Olá, colegas afiliados! Meu nome é Timur, sou responsável pelo marketplace na Cloud.ru. Fornecemos uma plataforma para serviços de IA que se integram à infraestrutura de nuvem dos clientes. Minha tarefa é garantir a transparência dos preços. Atualmente, muitos avaliam a IA pelo custo dos tokens, mas isso está fundamentalmente errado. O cliente não paga por tokens, mas por um resultado específico. Neste artigo, analisaremos como calcular corretamente a economia unitária de um <a href="/pt/blog/avatar-de-ia-como-dar-um-rosto-a-um-assistente-de-voz-e-evitar-armadilhas/" title="Postagem em massa de vídeos: 4 estratégias para repetir tarefas por agentes de IA“>agente de IA, com base nos dados da Cloud.ru, e determinaremos o custo real de uma resposta útil para entender qual CPM é lucrativo.
“O fornecedor no marketplace deve definir um preço para seu agente, o cliente deve entendê-lo, e a plataforma deve garantir que os preços na vitrine possam ser comparados entre si. Enquanto as três partes medirem o custo por tokens, nada disso funcionará.”
Os materiais anteriores foram dedicados ao OpenClaw: como implantar um agente sem vazamento de dados e por que uma nova versão é um serviço separado. Hoje, falaremos sobre dinheiro.
Avaliação de custos de serviços de IA: foco na economia unitária
Unidade de medida: resposta útil, não tokens
Token é uma métrica ruim. O cliente não compra tokens, mas a solução para seu problema. “Diálogo fechado” também é enganoso. A Intercom, por exemplo, distingue dois tipos de soluções: confirmadas (o cliente disse “obrigado”) e presumidas (o cliente simplesmente saiu).
Ambas são pagas, mas há uma nuance: se o cliente retornar com a mesma pergunta, a solução é anulada. Exemplo da Lorikeet (195 casos, 38 fornecedores): dos 4200 diálogos fechados por IA, 900 foram fechados com um link para um artigo da base de conhecimento. Sem eles, a proporção de resolvidos cai de 70% para 55%.
A diferença entre “fechado” e “resolvido” é enorme. Portanto, nossa unidade de medida é a resposta útil. Este é um diálogo fechado por IA sem intervenção humana, onde o cliente não retornou com a mesma pergunta dentro de 72 horas e não deixou uma avaliação negativa. Tudo o que não passou por esses filtros entra no numerador dos custos, mas não no denominador das respostas úteis. Tentativas malsucedidas são pagas pelas bem-sucedidas. Este é o ponto chave.
Caso modelo: suporte a uma loja online
Para os cálculos, usaremos um cenário típico: suporte a uma loja online. Este é um caso em massa com um grande volume de dados públicos. A loja recebe 40.000 solicitações por mês. 90% delas (36.000 diálogos) são roteadas para o agente de IA.
Os diálogos fechados pelo agente sem operador, que chamamos de fechamentos automáticos, são a métrica que os fornecedores mostram. A estrutura do agente: RAG (pesquisa na base de conhecimento + geração de resposta) mais a ferramenta “status do pedido”. Para cada diálogo, há três chamadas LLM:
- Compreender a solicitação e escolher a rota.
- Responder com base nos fragmentos encontrados.
- Recorrer à ferramenta ou compilar um resumo para o operador.
Em média, são 12.000 tokens de entrada (prompt do sistema, fragmentos, histórico) e 800 de saída. As consultas à base de conhecimento são duas por diálogo. Um modelo de filtro verifica a réplica do cliente e a resposta do agente (1000 tokens para cada uma das três chamadas). Adicionamos mais 15% de tokens para gerações repetidas.
Infraestrutura e custos
Utilizamos os serviços Cloud.ru:
- Base de conhecimento: Evolution Managed RAG.
- Agente: Evolution AI Agents.
- Logs: Evolution Managed PostgreSQL.
Custo de um operador de suporte em Moscou: 125.000 rub./mês (85.300 rub. salário segundo hh.ru para 2025 + contribuições e despesas gerais). Com 40 tickets por dia, um ticket custa 149 rub. Um minuto de operador – 15,5 rub. (125.000 rub. / 80% de 10.080 minutos). Para chat no varejo (60 atendimentos/dia), o custo do ticket é de 99 rub.
Suposições para os cálculos
Principais suposições:
- Proporção de fechamentos automáticos: mediana de casos públicos – 70%. Ozon: 27% (2020) -> 62% (2022). Tomamos o meio – 50%.
- Diálogos que não passaram no filtro: o cliente retornou em 72 horas ou deu uma avaliação negativa. Suposição: 6% (no exemplo Lorikeet, 21% dos diálogos fechados eram links).
- Preço de tal diálogo: 150 rub. de compensação + 3 minutos de operador (200 rub.).
- Tempo do operador para escalonamento: 1,5 minutos além do ticket normal.
- Verificação manual: 3% de todos os diálogos por 3 minutos.
- Base de conhecimento, prompts: 0,5 FTE de especialista (otimista).
- Amortização: 50.000 rub./mês (para um integrador com CRM – até 1,5 milhões de rub.).
Preços de modelos e infraestrutura (Cloud.ru, outubro de 2026)
Tarifas Evolution Foundation Models (com IVA 22%, por 1 milhão de tokens):
- HiveTraceGuard-Pro (filtro): entrada 25 rub., saída 125 rub.
- Qwen3-30B-A3B: entrada 10 rub., saída 50 rub.
- GigaChat-3-Pro: entrada 25 rub., saída 125 rub.
- Claude Haiku 4.5: entrada 100 rub., saída 500 rub.
- Claude Sonnet 4.6: entrada 360 rub., saída 2250 rub.
Diferença entre o modelo barato e o caro: 36x na entrada, 45x na saída. Infraestrutura (Evolution, setembro de 2026, 730 horas/mês):
- 4 vCPU + 8 GB RAM: 1,5616 rub./vCPU-hora, 0,3904 rub./GB-hora.
- Evolution Managed RAG (2 GB, 72.000 requisições): 1,3664 rub./GB-hora, 0,0976 rub./1000 requisições.
- Evolution Managed PostgreSQL (2 vCPU, 4 GB RAM, 100 GB SSD): 1,49145 rub./vCPU-hora, 0,4026 rub./GB-hora, 0,016836 rub./GB-hora.
Total da infraestrutura: 13.420 rub./mês. Esta é a linha mais barata no cálculo.
Cálculo do custo de uma resposta útil
Preço de um diálogo
Primeiro, calculamos o custo de um diálogo em diferentes modelos:
- Qwen3-30B-A3B: 0,43 rub.
- GigaChat-3-Pro: 1,32 rub.
- Claude Haiku 4.5: 3,76 rub.
- Claude Sonnet 4.6: 10,99 rub.
Uma diferença de 25 vezes! Se parássemos por aqui, a escolha do modelo seria crítica.
Preço de uma resposta útil
De 36.000 diálogos, com 50% de fechamentos automáticos, 18.000 foram fechados. Destes, 6% foram erros. Restam 16.920 respostas úteis. Cada resposta útil não inclui apenas tokens, mas também:
- Tokens de tentativas falhas.
- Minutos de operadores em escalonamento.
- Custo de erros.
- Verificação.
- Base de conhecimento.
- Implementação.
A diferença de 25 vezes nos tokens se transforma em 1,4 vezes por resposta útil: de 51 rub. a 73 rub. O modelo caro (Claude Sonnet 4.6), que é 25 vezes mais caro em tokens, acaba sendo apenas 40% mais caro em termos de preço por resultado. Por quê? Porque todos os outros custos são os mesmos para todos os modelos.
Estrutura de preços: GigaChat-3-Pro (53 rub.)
Para GigaChat-3-Pro (53 rub. por resposta útil):
- Escalonamentos e respostas errôneas: 71% do custo. Esses custos geralmente não são considerados como “despesas de IA”, mas estão incluídos nos salários de suporte ou compensações.
- Tokens: 2,8 rub. (5%). Esta é a única linha que todos comparam.
- Infraestrutura em nuvem: 0,80 rub.
No Claude Sonnet 4.6, os tokens já representam 32% do preço. Aqui, faz sentido economizar em tokens. Como?
- Redução de contexto: reduzir 12.000 tokens de entrada para 6.000. A resposta útil no Sonnet fica mais barata de 73 para 65 rub.
- Cache: a leitura do cache é 10 vezes mais barata. Se metade do contexto for um prompt do sistema, o preço cai para 66 rub.
No Qwen, essas técnicas economizam centavos.
Principais alavancas de economia
1. Taxa de fechamentos automáticos
A transição de um piloto (35-50% de fechamentos automáticos) para um ambiente de produção (65%) economiza 15-19 rub. Dez pontos percentuais de fechamentos automáticos equivalem à transição para um modelo mais barato (no Sonnet, o aumento de 50% para 60% economiza 14 rub., a substituição do Sonnet pelo Haiku – 15 rub.). Mas o primeiro funciona em qualquer modelo, o segundo – uma vez.
2. Taxa de erros
A taxa de diálogos fechados que não passaram no filtro é pouco medida, mas é crítica.
| Taxa de não aprovados no filtro | Preço da resposta útil | Custos (rub./mês) |
|---|---|---|
| 6% | X | Y |
| 3% | X – 8 rub. | Y – Z |
A redução de erros de 6% para 3% economiza 8 rub. em cada resposta útil. A transição do GigaChat-3-Pro para o Qwen3-30B-A3B economiza apenas 2 rub. 15% de erros podem custar mais da metade do salário de um operador, se considerarmos resolvido cada diálogo em que o cliente ficou em silêncio.
3. Qualidade do escalonamento
Eu considerei 1,5 minutos de operador para escalonamento (leitura do resumo, continuação). Isso funciona com uma transferência “quente”: o agente transfere para o operador um histórico resumido, número do pedido e lista de ações. Em uma transferência “fria” (o operador lê todo o diálogo, onde o bot respondeu incorretamente três vezes), 1,5 minutos se transformam em 3 ou 6.
Com 3 minutos, uma resposta útil no GigaChat-3-Pro fica mais cara, de 53 para 77 rublos, e com 6 minutos, para 127 rublos. Isso já é mais caro que um operador regional. Se o agente identifica o cliente e pré-preenche o ticket, o operador economiza um ou dois minutos, e essa linha fica no vermelho.
“A qualidade da transmissão acaba sendo um item de orçamento separado com a maior variação em todo o modelo, e deve ser medida: o tempo médio de processamento de tickets escalados deve ser contado separadamente dos normais.”
Lutar pela precisão = queimar tokens? Se para reduzir erros de 6% para 3% os tokens por diálogo aumentam 1,6 vezes, no GigaChat-3-Pro a resposta útil ainda fica mais barata, de 53 para 46 rublos. No Sonnet, tokens extras são mais caros do que a precisão ganha, é melhor melhorar a base de conhecimento lá.
Conclusões: o que considerar um CPM lucrativo
Conclusão prática: no circuito de trabalho de suporte, o mais caro não são os tokens, mas o denominador. Tudo o que aumenta a proporção de respostas úteis (qualidade da base de conhecimento, roteamento correto, conjuntos de teste) se paga mais rápido do que qualquer negociação pelo preço de um milhão de tokens.
Modelos caros (por exemplo, Sonnet) se pagam se trouxerem 10 pontos de fechamentos automáticos e 2 pontos de precisão em comparação com os mais baratos. Se a diferença em seu conjunto de teste for menor, você está pagando a mais. Se for maior, você está economizando tokens desnecessariamente.
Comparação com um humano: duas ressalvas
1. Preço do ticket: a 149 rublos por ticket, mesmo um piloto com 35% de fechamentos automáticos no Sonnet (110 rublos por resposta útil) parece lucrativo. Paridade com o operador – com 20-27% de fechamentos automáticos. Mas se o operador fecha 60 tickets por dia (99 rublos/ticket), o mesmo piloto no Sonnet (110 rublos) já é mais caro. Um operador regional/terceirizado (64 rublos/ticket) muda o cenário: GigaChat-3-Pro (42 rublos) é mais barato, Sonnet (62 rublos) – paridade. A questão “se pagará” depende do custo do seu ticket e da proporção de fechamentos automáticos.
2. Volume: custos fixos (base de conhecimento, implementação, infraestrutura) – 163.000 rublos/mês. Para 36.000 diálogos. Para 6.000 diálogos, uma resposta útil no GigaChat-3-Pro – 101 rublos, para 3.000 – 159 rublos (mais caro que o operador). Abaixo de 3.500 diálogos por mês, o agente não se paga. Se os custos fixos forem maiores (um salário integral para a base de conhecimento – 200.000 rublos/mês, implementação – 1,5 milhão de rublos), o limite de lucratividade muda para 7.000 diálogos por mês. A proporção de tokens cai para 4%: quanto mais realistas forem os outros custos, menos significativo parece o preço por milhão de tokens.
O que não foi considerado no modelo (em ambos os sentidos)
- Contra o agente: licença do sistema de tickets ou plataforma de chat.
- A favor do agente: rotatividade de pessoal (até 50% ao ano), custos de recrutamento e treinamento, trabalho lento de novatos, escalabilidade para vendas, pagamento de turnos noturnos/fins de semana. Essas coisas são difíceis de calcular sem dados específicos, mas é por elas que as empresas muitas vezes estão dispostas a pagar, mesmo que a economia unitária diária mostre paridade.
Perguntas frequentes
O que é uma “resposta útil” no contexto de um agente de IA?
Uma resposta útil é um diálogo encerrado pela IA sem intervenção humana, em que o cliente não retorna com a mesma pergunta dentro de 72 horas e não deixa uma avaliação negativa. Esta é uma métrica chave para avaliar a eficácia real e o custo do serviço de IA.