GitHub Copilot migra para faturamento baseado em uso com AI Credits

O GitHub Copilot deixou de ser um assistente de preenchimento de código e virou uma plataforma agentic que executa tarefas end-to-end, revisão, debug, geração de testes, até construção de módulos inteiros. Essa mudança de escopo exigiu uma nova arquitetura de faturamento: os AI Credits não são só uma nova unidade de medida, mas um reflexo da realidade operacional de IA em produção. Cada sessão agentic consome entre 30 mil e 80 mil tokens, o que equivale a 30–80 créditos, ou seja, um plano Pro+ (3.900 créditos) pode se esgotar em menos de 10 sessões intensivas. Isso obriga equipes de TI a repensar governança: agora é preciso monitorar consumo por equipe, projeto e workflow, integrar orçamentos com ferramentas como Azure Cost Management ou AWS Budgets, e ajustar políticas de acesso conforme o perfil de uso, desenvolvedores front-end tendem a consumir menos do que engenheiros de infraestrutura que usam Copilot CLI para automação de pipelines.

A transição também revela uma estratégia corporativa clara da Microsoft: consolidar custos ao eliminar licenças externas (como o Claude Code) e direcionar todo o tráfego de IA para sua própria stack. Com o Copilot CLI agora centralizado no GitHub Actions, cujos minutos passaram a ser contabilizados na mesma fatura, há uma convergência entre CI/CD e IA, criando uma única superfície de custo operacional. Isso simplifica a governança, mas aumenta a dependência de uma única fornecedora para duas camadas críticas: automação de infraestrutura e assistência cognitiva.

Em maio, os planos Pro e Pro+ ganharam alocações flexíveis, mas ainda eram baseados em solicitações premium (PRUs). Agora, a partir de 1º de junho de 2026, todos os planos pagos migraram para AI Credits, uma métrica granular, vinculada diretamente ao consumo de tokens (entrada, saída e cache) e às taxas de API dos modelos. O que era um limite abstrato de 'solicitações' virou um custo transparente por operação: uma sessão agentic de 50 mil tokens custa US$ 0,50, e a revisão de código passou a consumir minutos de GitHub Actions, algo inexistente na cobertura anterior. Além disso, planos anuais foram descontinuados, forçando uma reavaliação contínua do ROI por mês.

Para equipes de TI, essa mudança transforma a IA de um custo fixo em um custo variável com risco de escalada exponencial, especialmente em ambientes onde agentes são usados para manutenção de legado ou automação de deploy. Sem controle de orçamento por usuário ou repositório, um único engenheiro pode gerar US$ 3.000/mês em créditos. A visibilidade passa a ser estratégica: não basta saber *quanto* se gasta, mas *onde*, *quando* e *para qual tipo de tarefa*. Isso impacta decisões de arquitetura, como limitar o uso de agentes em branches de produção, ou priorizar sugestões de código (gratuitas) em vez de sessões completas (pagas). Compliance também entra na linha de frente: registros de consumo de créditos agora fazem parte da auditoria de governança de IA, exigindo integração com SIEMs e relatórios mensais para áreas de risco e finanças.