Quem compra software hoje vive um paradoxo. O preço de uso de modelos de IA caiu de forma acelerada nos últimos meses, e fornecedores disputam clientes com descontos, pacotes e funcionalidades incluídas em suítes que já estavam instaladas. Para o comprador, a conta parece simples: mais recurso por menos dinheiro. Só que a pergunta que quase ninguém faz é outra. Quanto esse recurso rende na prática?
Por que a IA ficou mais barata e menos visível
A guerra de preços tem uma lógica clara. Fornecedores de modelos de linguagem competem por volume, e empresas de software corporativo, incluindo plataformas de RH, temem perder cliente para quem oferece um agente de IA dentro de outro produto. O resultado é que a IA deixa de ser uma compra separada e vira um componente do que já está contratado. Isso reduz a fricção de adoção, mas também apaga a visibilidade do custo. Um agente que responde dúvidas de funcionários, faz triagem de currículos ou apoia a folha pode estar cobrado em uma linha que ninguém audita, porque ninguém sabe onde procurar.
Isso não significa que o fornecedor esteja errado ao fazer a oferta. Significa que o comprador precisa mudar a forma de olhar para a proposta. Antes, a discussão era sobre licenças por usuário. Agora, ela envolve tokens, módulos incluídos, limites de uso e créditos que expiram. Sem uma régua comum, duas propostas podem parecer comparáveis e, na prática, não são.
Preço por licença ou por token diz pouco. O que importa é custo por resultado.
Troque a régua: custo por resultado, não por licença
O primeiro passo é medir o que a IA entrega de fato. Pegue um processo concreto, como fechar uma vaga, resolver um chamado de folha ou processar um pedido de reembolso, e meça quanto custa hoje, com todos os custos somados. Isso inclui tempo de quem supervisiona, retrabalho quando a resposta sai errada, integração com sistemas existentes e treinamento da equipe. Depois, faça a mesma conta com a IA. Empresas que fazem esse exercício costumam descobrir que o ganho unitário de preço não se traduz em economia total. Um agente que custa menos por chamado pode exigir mais revisão humana e acabar saindo mais caro no mês.
Antes de comparar propostas, monte uma planilha com custo por resultado, incluindo supervisão, retrabalho e integração.
Dependência começa no contrato, não na migração
O segundo ponto é a dependência. Quando a IA entra como camada de um fornecedor que já guarda dados de pessoas, processos e clientes, sair fica caro. Trocar de sistema não é só mudar de ferramenta: é levar histórico, regras, integrações e a rotina da equipe para outro lugar. Por isso, a fase de negociação é o momento de maior poder do comprador. Depois da assinatura, a conversa muda.
Antes de assinar, peça por escrito três garantias. A primeira é a exportação integral dos dados em formato aberto, sem cobrança extra e sem depender de suporte. A segunda são as regras de uso desses dados para treinar modelos de terceiros, incluindo se as informações de funcionários ou clientes podem sair do seu ambiente. A terceira é o prazo e o custo de saída, com o que acontece com os dados depois do cancelamento. Fornecedor que responde com vagueza nesses três pontos está vendendo o que você precisa, mas cobrando por algo que você ainda não viu.
Expectativa e execução ainda estão distantes
O terceiro ponto é confiança, e aqui os números incomodam. Pesquisa da Gartner divulgada em outubro de 2026 mostra que 77% dos conselheiros esperam que a IA entregue produtividade e redução de custos. Ao mesmo tempo, apenas 3% das organizações superam suas metas de economia via produtividade. A expectativa está muito à frente da execução. Relatório da McKinsey sobre o estado da IA em 2026 aponta a mesma tensão: agentes já estão escalando em grandes empresas, mas o lucro ainda não acompanha esse avanço.
Na área de RH, compradores também demonstram cautela com agentes autônomos, e essa desconfiança costuma ser justa. Decisões sobre contratação, desempenho e folha têm impacto direto em pessoas e carregam risco jurídico. Antes de expandir o uso, vale exigir alguns elementos básicos:
- Piloto com métrica definida antes do início, não depois dos resultados
- Indicador de qualidade, como taxa de erro ou de revisão humana
- Auditoria das decisões tomadas pelo agente, com registro do que foi feito
- Limite claro do que o agente pode fazer sem aprovação humana
Um exemplo ajuda a fixar a ideia. Uma empresa de médio porte recebe a proposta de um fornecedor de RH com IA incluída por 10% a menos que o contrato atual. Parece uma boa negociação. Ao modelar a conta, o time descobre que a economia some quando se somam os custos de exportar dados para outro sistema, de treinar gestores para usar a ferramenta e de revisar manualmente as respostas do agente nas primeiras semanas. O desconto era real, mas o custo total subiu. Esse tipo de surpresa não aparece na proposta comercial, e só a modelagem com todos os custos revela o quadro completo.
A guerra de fornecedores vai continuar, e isso tende a favorecer quem compra. Mas preço baixo não substitui método. Quem define antes o resultado esperado, cobra transparência por escrito e testa em pequena escala chega à negociação com argumentos. Quem segue só a linha de preço pode descobrir, meses depois, que pagou caro por uma economia que nunca existiu. Se a sua empresa quer avaliar propostas de IA com essa lógica, conheça as soluções da Forja Digital em forja-digital-co.lovable.app.
