência roda de qualquer jeito. É o oposto da lógica do software tradicional, em que o custo marginal de mais um usuário tende a zero e o fornecedor absorve a diferença.

Uma análise publicada em agosto de 2026 resumiu o momento com precisão incomum: a Agentforce "passou no teste de consumo real", mas ainda não se pode dizer que passou "no teste de renovação completa" com expansão líquida [5]. Traduzindo: os clientes compram, usam e geram volume — mas ainda não se sabe se renovam e ampliam o contrato quando a fatura chega. É a diferença entre um piloto que funciona e um contrato que se sustenta.

O caso Agentforce: um laboratório involuntário de precificação

A Salesforce virou, sem planejar, o experimento mais visível que o setor tem sobre consumo de agentes. Foram 112 trilhões de registros ingeridos pela Data 360, a plataforma de dados que alimenta os agentes, ao longo do ano fiscal de 2026 [4]. O volume não indica qualidade de decisão — indica que o encanamento está ligado. E é justamente no encanamento que a conta aparece.

Considere o que um agente de atendimento faz de diferente de um chatbot. O chatbot responde; o agente executa. Ele consulta o histórico do cliente, verifica elegibilidade de reembolso, dispara um estorno, registra a interação, escala para humano quando a confiança cai abaixo de um limiar. Cada um desses passos é uma chamada de modelo, e cada chamada custa. Um agente que resolve um caso complexo em doze passos consome muito mais do que um assistente de resposta única — e entrega, em tese, muito mais valor. A precificação por consumo é a tentativa de capturar essa proporcionalidade. O risco é que ela capture igualmente a ineficiência: o agente que entra em loop, o que consulta a mesma base três vezes, o que foi mal configurado e "pensa" demais sem resolver nada.

Há um contraponto que os fornecedores raramente colocam na mesa: o preço por token caiu de forma acentuada. Segundo o AI Index 2025, da Universidade Stanford, o custo de inferência de um sistema com desempenho no nível do GPT-3.5 caiu mais de 280 vezes entre novembro de 2022 e outubro de 2024 [6]. Se o custo unitário desaba e o consumo explode, o resultado líquido depende de qual curva é mais íngreme. A Salesforce aposta que o volume vence — daí a disposição de divulgar tokens e unidades de trabalho publicamente, transformando um dado de engenharia em argumento de vendas. É uma aposta razoável, mas não comprovada.

Código como ponta de lança: onde o consumo já é inegociável

Se há um domínio em que a lógica do consumo se impôs sem resistência, é o do código. Assistentes de programação são o caso mais bem documentado de IA corporativa com uso real, diário e mensurável — e um dos poucos em que o funcionário que usa a ferramenta consegue perceber rapidamente se ela ajuda ou atrapalha. Já no início de 2024, o GitHub Copilot tinha 1,3 milhão de assinantes pagos, segundo a Microsoft [7]; em julho daquele ano, mais de 77 mil organizações haviam adotado a ferramenta, alta de 180% em um ano [8].

O que mudou no último ciclo foi a natureza da cobrança. Em meados de 2025, o Cursor trocou o limite de 500 requisições mensais do plano Pro por um crédito de US$ 20 em uso de modelos de fronteira, cobrado a preço de API, com a opção de comprar uso adicional a custo [9]. A mudança gerou cobranças inesperadas, e a empresa pediu desculpas publicamente e ofereceu reembolsos [9]. Na prática, o programador que usa o modelo mais caro para refatorar um sistema grande pode consumir, em pouco tempo, muito mais do que o colega que usa a ferramenta para completar linhas. A empresa descobre então que "licença de IA para o time de engenharia" não é um número fechado, mas uma distribuição com cauda longa — em que os usuários mais intensivos puxam a fatura.

Esse é, na minha leitura, o ponto em que a narrativa de ROI encontra sua prova mais dura. Diferente de marketing ou RH, engenharia de software tem métricas de saída razoavelmente objetivas: pull requests, tempo de revisão, defeitos em produção. Se o consumo de tokens não se traduz em produtividade mensurável ali, onde a medição é mais fácil, dificilmente se traduzirá em áreas em que o resultado é difuso. A obsessão atual com "número de agentes implantados" está mal direcionada: o indicador que importa não é quantos agentes existem, mas quantos passos de processo eles eliminaram — e a que custo de inferência.

O custo invisível que virou centro do orçamento

O orçamento de IA está saindo do bolso de inovação e entrando no bolso de infraestrutura, com a mesma régua de negociação — descontos por volume, compromisso mínimo, cláusulas de reajuste. A consequência é uma assimetria de informação que favorece o fornecedor. O cliente corporativo sabe quantas licenças comprou; raramente sabe quantos tokens seus agentes consomem por caso resolvido, porque essa telemetria fica no painel do fornecedor. Negociar um contrato de consumo sem saber a distribuição de consumo é comprar no escuro. Empresas que fizeram a lição de casa — instrumentando seus próprios agentes, medindo tokens por transação de negócio, comparando com o custo da alternativa humana — chegam à mesa com poder de barganha. As que não fizeram correm o risco de assinar contratos de vários anos baseados em projeções de piloto.

Há, aqui, um contraponto que merece ser dito com honestidade: para muitas organizações, o custo de inferência ainda é pequeno diante do custo de integração. O trabalho de conectar o agente ao ERP, limpar os dados, redesenhar o processo e treinar as pessoas tende a consumir muito mais orçamento do que os tokens. O gargalo continua sendo o organograma, não o modelo. Mas essa proporção pode se inverter à medida que os agentes se multiplicam e a integração se padroniza — e as empresas que assinarem contratos de consumo agora correm o risco de ficar presas a uma estrutura de custo desenhada para um mundo que terá mudado.

O risco do agente de fachada

Existe uma versão cínica, e plausível, do que está acontecendo: parte da explosão de agentes corporativos é teatro de transformação digital. O agente é implantado, responde a três perguntas na demonstração para o conselho e fica em produção resolvendo uma fração pequena dos casos enquanto o resto volta para a fila humana. O consumo de tokens registra atividade, não resultado. A receita do fornecedor sobe, o slide do cliente fica bonito, e ninguém mediu o que deveria.

Os dados de adoção ajudam a separar o joio do trigo. Na edição de 2025 da pesquisa State of AI, da McKinsey, 88% dos respondentes disseram que suas organizações usam IA regularmente em pelo menos uma função de negócio, mas quase dois terços ainda não começaram a escalar a IA na empresa como um todo [10]. Com agentes, a distância é parecida: 62% dizem ao menos experimentar agentes, mas só 23% os escalam em alguma parte do negócio [10]. A distância entre "usamos" e "escalamos" é onde mora a maior parte do valor não capturado — e é exatamente a distância que a cobrança por consumo torna visível. Um agente de fachada, no modelo por assento, custa o mesmo que um agente produtivo. No modelo por consumo, o agente ocioso custa quase nada e o agente ineficiente custa caro. É um incentivo melhor desenhado do que o anterior, ainda que imperfeito.

Uma ressalva: essas pesquisas se baseiam em autodeclaração de executivos, que têm incentivo para inflar a maturidade das próprias iniciativas.

Discussão: o que a mudança de unidade revela

A migração da licença para o token não é detalhe comercial — é o sintoma de que a IA corporativa entrou na fase em que precisa justificar cada centavo. O modelo por assento era adequado a uma tecnologia de produtividade difusa: você paga por pessoa e torce para que a soma dos ganhos individuais apareça no resultado. O modelo por consumo é adequado a uma tecnologia que executa trabalho: você paga pelo trabalho executado. A diferença de incentivos é enorme, e ela expõe uma tensão que os dois lados preferem não nomear.

Para o fornecedor, consumo é a oportunidade de capturar valor proporcional ao uso — e o risco de que o cliente aprenda a otimizar tanto que a receita estagne. Para o comprador, é a chance de pagar só pelo que usa e o risco de perder o controle orçamentário. A métrica honesta, o custo por resultado de negócio, terá de ser construída dentro de cada empresa, com dados próprios, porque nenhum fornecedor vai entregá-la de graça.

Há uma leitura mais dura, e vou assumi-la: a maior parte do debate público sobre IA empresarial ainda mede a coisa errada porque medir a coisa certa é constrangedor. É fácil celebrar 3,2 trilhões de tokens. É difícil explicar ao conselho que o custo por caso resolvido subiu e a satisfação do cliente não. Enquanto a imprensa de tecnolog

ia repercutir ARR de fornecedor como se fosse resultado de cliente, o setor continuará confundindo atividade com produtividade.

Conclusão

A conta que ninguém sabia fazer está sendo montada agora, e ela tem três partes. A primeira é telemetria própria: nenhuma empresa séria deveria assinar contrato de consumo sem saber quantos tokens gasta por transação de negócio. A segunda é a inversão do teste de valor: em vez de perguntar quantos agentes foram implantados, perguntar quantos passos de processo deixaram de existir. A terceira é contratual: os próximos ciclos de renovação serão a hora em que o preço por consumo será renegociado com base em dados reais, e quem chegar sem eles pagará a conta do piloto por muito tempo.

O que se pode afirmar com segurança é que a fase do entusiasmo barato terminou. A IA corporativa entrou na fase em que o fornecedor divulga tokens, o cliente descobre a fatura e o mercado, finalmente, começa a fazer a pergunta que importa — não quanto a empresa investiu em inteligência artificial, mas quanto ela economizou por não precisar de outra coisa.

Referências

[1] Salesforce Delivers Record Third Quarter Fiscal 2026 Results Driven by Agentforce & Data 360 - https://investor.salesforce.com/news/news-details/2025/Salesforce-Delivers-Record-Third-Quarter-Fiscal-2026-Results-Driven-by-Agentforce--Data-360/default.aspx

[2] Salesforce Stock Could Rebound if December Earnings Ease AI Disruption Fears - https://www.investing.com/analysis/salesforces-117x-earnings-valuation-tests-whether-ai-agents-are-a-threat-or-oppo-200691867

[3] Salesforce Announces Fourth Quarter and Fiscal Year 2025 Results - https://www.salesforce.com/news/press-releases/2025/02/26/fy25-q4-earnings/

[4] Salesforce Statistics 2026: Market Share - https://forcefolks.com/salesforce-statistics/

[5] Salesforce Surged 23% After Earnings. How Is It Rewriting Software Pricing Power? - https://valueinvestus.com/earnings/salesforce-earnings-software-pricing-power

[6] The 2025 AI Index Report (Stanford HAI) - https://hai.stanford.edu/ai-index/2025-ai-index-report

[7] GitHub Copilot drives revenue growth amid subscriber base expansion (CIO Dive) - https://www.ciodive.com/news/github-copilot-subscriber-count-revenue-growth/706201/

[8] Nadella's Copilot Stats Reveal Changing Microsoft in Earnings Call (Virtualization Review) - https://virtualizationreview.com/Articles/2024/07/31/copilot-numbers.aspx

[9] Clarifying our pricing (Cursor) - https://cursor.com/blog/june-2025-pricing

[10] McKinsey's State Of AI: The Scaling Gap Is Now CX's Problem (CX Today) - https://www.cxtoday.com/ai-automation-in-cx/mckinseys-state-of-ai-the-scaling-gap-is-now-cxs-problem/

Fale com a Eliza
E

Eliza

Agente assistente