Quanto custa um projeto de IA de verdade: as 6 linhas do orçamento que a demonstração não mostra

A demonstração de IA custa pouco e impressiona. O sistema que roda todos os dias custa mais, e por motivos que quase nunca aparecem na primeira proposta. Conhecer essas linhas antes evita o projeto que para no meio.

Por que tanto projeto de IA estoura o orçamento

O relatório State of AI, da McKinsey, mostra que só uma pequena parte das empresas, em torno de 6%, consegue atribuir à IA um impacto relevante no resultado. Um dos motivos é que o orçamento é feito para a demonstração: um modelo, uma interface e alguns exemplos. O que leva a IA para a operação fica de fora e aparece depois, como “custo extra”.

As 6 linhas que a demonstração não mostra

1. Integração com os sistemas existentes

Conectar a IA ao ERP, ao CRM, ao sistema legado ou à base de documentos costuma ser a maior parte do esforço. APIs incompletas, dados espalhados e regras de acesso precisam ser resolvidos antes de qualquer resposta útil.

2. Preparação e qualidade dos dados

Documentos em formatos diferentes, cadastros duplicados, informações desatualizadas. Se a IA vai responder com base nesses dados, alguém precisa organizar, limpar e manter a base. Esse trabalho não termina na entrega.

3. Revisão humana e interface de conferência

Em operações sérias, a IA sugere e uma pessoa confirma. A tela em que essa conferência acontece precisa ser rápida e clara. Se conferir for lento, a equipe abandona o sistema. É uma parte do projeto que raramente está na proposta inicial.

4. Custo de uso dos modelos

Cada chamada a um modelo de IA tem custo, e ele cresce com o volume de uso, o tamanho dos documentos e o modelo escolhido. Um projeto bem desenhado estima esse custo por operação desde o início e escolhe o modelo certo para cada tarefa, e não o mais caro para tudo.

5. Segurança, LGPD e registro

Controle de acesso, definição do que pode ser enviado ao modelo, armazenamento das conversas, trilha de auditoria. Em setores regulados, isso não é opcional, e precisa ser pensado na arquitetura, não adicionado no fim.

6. Monitoramento e evolução

Modelos mudam, processos mudam, dados mudam. Um sistema de IA em produção precisa de monitoramento de qualidade das respostas, de custo e de erros, além de ajustes periódicos. Sem isso, a qualidade cai devagar e ninguém percebe até ser tarde.

Como orçar um projeto de IA sem surpresa

1. Comece por um diagnóstico com escopo fechado. Antes de orçar o projeto, entenda os dados, os sistemas e os riscos.
2. Valide com uma POC em dados reais, e não com exemplos escolhidos a dedo.
3. Peça o custo de operação, não só o de desenvolvimento: uso dos modelos, infraestrutura, monitoramento e evolução.
4. Defina o indicador de sucesso antes de começar: tempo economizado, prazo cumprido, erros evitados.
5. Desconfie de propostas que não falam de integração. É o sinal mais comum de que o orçamento cobre só a demonstração.

Como fazemos na Archicode

Todo projeto começa pelo Diagnóstico de viabilidade de IA, com escopo e preço fechados. Ele mapeia processos, dados, integrações e riscos, e entrega uma estimativa para POC e produção, incluindo o custo de operação. Às vezes a recomendação é não usar IA e resolver o problema com uma boa regra de negócio. Preferimos dizer isso no começo a entregar um sistema que ninguém usa.

Conheça como a Archicode trabalha com consultoria e arquitetura de IA.

---

Fontes

• The state of AI — McKinsey
• Como mensurar custos ao escalar aplicações e agentes de IA — Victor Calazans