Alerta da Bain sobre custos de IA em telecom expõe uma armadilha de opex

A Bain emitiu um alerta sobre custos de IA em telecom com uma inversão marcante: os gastos com automação podem aumentar as despesas operacionais mesmo depois que empregos e tarefas desaparecem. A consultoria estima que agentes de IA, tokens e serviços de dados relacionados poderão eventualmente representar de 20% a 30% da base de custos de uma operadora.

O alerta desafia uma premissa comum por trás dos programas de IA em telecom. Modelos mais baratos e menos tarefas manuais não garantem um orçamento operacional menor. Se as operadoras mantiverem seus sistemas, contratos, aprovações e fluxos de trabalho humanos existentes, a IA se torna mais uma despesa sobreposta à estrutura antiga.

Esse conflito importa porque as operadoras já estão aplicando IA em atendimento ao cliente, operações de rede, engenharia de software e sistemas de suporte ao negócio. A AT&T está experimentando roteamento de modelos e modelos abertos, enquanto a Microsoft promove agentes especializados para redes. O argumento da Bain é que essas ferramentas só criam economias quando as operadoras redesenham o trabalho ao redor delas.

O alerta da Bain sobre custos de IA em telecom muda a equação das economias

A mensagem central da Bain é que as empresas de telecom podem substituir parte de sua base de custos por IA ou adicionar gastos com IA sem eliminar os custos que ela deveria substituir.

A consultoria publicou sua análise sobre telecom em 10 de setembro de 2026. Ela descreve uma provável mudança nas estruturas operacionais de telecom nos próximos três a cinco anos. Agentes de IA executarão ou apoiarão mais trabalho, enquanto as pessoas manterão a responsabilidade por decisões críticas.

A Bain apresenta um possível modelo operacional no qual as despesas tradicionais respondem por 70% a 80% dos custos totais. Agentes de IA, consumo de tokens e serviços relacionados compõem os 20% a 30% restantes.

Esse modelo não é, por si só, uma previsão de economias. Ele descreve uma mudança no que as operadoras pagam e em como essas despesas se comportam.

No cenário favorável, os custos de IA substituem uma parcela comparável dos gastos legados. As operadoras eliminam trabalho redundante, simplificam processos, reduzem software desnecessário e alteram suas necessidades de pessoal. Os custos totais podem permanecer amplamente estáveis enquanto velocidade, capacidade ou qualidade de serviço melhoram.

O cenário perigoso começa quando uma operadora adiciona as mesmas despesas com IA sem remover grande parte da base existente. Os funcionários continuam seguindo processos estabelecidos. Assinaturas de software permanecem ativas. Acordos de terceirização continuam. Assistentes de IA tratam etapas isoladas, mas não eliminam transferências entre equipes nem sistemas duplicados.

As despesas operacionais totais então aumentam tanto quanto a nova camada de IA. A produtividade, a experiência do cliente ou a receita precisam melhorar o suficiente para justificar esse aumento. Caso contrário, a operadora financiou uma organização mais complicada, e não uma mais eficiente.

A distinção é importante porque a despesa operacional, normalmente abreviada como opex, é recorrente enquanto a empresa funciona. Um projeto de capital malsucedido pode deixar um ativo visível e uma baixa contábil definida. Já o uso de tokens, a inferência em nuvem, o monitoramento e a revisão humana podem gerar custos mensais variáveis distribuídos entre departamentos.

Agentes de IA também criam gastos por mais do que o acesso a modelos. Eles chamam ferramentas de software, recuperam informações armazenadas, avaliam resultados, mantêm contexto e, às vezes, repetem etapas malsucedidas. As operadoras precisam pagar pela infraestrutura e pelos controles que cercam essas ações.

Por isso, a Bain rejeita o custo por token como a principal medida. Um token barato não revela se um fluxo de trabalho automatizado resolveu um problema. A unidade útil é o custo para resolver uma questão de cliente, tratar um incidente de rede, produzir uma proposta ou concluir uma entrega de software.

A reportagem original captou a implicação mais contundente. Nenhum dos caminhos ilustrados pela Bain reduz automaticamente os custos totais. Um substitui gastos tradicionais por gastos com IA, enquanto o outro aumenta a conta combinada.

Isso é o que mudou. A conversa sobre IA em telecom já não trata apenas de saber se os modelos podem automatizar o trabalho. Ela está se tornando um teste financeiro sobre se as operadoras conseguem aposentar os processos, contratos e camadas organizacionais que a automação torna desnecessários.

Modelos mais baratos ainda podem gerar contas maiores

A queda nos preços dos modelos importa menos quando o uso, a complexidade dos fluxos de trabalho e a demanda crescem mais rápido do que o custo por token diminui.

A Bain afirma que os preços dos modelos caíram cerca de dez vezes a cada ano. Isso parece um caminho direto para menores gastos com IA. No entanto, custos unitários mais baixos frequentemente incentivam uso mais amplo, prompts maiores, raciocínio mais complexo e agentes em execução por mais tempo.

Um funcionário que antes usava IA para resumir um documento pode depois pedir que ela revise todo o histórico de um caso. Uma equipe de rede pode passar de gerar notas sobre incidentes para coordenar diagnóstico, remediação, validação e escalonamento. Cada melhoria amplia a quantidade de contexto, raciocínio e uso de ferramentas envolvidos.

A IA agêntica amplifica esse efeito. Um agente de IA é um software que pode planejar e executar uma sequência de ações, em vez de responder a um único prompt. Ele pode consultar diversos sistemas, reconsiderar um resultado malsucedido e chamar outro modelo antes de concluir uma tarefa.

Esses ciclos podem consumir tokens sem produzir um resultado aceitável. O contexto repetido pode ser enviado a cada chamada de modelo. Múltiplas proteções podem inspecionar a mesma saída. Dois agentes podem realizar verificações sobrepostas porque equipes separadas os projetaram de forma independente.

A fatura do modelo também captura apenas parte da despesa. Um fluxo de trabalho em produção pode exigir software de orquestração, armazenamento, observabilidade, avaliação, controles de cibersegurança e supervisão humana. As operadoras podem otimizar a inferência enquanto deixam de considerar o sistema maior ao seu redor.

A demanda cria outra fonte de pressão. Quando os funcionários descobrem aplicações úteis, a adoção se espalha pelas unidades de negócio. Operações de rede e atendimento ao cliente estão especialmente expostos porque contêm fluxos de trabalho de alto volume com grandes quantidades de contexto operacional.

As equipes também podem recorrer por padrão a modelos de raciocínio mais recentes para trabalhos rotineiros. Esses modelos podem fornecer análises melhores, mas suas cadeias de raciocínio mais longas consomem mais tokens. Pagar menos por cada token não ajuda quando uma tarefa usa muito mais deles.

Esse padrão se assemelha ao efeito rebote observado em outras tecnologias. A eficiência reduz o custo de uma atividade individual, o que incentiva as pessoas a realizarem mais dela. O consumo total pode aumentar mesmo que cada unidade se torne mais barata.

As operadoras de telecom enfrentam uma complicação adicional porque suas cargas de trabalho são persistentes. Solicitações de clientes, alarmes, tickets, alterações de configuração e verificações de fraude continuam ininterruptamente. Um pequeno aumento no custo de cada evento automatizado pode se tornar significativo na escala de uma rede.

Portanto, a comparação correta não é entre um modelo e outro. As operadoras devem comparar um fluxo de trabalho habilitado por IA com o custo total e o resultado do processo que ele substitui.

Esse cálculo deve incluir taxas de conclusão, tentativas repetidas, escalonamentos, erros, supervisão, infraestrutura e correções posteriores. Ele também deve reconhecer valor que não aparece como economia imediata de mão de obra, como restauração mais rápida ou menor rotatividade de clientes.

O resultado pode favorecer a IA mesmo quando o gasto direto aumenta. Um agente de rede que reduz a duração de uma grande interrupção pode gerar valor comercial substancial. Um chatbot que cria interações mais longas sem resolver mais solicitações pode produzir o efeito oposto.

É por isso que a análise da Bain sobre custos de IA em telecom se concentra no custo por tarefa concluída. Ela obriga as operadoras a conectar gastos a um resultado mensurável, em vez de celebrar taxas de tokens mais baixas ou maior adoção.

A verdadeira armadilha de opex é o modelo operacional duplo

A IA se torna uma armadilha de opex quando realiza novo trabalho nas margens enquanto a organização legada continua operando sem mudanças.

Empresas de telecom raramente começam com sistemas limpos. Muitas operam redes de múltiplos fornecedores, plataformas de suporte ao negócio personalizadas, contratos de terceirização de longo prazo e software acumulado ao longo de anos de expansão e aquisições.

Adicionar um assistente a esse ambiente pode tornar uma etapa mais rápida. Isso não elimina automaticamente as etapas restantes.

Considere um agente de atendimento ao cliente que usa IA para resumir uma chamada. O resumo pode economizar tempo, mas o funcionário ainda autentica o cliente, pesquisa em vários sistemas, solicita aprovações, atualiza registros e resolve a questão do cliente. A operadora ainda paga por cada plataforma subjacente e transferência organizacional.

Um assistente de operações de rede cria o mesmo risco. Ele pode classificar um alarme ou recomendar uma resposta, enquanto os engenheiros continuam usando o processo estabelecido de monitoramento, gestão de tickets e escalonamento. A saída da IA se torna mais um artefato que os funcionários precisam revisar.

A Bain chama isso de modelo operacional duplo. O fluxo de trabalho conduzido por humanos permanece intacto, enquanto a IA executa fragmentos ao seu redor. Licenças, custos de terceirização, camadas de gestão e controles manuais sobrevivem porque o processo subjacente nunca muda.

O redesenho de ponta a ponta produz um resultado diferente. Uma operadora começa pelo resultado, mapeia cada etapa necessária para alcançá-lo e decide quais etapas devem desaparecer. A IA então participa de um processo mais simples, em vez de se ligar à complexidade herdada.

A Bain cita o trabalho da Vivo com operações de rede em circuito fechado como exemplo. Segundo a consultoria, a operadora redesenhou um processo completo de detecção à resolução. A IA pode detectar anomalias, identificar causas prováveis, executar ações corretivas, validar resultados e escalar exceções.

Essa estrutura mira todo o incidente, e não uma única etapa analítica. A atenção humana se volta para casos que exigem julgamento ou intervenção. O fluxo de trabalho pode gerar valor mesmo se os gastos com IA continuarem substanciais, porque menos transferências manuais atrasam a resolução.

No entanto, as operadoras devem tratar contratos com fornecedores como parte do redesenho. Se os agentes assumirem trabalho antes realizado por meio de licenças de software, prestadores de serviços externos ou equipes terceirizadas, esses compromissos devem ser reconsiderados. Caso contrário, a automação cria economias técnicas sem economias financeiras.

O planejamento da força de trabalho exige o mesmo cuidado. Remover funcionários experientes antes de o novo processo funcionar pode enfraquecer a qualidade do serviço e o conhecimento institucional. Manter todas as funções inalteradas depois que a automação amadurece pode preservar custos duplicados.

A Gartner acrescentou um alerta mais amplo em 9 de setembro. Sua previsão sobre o futuro do trabalho prevê que 30% dos funcionários demitidos devido à substituição por IA precisarão ser recontratados até 2029. A empresa espera que muitas recontratações custem mais porque os canais de talentos e o conhecimento institucional terão enfraquecido.

Essa previsão abrange setores além de telecom, mas reforça diretamente o teste de pressão da Bain. Uma redução precipitada pode tornar o caso de negócio inicial atraente e, depois, gerar custos de recrutamento, treinamento, serviço e remediação.

O objetivo não é proteger toda atividade existente. É evitar tratar a redução de quadro de funcionários como prova de que o sistema redesenhado funciona.

As operadoras devem primeiro estabelecer se a IA pode concluir o fluxo de trabalho visado com qualidade e risco aceitáveis. Em seguida, podem mudar funções, contratos, aprovações e sistemas com base em desempenho verificado. Essa sequência conecta a mudança organizacional a evidências operacionais.

A armadilha do opex, portanto, não é simplesmente uma inferência cara. É a sobrevivência da base de custos de ontem sob a camada de automação de amanhã.

AT&T mostra como a economia de tokens funciona na prática

A resposta da AT&T ilustra a alternativa: adequar a capacidade do modelo a cada tarefa e projetar a orquestração em torno do custo total do fluxo de trabalho.

A Bain afirma que a AT&T examinou como processar bilhões de tokens por dia de forma mais eficiente. A operadora reformulou sua orquestração para que grandes agentes de coordenação pudessem delegar trabalho a modelos menores e especializados.

Segundo o relato da AT&T citado pela Bain, essa abordagem reduziu os custos em até 90% e triplicou a capacidade de processamento. Os números representam uma alegação da empresa, não um parâmetro setorial auditado de forma independente. Ainda assim, mostram o que uma estratégia séria de controle de custos busca otimizar.

A AT&T chama sua abordagem de tokenomics. Nesse contexto, tokenomics significa gerenciar o consumo de modelos como um recurso operacional, tomando decisões com base na complexidade da tarefa, no desempenho e no custo.

A operadora explorou modelos abertos porque eles oferecem mais controle sobre a implantação e a otimização. Sua estratégia de tokenomics não depende de enviar todas as solicitações ao maior modelo disponível.

Uma tarefa rotineira de classificação pode exigir um modelo pequeno. Um diagnóstico de rede complexo pode justificar um sistema de raciocínio mais capaz. Um agente coordenador pode direcionar o trabalho entre eles, em vez de usar um único modelo caro em todas as etapas.

Essa estratégia importa porque a seleção de modelos frequentemente ocorre de forma invisível. Funcionários escolhem uma ferramenta conhecida, ou desenvolvedores definem um modelo padrão para uma aplicação. A diferença de custo parece pequena durante um piloto, mas cresce à medida que o uso atinge volume de produção.

O roteamento cria seus próprios custos e riscos. A operadora precisa avaliar qual modelo pode lidar de forma confiável com cada tarefa. Ela necessita de regras de contingência, monitoramento de desempenho, controles de segurança e limites claros para a revisão humana.

Ainda assim, esses mecanismos sustentam uma pergunta financeira melhor. A operadora pode perguntar qual combinação de modelos, ferramentas e pessoas resolve a tarefa no nível de serviço exigido.

A experiência da Microsoft oferece uma comparação útil. Seu CTO para o setor de telecomunicações afirmou que grandes modelos de detecção de anomalias adicionavam complexidade substancial, ao mesmo tempo que ofereciam pouca melhoria em relação aos métodos estatísticos tradicionais. A empresa deslocou a atenção de prever todas as falhas de rede para responder rapidamente quando uma ocorre.

Essa admissão é valiosa porque separa um caso de uso tecnicamente interessante de um financeiramente útil. Um modelo mais sofisticado não cria valor quando métodos mais simples têm desempenho quase tão bom.

A Microsoft continua vendo potencial em operações de rede e sistemas de suporte ao negócio. Seu framework Network Operations Agent utiliza agentes especializados para funções como telemetria, emissão de tickets, solução de problemas e coordenação em campo.

A Far EasTone Telecom utilizou esse framework em seu centro de operações de rede. Segundo o relato de implantação da Microsoft, quase 60% das atividades do centro de operações de rede da operadora contam com assistência de IA.

Assistido não significa autônomo. A Microsoft mantém supervisão humana para mudanças em sua própria rede, mesmo quando agentes apoiam fluxos de trabalho operacionais avançados. Essa distinção limita o risco operacional, mas também preserva parte do custo humano.

Essa é a principal troca envolvida na gestão de custos de IA para telecomunicações da Bain. As operadoras querem maior automação, mas os requisitos de confiabilidade exigem avaliações, aprovações e responsabilização. Remover a supervisão cedo demais pode gerar interrupções ou ações incorretas. Manter supervisão excessiva pode eliminar o benefício econômico.

A abordagem da AT&T não elimina essa tensão. Ela a torna mensurável. Roteamento de modelos, orçamentos dedicados e contabilização por tarefa permitem que líderes vejam onde uma autonomia maior melhora o resultado e onde apenas aumenta o consumo.

A lição prática não é que toda empresa de telecomunicações deva copiar uma única arquitetura. É que os gastos com IA precisam de um sistema de controle projetado antes que a adoção alcance bilhões de tokens diários.

O que a narrativa de economia de custos ainda não comprova

A Bain oferece um modelo operacional útil, mas suas porcentagens são cenários, não economias ou perdas verificadas em todo o setor de telecomunicações.

A estrutura de 70 para 30 é uma estimativa de como os custos podem evoluir. A Bain observa que sua ilustração não incorpora mudanças absolutas nos gastos. Ela não deve ser interpretada como uma previsão de que todas as operadoras gastarão a mesma proporção com IA.

As operadoras têm diferentes extensões de rede, estruturas de trabalho, acordos de terceirização, regulamentações e estratégias de nuvem. Um modelo adequado para uma empresa pode ser inadequado para outra.

O custo de uma tarefa concluída também depende do resultado escolhido. Uma interação com o cliente pode ser medida por tempo de atendimento, resolução, satisfação, retenção ou receita. Um programa de automação pode parecer bem-sucedido sob uma métrica e fraco sob outra.

Incidentes de rede criam um problema semelhante. Um diagnóstico mais rápido ajuda, mas o resultado só importa se a recomendação estiver correta e o reparo for bem-sucedido. Um agente que gera respostas rápidas, mas pouco confiáveis, pode aumentar o trabalho de revisão e correção.

O argumento da Bain também pressupõe que as operadoras consigam identificar e eliminar custos legados. Isso costuma ser um desafio contratual e organizacional, e não técnico. Um contrato de software pode durar anos. Um controle regulado pode continuar obrigatório. Uma função terceirizada pode abranger atividades que a IA só realiza parcialmente.

A incerteza da demanda complica ainda mais a previsão. O consumo de tokens pode acelerar à medida que funcionários encontram mais usos. Também pode se estabilizar quando a governança melhora, modelos menores amadurecem ou a automação convencional substitui chamadas de IA desnecessárias.

Os benefícios podem surgir fora da linha de despesas operacionais. Maior confiabilidade da rede pode reduzir a evasão de clientes. Uma geração mais rápida de propostas pode melhorar a capacidade de vendas. Quiosques rurais automatizados podem atender mercados que não sustentariam uma loja com funcionários.

A Bain aponta para um piloto da Telia envolvendo quiosques de autoatendimento habilitados por IA em comunidades rurais. O exemplo muda a questão econômica, de reduzir o trabalho existente para atender uma demanda que antes não era economicamente viável.

Esse é um caso de crescimento, não um simples caso de corte de custos. Ele pode justificar novos gastos com IA se o serviço criar receita ou valor suficiente para o cliente. Tratar todos os projetos como programas de redução de opex deixaria essa distinção passar despercebida.

Também há o risco de as empresas usarem o alerta para desacelerar implantações que valem a pena. As despesas com IA são reais, mas também o são atrasos, interrupções, trabalho repetitivo e frustração dos clientes. Evitar todo custo variável preservaria as ineficiências que as operadoras querem resolver.

A melhor resposta é a experimentação disciplinada vinculada a resultados de negócio. Um piloto deve estabelecer qualidade, custo de conclusão, adoção e risco operacional. Também deve identificar exatamente qual despesa antiga pode desaparecer se o piloto for ampliado.

É nesse ponto que as provas de conceito frequentemente falham. Uma demonstração pode mostrar que um modelo realiza uma tarefa. Raramente comprova que uma organização consegue eliminar um fluxo de trabalho, renegociar um contrato ou mudar a responsabilização em torno dessa capacidade.

A leitura cética do alerta da Bain é, portanto, equilibrada. Sua análise não estabelece que a IA aumentará os custos totais de todas as operadoras. Ela mostra por que preços menores de modelos e pilotos impressionantes são evidências insuficientes de economia.

O ônus agora passa às operadoras. Elas devem publicar ou validar internamente a economia no nível das tarefas, e não apenas números de adoção, volumes de tokens ou anúncios de contratação.

Três sinais mostrarão se as operadoras escaparão da armadilha

O próximo teste é saber se as operadoras conectam o consumo de IA a resultados concluídos, aposentam custos duplicados e ampliam fluxos de trabalho comprovados sem enfraquecer o serviço.

O primeiro sinal é o relatório no nível das tarefas. As operadoras devem acompanhar o custo total de casos de clientes resolvidos, incidentes de rede, lançamentos de software e propostas de vendas. Esses números precisam incluir modelos, infraestrutura, avaliações, novas tentativas, ferramentas e revisão humana.

Se os custos por tarefa caírem enquanto a qualidade de conclusão permanecer estável, o cenário favorável da Bain ganha respaldo. Se as taxas por token caírem, mas o custo total por resultado subir, a armadilha do opex estará tomando forma.

O segundo sinal é a aposentadoria visível de despesas legadas. As operadoras devem demonstrar que a automação bem-sucedida leva a menos aplicações redundantes, cadeias de processos mais curtas, contratos de terceirização revisados ou funções redesenhadas.

Reduções de pessoal, por si só, não são suficientes. A previsão de recontratação da Gartner destaca o risco de remover pessoas antes que automação, treinamento e governança estejam prontos. Economias sustentáveis exigem que o próprio processo mude.

Evidências de que as operadoras estão reduzindo softwares duplicados e transferências manuais fortaleceriam a tese da Bain sobre redesenho de fluxos de trabalho. O crescimento contínuo tanto dos gastos com IA quanto dos contratos legados apoiaria seu cenário de aumento gradual de custos.

O terceiro sinal é a expansão controlada de pilotos para fluxos de trabalho de produção de alto valor. A Bain recomenda selecionar três processos caros e difíceis para redesenho de ponta a ponta. Atendimento ao cliente, operações de rede e entrega de software são candidatos óbvios.

Uma expansão bem-sucedida deve produzir mais do que uma demonstração. Ela deve estabelecer responsabilidade, taxas de erro aceitáveis, regras de escalonamento humano e responsabilização financeira. Cada agente deve ter um responsável nomeado e um resultado mensurável.

Observe como as operadoras discutem esses programas em atualizações financeiras e briefings operacionais. Alegações sobre o número de agentes ou tokens consumidos revelam atividade, não valor. Métricas ligadas a resolução, restauração, retenção, capacidade de processamento e custo total revelam se o modelo operacional mudou.

Os próximos meses não resolverão a economia de longo prazo da IA em telecomunicações. Eles podem revelar se os executivos aceitaram o desafio contábil imediato.

A pesquisa da Bain sobre custos de IA em telecomunicações deixa as operadoras diante de uma escolha concreta. Elas podem continuar adicionando assistentes a fluxos de trabalho antigos ou reconstruir fluxos selecionados em torno de resultados mensuráveis. Compradores e funcionários devem perguntar quais custos desaparecem quando cada novo agente chega. Se os líderes não conseguirem responder a essa pergunta, a eficiência prometida continuará sendo uma previsão de despesa, e não um resultado de negócio.