Uma em cada cinco empresas não consegue frear gastos de agentes de IA em tempo real, aponta estudo

O problema não está apenas em quanto custa usar inteligência artificial, mas em conseguir interromper o consumo quando um agente sai do comportamento esperado. 

Uma análise publicada pela VentureBeat mostra que 21% das empresas pesquisadas ainda não têm um mecanismo em tempo real para fazer isso.

Quer entender como aplicar inteligência artificial no trabalho de forma prática? O Pré-MBA em IA da Saint Paul e EXAME tem quatro aulas práticas, online, por R$ 37.

Por que um agente de IA pode gastar mais do que o esperado

O levantamento da VentureBeat, realizado com 107 empresas, analisou como organizações estão implementando agentes de IA e administrando sua operação.

O risco aparece principalmente quando um agente consegue executar várias etapas de forma autônoma. Em vez de apenas responder a uma solicitação, ele pode realizar tarefas, acessar ferramentas, fazer novas chamadas a modelos e continuar trabalhando até concluir um objetivo.

Um erro na configuração pode fazer com que esse processo se prolongue. Um agente preso em um ciclo, por exemplo, pode continuar realizando chamadas e consumindo tokens, unidade usada para medir o processamento de textos pelos modelos.

Nesse cenário, o custo pode aumentar antes que uma equipe perceba o problema.

21% das empresas ainda dependem de logs

Segundo a pesquisa, 21% dos participantes utilizam apenas monitoramento reativo para controlar o consumo dos agentes.

Na prática, isso significa que a empresa identifica o comportamento depois que ele ocorreu, por meio de registros e logs, em vez de contar com um mecanismo capaz de interromper a execução imediatamente.

Entre as estratégias utilizadas pelas organizações estão:

• 30% usam limites e controles nativos das plataformas
• 25% criaram sistemas próprios para interceptar execuções
• 24% recorrem ao direcionamento para modelos mais baratos
• 21% dependem apenas de monitoramento posterior

A diferença é importante para quem trabalha diretamente com implementação de inteligência artificial. Um painel que mostra que um agente gastou demais depois do problema não exerce a mesma função de um mecanismo de interrupção em tempo real.

Empresas estão usando várias plataformas

Outro ponto identificado é a fragmentação da infraestrutura. O levantamento mostra que 85% das empresas usam duas ou mais ferramentas de orquestração, enquanto 64% utilizam três.

Orquestração é a camada responsável por coordenar modelos, ferramentas, dados e etapas de uma tarefa executada por um agente de IA.

A estratégia permite combinar diferentes tecnologias, mas também pode dificultar a supervisão. Quando agentes operam em ambientes distintos, acompanhar permissões, consumo e execução exige mecanismos de controle que funcionem entre diferentes sistemas.

Para profissionais, isso muda o tipo de conhecimento necessário: não basta saber utilizar um modelo de IA. Também é importante compreender como controlar seus acessos, custos e limites de execução.

Nem todo agente de IA é realmente autônomo

A pesquisa também mostra que a adoção de agentes ainda está em uma fase inicial em muitas empresas.

Segundo os participantes, 35% afirmam que apenas entre 1% e 25% de seus sistemas possuem orquestração considerada verdadeira. Outros 47% dizem que essa característica está presente em 26% a 50% dos sistemas.

Em outras palavras, boa parte das soluções chamadas de agentes ainda funciona mais próxima de assistentes capazes de executar tarefas específicas do que de sistemas completamente autônomos.

O controle de custos, portanto, passa a ser uma questão operacional, especialmente conforme as empresas ampliam o número de tarefas delegadas à inteligência artificial.

O Pré-MBA em IA da Saint Paul e EXAME mostra como profissionais podem entender os principais conceitos e aplicações da inteligência artificial em quatro aulas práticas, online, por R$ 37.

O que profissionais devem observar ao usar agentes de IA

Para empresas que adotam sistemas mais autônomos, alguns mecanismos podem reduzir o risco de gastos inesperados, como limites de orçamento, monitoramento contínuo, permissões específicas e mecanismos de interrupção.

Também é necessário acompanhar quais modelos e ferramentas um agente pode acessar. Uma tarefa aparentemente simples pode envolver várias chamadas a sistemas externos, com custos diferentes.

A pesquisa da VentureBeat indica que esse controle ainda está em construção. As empresas estão investindo em monitoramento, segurança e gerenciamento de permissões justamente porque visibilidade e controle continuam entre os principais desafios da adoção de agentes.

Para profissionais que trabalham com inteligência artificial, entender esses mecanismos ajuda a diferenciar o uso experimental de uma implementação preparada para operar em ambientes corporativos.

Ao passo que agentes de IA assumem tarefas com maior autonomia, saber definir limites de execução, acompanhar consumo e estabelecer mecanismos de interrupção se torna parte da gestão da própria tecnologia. O desafio não é apenas fazer um agente executar uma tarefa, mas garantir que ele continue operando dentro dos limites definidos pela empresa.

Quer aprofundar seus conhecimentos em inteligência artificial e entender como aplicar a tecnologia no trabalho? O Pré-MBA em IA da Saint Paul e EXAME oferece quatro aulas práticas, online, por R$ 37.