Treinar um modelo custa uma vez. Inferir custa todo dia, a cada usuário, a cada agente. Essa frase simples descreve a inversão silenciosa que reescreveu a economia da IA nos últimos três anos. Nós acompanhamos essa virada de perto com clientes corporativos — e o sinal é unânime: quem ainda orça IA como custo único de treinamento está orçando o projeto errado.
A inversão silenciosa do centro de gravidade
Em 2023, treinar era o gargalo. Quem tinha GPU dominava o jogo. Inferência era residual, cerca de um terço do compute de IA. A leitura mudou rápido. Segundo a Deloitte, no TMT Predictions 2026, a inferência passou de 33% para dois terços de todo o compute de IA. Em três anos, o centro de gravidade migrou do treino para a inferência.
A virada não é só técnica — é financeira. O FinOps Foundation vê a mesma curva no bolso. Segundo o State of FinOps 2026, a inferência responde por 80 a 90% do spend total de IA em produção. O treino ainda é necessário, mas virou CapEx residual. A inferência virou OpEx perpétuo.
O treino é CapEx. A inferência é OpEx perpétuo
A distinção importa orçamentariamente. Treinar um modelo é um investimento de capital com começo, meio e fim: você provisiona GPU, treina, valida, archiva o checkpoint. O custo é finito e previsível. Inferir é o oposto: cada usuário ativo, cada documento processado, cada agente executado gera tokens. O custo compõe mensalmente e cresce com o uso real do produto.
É por isso que o piloto custa pouco e a produção surpreende. O piloto roda com poucos usuários, poucos workloads, poucos agentes. A produção escala com cada usuário ativo e cada integração nova. O custo de inferência não é linear no tempo — é linear no uso, e o uso só cresce quando o produto funciona.
O multiplicador é agêntico
O fator que acelera a virada é o multiplicador agêntico. Segundo a McKinsey, em julho, tarefas agênticas consomem cerca de 1.000 vezes mais tokens que tarefas de chat ou code-reasoning. Segundo a Gartner, em março, são 5 a 30 vezes mais tokens que um chatbot padrão, por tarefa. Os números não se contradizem — medem comparações diferentes. A McKinsey compara agentes contra chat e code-reasoning; a Gartner compara agentes contra um chatbot padrão. Ambos mostram a mesma direção: agentes mudam a ordem de grandeza do consumo de tokens.
Orçar pelo baseline de chatbot é o erro mais comum. O time projeta custo com base em interações simples de chat, lança um agente autônomo em produção e descobre que o consumo real é 10x ou 100x maior. O multiplicador agêntico precisa entrar no TCO antes de qualquer decisão de arquitetura.
A conta que ninguém fez
Os dados confirmam o choque. Segundo a Gartner, 58% das empresas excederam estimativas de custo de IA em 40% ou mais. Segundo a IDC, 96% das organizações reportaram custos de infraestrutura de IA maiores que o esperado ao migrar do piloto para produção. Não é um problema isolado — é um padrão estrutural.
A consequência é orçamentária. IA era projeto de infraestrutura com começo, meio e fim. Hoje é custo operacional mensal que compõe com cada cliente atendido, cada documento processado, cada agente executado. O modelo financeiro mudou, mas muitos orçamentos ainda não acompanharam.
FinOps para IA como disciplina
É onde FinOps para IA entra como disciplina. Medir o spend depois que ele chega é tarde demais. O trabalho começa antes: modelar custo por token, por usuário, por workload, antes do commit de arquitetura. Significa separar treino de inferência nas categorias orçamentárias, projetar TCO por workload, implementar governança de spend com showback e chargeback antes que a conta surpreenda.
Nós, na Tech86, temos trabalhado com clientes corporativos nesse ponto exato. Separar treino de inferência, projetar TCO por workload, implementar governança de spend antes que a fatura surpreenda. O trabalho é preventivo — depois que o spend de inferência aparece na planilha, a alavanca de otimização já é reativa, não projetiva.
Conclusão
A inversão já aconteceu. Quem ainda trata IA como custo único de treinamento está orçando o projeto errado. O treino é CapEx residual; a inferência é OpEx perpétuo que responde por 80 a 90% do spend total de IA em produção. O multiplicador agêntico amplifica o problema em ordens de grandeza. FinOps para IA não é opcional — é a disciplina que separa quem escala IA com previsibilidade de quem descobre o custo só quando a fatura chega.