Conta chegou: como controlar custos reais de IA agente em produção

A Uber não está só cortando gastos, está redefinindo o que é custo de IA em produção. O estouro do orçamento com Claude Code em abril não foi um acidente: foi o primeiro sinal de que a métrica 'preço por token' falha redondamente ao capturar o custo real de um agente. Reenvios de contexto, chamadas repetidas para retrieval de dados, orquestração entre ferramentas e retries automáticos geram tráfego oculto que multiplica o consumo de tokens até 3×. A infraestrutura de agentes com estado persistente, citada na notícia, é uma resposta direta ao problema exposto no artigo de 9 de junho sobre roteamento inteligente: sem controle de estado, cada interação vira uma nova sessão com contexto completo carregado, e reprocessado.

O caso da Braze, com 60% do código gerado por IA, mostra que escalar não é só sobre adotar modelos melhores (Claude Code, Opus 4.5), mas sobre engenharia de custo consciente desde o início. Já o 'canário de $570 mil' da Anthropic antecipou essa virada: pagar salários altíssimos para engenheiros que orquestram agentes faz sentido apenas se cada ciclo de execução for mensurável, otimizável e auditável, o que exige pipelines com tracing granular por tarefa, não por requisição.

Em 4 de junho, a Uber impôs um teto de US$ 1.500/mês por engenheiro, uma medida reativa. Em 15 de junho, ela já opera com uma infraestrutura de agentes com estado persistente e métricas por tarefa. Isso significa que passou de limite rígido (controle de demanda) para engenharia de custo estrutural (controle de oferta). O que era rumor sobre 'infra com estado' em discussões técnicas internas virou realidade operacional em menos de duas semanas, e já está vinculado à governança financeira, não só técnica.

Empresas que ainda medem IA só por tokens ou por número de usuários estão contando apenas metade da conta. O custo real de um agente depende de três pilares: eficiência de contexto (quantos tokens são reenviados por ciclo), granularidade de orquestração (quando chamar um modelo leve vs. um frontier) e persistência de estado (evitar recálculos desnecessários). Isso transforma o engenheiro de dados e o arquiteto de analytics em protagonistas da governança de IA, não como espectadores de dashboards de uso, mas como designers de pipelines que incorporam custo como dimensão nativa, igual a latência ou precisão.