Diretores financeiros contam cada token: tokenmaxxing dá lugar ao value-maxing

A Bloomberg Tech analisou como mudou a postura das corporações em relação aos gastos com IA. No início, os funcionários eram incentivados a ampliar o consumo, prática batizada de «tokenmaxxing». Agora ganha espaço o «value-maxing»: as empresas querem ver retorno em cada token gasto. Mesmo assim, os orçamentos de IA continuam preocupando os diretores financeiros. O tema foi discutido por Nina Trentmann, autora da newsletter CFO Briefing, e pelo apresentador Ed Ludlow. • O volume de uso de IA deixou de ser considerado sucesso por si só. • Os CFOs exigem que o custo dos tokens seja vinculado a um resultado. • A imprevisibilidade das faturas continua sendo a principal fonte de preocupação.

Processado por IA de Bloomberg Tech; editado por Hamidun News
Diretores financeiros contam cada token: tokenmaxxing dá lugar ao value-maxing
Fonte: Bloomberg Tech. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalBloomberg Tech ↗
Editor-chefe
Dado-chave #1O volume de uso de IA deixou de ser considerado sucesso por si só.
Dado-chave #2Os CFOs exigem que o custo dos tokens seja vinculado a um resultado.
Dado-chave #3A imprevisibilidade das faturas continua sendo a principal fonte de preocupação.

Na sexta-feira, 9 de outubro de 2026, a Bloomberg Tech levou ao ar um tema que aparece cada vez mais nas reuniões corporativas: os diretores financeiros estão recontando cada token. O período do «tokenmaxxing», em que os funcionários eram empurrados a usar IA o máximo possível e o aumento do consumo era vendido como progresso, está chegando ao fim. Entra em cena o «value-maxing»: a pergunta agora não é quantos tokens foram queimados, mas o que a empresa recebeu em troca. Ao mesmo tempo, os gastos com IA continuam tirando o sono dos CFOs. Sobre isso, o apresentador Ed Ludlow conversou com Nina Trentmann, autora da newsletter CFO Briefing.

O anúncio do programa não traz valores concretos nem nomes de empresas. Por isso, a seguir nos baseamos apenas na essência declarada e analisamos a lógica do processo.

Do tokenmaxxing ao value-maxing

A primeira onda de adoção corporativa de IA generativa partia de uma ideia simples: quanto mais as pessoas trabalham com os modelos, mais rápido a empresa aprende. Daí vieram rankings internos de atividade, limites «por funcionário» e incentivos ao alto consumo. Os tokens viraram métrica de engajamento, embora, na essência, sejam apenas uma linha na fatura do fornecedor.

Quando as faturas cresceram, a métrica deixou de funcionar. O diretor financeiro não enxerga uma «cultura de inovação», mas uma despesa variável, difícil de prever e que cresce junto com o entusiasmo dos funcionários. Daí a virada para o value-maxing: cada uso de IA deve estar ligado a um resultado mensurável.

Por que é difícil orçar tokens

No SaaS tradicional, tudo é claro: preço por usuário, contrato fixo, uma linha previsível no orçamento. Nos serviços de IA cobrados por token, o custo depende do tamanho das requisições, do modelo escolhido, do número de chamadas e da forma como funcionários e agentes encadeiam essas chamadas. Um único contexto longo ou um agente autônomo que fica rodando o modelo em círculos pode consumir o orçamento em dias.

Como resultado, as equipes financeiras enfrentam vários problemas ao mesmo tempo:

  • não há uma unidade de medida habitual: token não equivale a tarefa, e tarefa não equivale a resultado;
  • os custos ficam pulverizados entre departamentos, prestadores de serviço e assinaturas «paralelas» dos funcionários;
  • cada modelo tem um preço diferente, e a escolha entre eles muitas vezes não é feita por quem paga;
  • o efeito da IA costuma se expressar em tempo dos funcionários, difícil de converter em dinheiro.

Que métricas os CFOs começam a exigir

Da lógica do value-maxing decorre um conjunto de indicadores que as equipes financeiras costumam pedir aos responsáveis pelos projetos de IA. Esta é uma interpretação nossa, não um resumo de dados apresentados no programa:

  • custo de uma tarefa concluída, em vez de custo do token;
  • proporção de requisições que resultaram em um produto efetivamente utilizado, e não em um rascunho descartado;
  • gastos com IA por área e por produto;
  • proporção entre modelos caros e baratos na carga de trabalho;
  • comparação com o custo-base do mesmo trabalho sem IA.

O que as equipes financeiras e de produto devem fazer

O primeiro passo é prosaico: consolidar todos os gastos com IA em um único panorama. Enquanto parte das despesas passa por APIs corporativas, parte por assinaturas pessoais e parte por contratos de nuvem, é impossível gerenciá-las.

O segundo passo é designar um responsável para cada cenário de uso relevante e exigir dele uma métrica de negócio. Por exemplo, tempo de tratamento de um chamado, número de tickets fechados ou velocidade de preparação de um relatório. Se não há métrica, o motivo é reduzir os limites, não ampliá-los.

O terceiro passo é rotear a carga entre os modelos: entregar as tarefas de rotina às opções mais baratas e reservar os modelos caros para onde a qualidade influencia o resultado. O quarto é criar limites e alertas para cenários com agentes, em que o modelo chama a si mesmo.

A tendência é clara: a IA nas empresas deixa a categoria de «experimentos» e passa para a de «despesas operacionais». Isso significa que ela passa a ser submetida às mesmas exigências de qualquer outra linha do orçamento. Saem na frente as empresas que sabem explicar pelo que exatamente estão pagando.

Perguntas frequentes sobre a notícia

O que se sabe sobre Do tokenmaxxing ao value-maxing?

A primeira onda de adoção corporativa de IA generativa partia de uma ideia simples: quanto mais as pessoas trabalham com os modelos, mais rápido a empresa aprende. Daí vieram rankings internos de atividade, limites «por funcionário» e incentivos ao alto consumo. Os tokens viraram métrica de engajamento, embora, na essência, sejam apenas uma linha na fatura do fornecedor. Quando as faturas cresceram, a métrica deixou de funcionar. O diretor financeiro não enxerga uma «cultura de inovação», mas uma despesa variável, difícil de prever e que cresce junto com o entusiasmo dos fu

Por que é difícil orçar tokens?

No SaaS tradicional, tudo é claro: preço por usuário, contrato fixo, uma linha previsível no orçamento. Nos serviços de IA cobrados por token, o custo depende do tamanho das requisições, do modelo escolhido, do número de chamadas e da forma como funcionários e agentes encadeiam essas chamadas. Um único contexto longo ou um agente autônomo que fica rodando o modelo em círculos pode consumir o orçamento em dias. Como resultado, as equipes financeiras enfrentam vários problemas ao mesmo tempo: não há uma unidade de medida habitual: token não equivale a tarefa, e tarefa não equ

O que se sabe sobre Que métricas os CFOs começam a exigir?

Da lógica do value-maxing decorre um conjunto de indicadores que as equipes financeiras costumam pedir aos responsáveis pelos projetos de IA. Esta é uma interpretação nossa, não um resumo de dados apresentados no programa: custo de uma tarefa concluída, em vez de custo do token; proporção de requisições que resultaram em um produto efetivamente utilizado, e não em um rascunho descartado; gastos com IA por área e por produto; proporção entre modelos caros e baratos na carga de trabalho; comparação com o custo-base do mesmo trabalho sem IA.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace

Access Frontier LLMs & Multimodal AI in One Workspace

Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.

Try NomadNet AI →Launch NomadNet Agent
O que você acha?
Carregando comentários…