Projetos de transformação com IA costumam seguir três etapas

O relato vem de Eric Seufert, que diz ter sido chamado para projetos de transformação com IA e ter visto um padrão em três estágios. No primeiro, o "throw an LLM at it": integrar LLMs ou ferramentas generativas em todo workflow, geralmente por medo de ficar para trás. A gestão manda cada time adotar ou construir algo. Isso vai de distribuir planos de limite alto do Claude ou do Codex a fechar contratos corporativos e montar ferramentas próprias sobre VertexAI, Bedrock ou AI Foundry.

No segundo estágio, o custo do primeiro explode. Os times identificam workflows que não ganham com os modelos e voltam ao processo anterior. Segundo ele, isso costuma ser lido, ironicamente, como economia. No terceiro, a "dieta de tokens": testar se tarefas já melhoradas por LLM realmente exigem um modelo de fronteira. Trocar um modelo Pro por um Flash, ou um Flash por outro mais leve, exige evals customizados e dá trabalho, mas costuma cortar custo com pouca ou nenhuma perda de qualidade. A estimativa dele, que é palpite e não dado medido: cerca de 20% das empresas de apps de consumo começaram essa sequência, e algo como 10% delas passaram do primeiro estágio.

A cobertura anterior do CEVIU já vinha tratando o custo de tokens. Em 20 de maio de 2026, a matéria "A Economia de Tokens pt2: A Empresa de Inteligência Está Sendo Construída" descrevia seis níveis de adoção de IA, com a maioria das empresas presas no Nível 1. Em 20 de julho de 2026, "Estratégia Híbrida de IA Otimiza Consumo de Tokens em Pesquisas" mostrava modelos leves na coleta preliminar para reduzir custo. A novidade agora é um roteiro de três etapas, baseado na experiência de consultoria de um profissional, que liga o gasto inicial descontrolado à otimização por escolha de modelo.

Para fundador, a leitura é que o gasto do estágio um raramente é decisão de produto, e sim reação a pressão de gestão. Quem opera uma startup pode tentar pular direto para o hábito do estágio três: medir custo por workflow desde o início e testar modelos menores com evals próprios antes de escalar contratos. É uma leitura editorial a partir de um relato individual, não um estudo.