EY Planeja Nova Unidade para Controlar Custos de IA Empresarial

A EY chegou ao google news com um plano relatado para uma unidade dedicada a ajudar empresas a conter os crescentes custos de inteligência artificial. A iniciativa traz um conflito claro. As empresas querem sistemas de IA mais autônomos, embora não disponham de formas confiáveis de medir o que cada tarefa concluída consome.

A Bloomberg informou sobre a unidade planejada em 11 de agosto de 2026. Detalhes públicos sobre seu nome, liderança, equipe e cronograma de lançamento continuam limitados. A EY não publicou um anúncio detalhado que confirme de forma independente todos os elementos da reportagem.

A direção, porém, corresponde a uma estrutura que a EY divulgou em julho. Essa estrutura argumenta que as empresas precisam de um responsável único pelos gastos com agentes, além de limites que interrompam fluxos de trabalho descontrolados.

Isso é mais do que outro serviço de consultoria embalado em torno de uma tecnologia popular. A EY está contestando a premissa de que a queda nos preços dos modelos torna automaticamente a IA empresarial acessível.

Seu principal adversário é a propriedade fragmentada. As equipes de engenharia monitoram tokens, as equipes de nuvem gerenciam a infraestrutura, os responsáveis por risco acompanham os controles e os líderes de negócios aprovam projetos. Ninguém necessariamente vê a conta completa ou a compara com um resultado concluído.

Os concorrentes já reconhecem essa oportunidade. Harness e Flexera lançaram produtos em 2026 que conectam o consumo de IA a custos de nuvem, unidades de negócio, agentes e resultados. A EY está abordando o mesmo problema por meio de governança, decisões de investimento e desenho operacional.

O resultado é uma disputa entre a adoção de IA medida por atividade e o investimento em IA medido por valor. Mais usuários, prompts, agentes e tokens podem demonstrar adoção. Eles não conseguem provar que um sistema melhora receita, qualidade, velocidade ou risco.

O Que a Reportagem da EY no Google News Realmente Muda

A EY estaria transformando o controle de custos de IA de um trabalho ocasional de consultoria em uma área distinta de responsabilidade organizacional.

A manchete do google news identifica a EY como lançando uma unidade para manter sob controle as despesas com inteligência artificial. A reportagem subjacente da Bloomberg fornece o gatilho do evento, mas o registro público ainda não apresenta um plano operacional completo.

Essa lacuna importa. Uma unidade dedicada pode descrever várias estruturas diferentes. Pode ser uma equipe interna, uma prática de assessoria a clientes ou um serviço mais amplo que combina especialistas em finanças, tecnologia e risco.

Até que a EY publique esses detalhes, os leitores devem tratar a estrutura exata como relatada, e não como plenamente documentada. A estratégia subjacente é mais fácil de verificar por meio do trabalho recente da EY sobre a economia dos agentes.

O artigo de julho da EY, valor agêntico, recomenda nomear um Head of Agent Economics ou um Agent FinOps Lead. FinOps é uma disciplina de gestão que conecta os gastos com tecnologia às decisões de engenharia e ao valor de negócio.

Esse executivo proposto supervisionaria o uso de modelos, o vazamento de custos e a realização de valor em vários orçamentos. A EY também recomenda tetos de gastos, limites de volume de chamadas e desligamentos automáticos nos níveis de agente, fluxo de trabalho e unidade de negócio.

Esses controles respondem a uma mudança arquitetural específica. Um chatbot convencional normalmente recebe uma solicitação e devolve uma resposta. Um agente de IA pode planejar, recuperar documentos, chamar software, consultar subagentes, repetir etapas que falharam e refinar sua saída.

Cada ação adicional consome recursos. A resposta final pode parecer simples, mesmo quando o caminho por trás dela contém muitas chamadas de modelo e operações de ferramentas.

A EY afirma que o custo total vai além dos tokens e das chamadas de interface de programação de aplicações. Ele também inclui assinaturas de software, infraestrutura de plataforma, governança, mudança organizacional, recuperação de falhas e possíveis obrigações regulatórias.

Essa definição mais ampla cria o propósito estratégico da unidade relatada. Ela fornece à EY uma estrutura para examinar despesas distribuídas entre finanças, tecnologia, jurídico, recursos humanos e unidades de negócio individuais.

A iniciativa também se conecta à expansão mais ampla de IA da EY. EY e Microsoft anunciaram uma iniciativa conjunta em maio, projetada para levar projetos de clientes de pilotos a implantações maiores. As empresas disseram que seu foco inicial incluía finanças, tributação, recursos humanos e cadeias de suprimentos.

A escala cria a necessidade de disciplina de custos. Um pequeno piloto pode tolerar supervisão manual e contabilidade pouco clara. Um sistema de produção que atende milhares de funcionários ou clientes não pode depender das mesmas premissas.

A unidade relatada da EY, portanto, marca uma transição da experimentação com IA para a responsabilização operacional. A mudança importante não é outro painel. É a tentativa de tornar alguém responsável pela economia de software autônomo.

Por Que a IA Agêntica Torna o Controle de Custos Mais Difícil

O problema central de custos vem do comportamento variável, e não simplesmente de modelos caros.

O software empresarial tradicional costuma usar licenças, assentos ou contratos de capacidade. Esses arranjos são imperfeitos, mas as equipes financeiras geralmente conseguem prevê-los com dados conhecidos.

Os sistemas agênticos se comportam de outra forma. Seu consumo depende da tarefa, do modelo selecionado, do tamanho do contexto, do número de ferramentas, do comportamento de repetição e das condições de parada. Duas solicitações aparentemente semelhantes podem criar caminhos de execução diferentes.

Essa variabilidade enfraquece as estimativas orçamentárias baseadas em uma chamada média de modelo. A fatura do modelo captura o consumo visível, mas a orquestração e o suporte operacional podem aparecer em outros lugares.

A estrutura da EY divide o custo total de um agente em sete categorias. As categorias visíveis incluem tokens, assinaturas e infraestrutura. As menos visíveis incluem governança, mudanças na força de trabalho, falhas e possíveis custos regulatórios.

As categorias frequentemente pertencem a executivos diferentes. Um líder de tecnologia pode ver o uso do modelo, enquanto uma equipe de risco financia avaliações e controles. Recursos humanos pode pagar pelo treinamento, e operações pode absorver o trabalho de remediação.

Essa fragmentação faz um agente aparentemente eficiente parecer mais barato do que é. Também torna pouco confiáveis as comparações com trabalho humano quando a organização exclui despesas de supervisão e recuperação.

O custo por token não pode resolver esse problema contábil. Tokens medem partes do texto processadas por um modelo, mas não mostram se o agente concluiu uma tarefa útil.

Um agente que usa menos tokens ainda pode falhar com mais frequência. Outro agente pode consumir mais recursos, mas resolver um caso valioso sem escalonamento. A empresa precisa tanto de dados de consumo técnico quanto de dados de resultados.

A Harness concretizou esse argumento ao lançar recursos de custo por resultado em maio. Seu sistema atribui gastos a agentes, sessões, execuções, etapas e resultados de negócio.

O produto pode identificar uma conversa que se torna cara porque um agente entra repetidamente em uma cadeia desnecessária de ferramentas. Isso transforma uma anomalia financeira em um problema de software que os engenheiros podem investigar.

A Flexera adotou uma abordagem mais ampla de infraestrutura. Seu comunicado de junho sobre gestão de custos de IA conecta o consumo entre aplicações, agentes, modelos, plataformas de dados e computação.

Esses lançamentos mostram que a gestão de custos de IA está se tornando uma categoria de produto, e não apenas um tema de consultoria. Eles também destacam o desafio enfrentado pela EY.

Plataformas de software podem coletar telemetria continuamente. Telemetria são dados operacionais que mostram como um sistema se comporta durante a execução. A EY precisa demonstrar por que o desenho organizacional agrega valor além desses painéis.

A resposta mais forte é que a medição, por si só, não cria responsabilização. Um painel pode mostrar que um agente consumiu mais recursos, mas não pode decidir se o resultado os justificou.

Essa decisão exige um responsável de negócio, uma métrica de valor acordada e autoridade para reduzir ou interromper o uso. Também exige registros claros das informações que um agente recuperou e das ações que tentou executar.

As equipes que operam fluxos de trabalho de IA precisam de material de origem rastreável. Uma base de conhecimento pesquisável pode ajudar engenheiros a investigar qual contexto moldou uma execução cara ou malsucedida.

A oportunidade da EY está entre as camadas financeira e técnica. Se a unidade relatada tiver sucesso, ela conectará controles de consumo à alocação de capital, à tolerância a riscos e aos resultados operacionais.

O Verdadeiro Adversário É a Propriedade Fragmentada

A EY aposta que os gastos descontrolados com IA são, antes de tudo, uma falha de propriedade.

As empresas raramente compram inteligência artificial por um único canal organizado. Funcionários usam assistentes incluídos em pacotes, equipes compram acesso direto a modelos e desenvolvedores consomem serviços gerenciados por provedores de nuvem.

Os agentes também podem chamar buscas externas, bancos de dados, ferramentas de programação e aplicações de negócio. Cada dependência pode ter registros de uso e responsáveis por orçamento separados.

As finanças veem as faturas após o consumo ocorrer. A engenharia vê rastros técnicos sem contexto de negócio completo. As equipes de segurança e jurídico podem entrar apenas quando um sistema lida com dados sensíveis ou causa um incidente.

Esse arranjo funcionou mal durante a adoção inicial da nuvem. As equipes podiam provisionar recursos rapidamente, enquanto os controles de gastos e as práticas de alocação chegavam depois.

O FinOps surgiu para conectar equipes de finanças, engenharia e produto em torno de dados compartilhados de consumo. A IA agora amplia esse desafio porque suas cargas de trabalho são menos previsíveis e mais ligadas ao comportamento dos usuários.

O Head of Agent Economics proposto pela EY concentra a responsabilidade sob um único executivo. Essa pessoa não substituiria líderes de engenharia, finanças ou risco. A função daria às decisões separadas deles uma estrutura econômica comum.

O modelo proposto depende de economia unitária. A economia unitária mede o custo e o valor associados a uma unidade útil, como um caso resolvido ou um fluxo de trabalho concluído.

Escolher essa unidade é difícil. Um agente interno de pesquisa pode economizar o tempo dos funcionários, melhorar a qualidade das decisões ou reduzir informações perdidas. Esses benefícios não se encaixam facilmente em uma única medida financeira.

O atendimento ao cliente oferece um exemplo mais claro. Uma empresa pode comparar o custo total do agente com consultas resolvidas, taxas de escalonamento, satisfação do cliente e trabalho de correção.

O desenvolvimento de software é mais difícil. Um agente pode gerar código rapidamente enquanto cria obrigações de revisão, segurança ou manutenção que surgem mais tarde.

É aqui que um responsável centralizado pode se tornar útil. O responsável pode exigir que cada agente tenha uma métrica de resultado antes da implantação e uma regra de parada após o lançamento.

Uma regra de parada define quando o sistema deve pausar porque os gastos, erros ou volume de chamadas excedem um limite aprovado. Ela impede que um ciclo autônomo continue até que alguém perceba uma fatura maior.

Ainda assim, a centralização tem seus próprios riscos. Um novo título executivo pode criar outra camada de aprovação sem melhorar a visibilidade técnica. Também pode direcionar a atenção para custos facilmente mensuráveis, ao mesmo tempo que subestima a qualidade.

A EY precisa evitar transformar a economia dos agentes em um departamento de corte de custos. Sua própria estrutura afirma que as organizações devem direcionar os gastos para valor mensurável, e não apenas minimizar o consumo.

Essa distinção afeta a seleção de modelos. Um modelo menos capaz pode reduzir o consumo de inferência, ao mesmo tempo que aumenta falhas, novas tentativas e revisões humanas. A chamada mais barata ao modelo pode resultar em uma tarefa concluída mais cara.

A mesma tensão se aplica à recuperação de informações. Um contexto mais curto pode reduzir o processamento, mas a ausência de evidências pode enfraquecer uma resposta. Um contexto mais longo pode melhorar a cobertura, ao mesmo tempo que aumenta o consumo e a latência.

Portanto, a gestão de custos de agentes exige mais do que limites. Exige sistemas de avaliação que meçam sucesso, falha e as consequências da intervenção.

A propriedade fragmentada continua sendo o principal adversário, porque cada otimização cria compensações em outro lugar. Uma única função responsável pode expor essas compensações antes que as equipes transfiram custos entre orçamentos.

O Que a Proposta de Controle de Custos Não Comprova

Uma nova unidade não pode garantir economia, atribuição precisa nem melhores resultados de IA.

A manchete da Bloomberg colocou o plano reportado da EY no google news, mas as evidências públicas deixam várias questões em aberto. A EY não divulgou a carteira de clientes da unidade, metas de desempenho nem sua autoridade de governança.

Também não está claro se o grupo implantará software proprietário, integrará plataformas de terceiros ou se concentrará em serviços de consultoria. Essas escolhas determinam se a EY conseguirá observar os fluxos de trabalho com profundidade suficiente para controlá-los.

Dados de faturas, por si só, oferecem uma visão incompleta. Uma atribuição eficaz exige identificadores que conectem chamadas de modelos a usuários, agentes, sessões, ferramentas, produtos e resultados concluídos.

As organizações nem sempre coletam esses identificadores de forma consistente. Aplicações mais antigas podem combinar solicitações, enquanto provedores externos podem expor formatos diferentes de faturamento e telemetria.

A medição de resultados introduz outro problema. As equipes podem otimizar a métrica que recebe atenção executiva, mesmo quando ela representa apenas parte do valor do sistema.

Um agente avaliado por tickets concluídos pode encerrar casos de forma agressiva demais. Um assistente de programação medido pela produção gerada pode incentivar mudanças desnecessárias. Uma ferramenta de pesquisa avaliada pela velocidade pode omitir evidências importantes.

A unidade reportada também entra em um mercado com fornecedores estabelecidos de gestão de custos. A Harness já combina alocação de nuvem e IA, governança, detecção de anomalias e dados detalhados de fluxo de trabalho.

A Flexera afirma que sua plataforma abrange modelos, aplicações, dados e computação. Provedores de nuvem e gateways de modelos também podem adicionar controles nativos que reduzam a necessidade de uma camada separada de consultoria.

A vantagem da EY é o acesso a decisores de finanças, operações, risco e alta administração. Sua fraqueza é que recomendações de consultoria podem se desconectar do comportamento técnico em tempo real.

A empresa precisa provar que seu framework altera implantações depois do fim de um relatório ou workshop. Evidências úteis incluiriam menos ciclos descontrolados, atribuição mais forte de resultados e encerramento mais rápido de projetos fracos.

A própria análise da EY cita uma previsão da Gartner de que mais de 40 por cento dos projetos de IA agêntica serão cancelados até o fim de 2027. A Gartner atribui os cancelamentos esperados ao aumento dos custos, valor pouco claro ou controles de risco inadequados.

A previsão de cancelamento de agentes reforça a urgência da EY. Ela não prova que uma unidade centralizada de economia evita essas falhas.

As empresas também podem confundir cancelamento com fracasso. Interromper um agente fraco antes de uma implementação mais ampla pode representar governança bem-sucedida e investimento disciplinado.

Outra incerteza envolve a precificação dos provedores. Os custos dos modelos podem cair enquanto o consumo total dos fluxos de trabalho aumenta, porque os agentes executam mais etapas e alcançam mais usuários.

As empresas podem responder direcionando tarefas mais simples para modelos menores. Isso pode melhorar a economia, desde que as avaliações confirmem que a qualidade permanece aceitável.

A supervisão humana deve continuar no modelo de custos. Um agente que parece barato antes da revisão pode se tornar caro quando especialistas verificam resultados e corrigem erros.

Os custos de risco são ainda mais difíceis de prever. Muitos dias podem passar sem um incidente, enquanto uma única falha de privacidade, segurança ou conformidade gera um extenso trabalho de remediação.

A proposta da EY é crível porque esses custos estão dispersos. Sua eficácia permanece não verificada porque a empresa ainda não publicou resultados mensuráveis da unidade reportada.

O Que os Leitores do Google News Devem Observar em Seguida

Três sinais mostrarão se a EY criou um modelo operacional real ou apenas mais um rótulo de consultoria.

O primeiro sinal é um anúncio detalhado da EY. Ele deve identificar o líder da unidade, escopo, equipe, capacidades técnicas e relação com as práticas existentes da EY.

Um framework público também deve explicar se a unidade atende a EY internamente, assessora clientes ou faz ambos. Essa distinção afeta as evidências que os leitores devem esperar.

O uso interno daria à EY a oportunidade de testar controles em seus próprios sistemas de IA. O trabalho com clientes exigiria métodos repetíveis que funcionassem em diferentes nuvens, modelos e processos de negócios.

Autoridade clara fortaleceria o argumento. Uma unidade que pode recomendar limites de gastos tem menos influência do que uma que pode impor limites ou exigir métricas de resultado.

Silêncio ou branding vago enfraqueceriam a interpretação da reportagem da Bloomberg. Isso sugeriria que o conceito está menos avançado do que a manchete do google news indica.

O segundo sinal é a evidência no nível do fluxo de trabalho. A EY deve mostrar como um cliente conecta o consumo total a um resultado de negócio concluído.

Exemplos úteis incluiriam atendimento ao cliente, desenvolvimento de software, finanças ou trabalho de cadeia de suprimentos. Cada exemplo deve incluir uso técnico, supervisão humana, falhas e a medida de valor escolhida.

Os leitores devem procurar comparações de antes e depois da introdução dos controles. Os resultados mais críveis revelarão se gastos menores alteraram a qualidade, a latência ou as taxas de escalonamento.

Afirmações sobre economias percentuais merecem cautela sem uma linha de base definida. Um sistema pode reduzir o consumo de modelos enquanto transfere trabalho para funcionários ou outros softwares.

Evidências de redução do custo total por resultado bem-sucedido fortaleceriam a tese da EY. Reduções de tokens sem dados de resultados a enfraqueceriam.

O terceiro sinal é a resposta competitiva. Harness, Flexera, provedores de nuvem, gateways de modelos e fornecedores de observabilidade estão desenvolvendo capacidades sobrepostas.

Parcerias podem ajudar a EY a obter telemetria detalhada sem desenvolver internamente todos os componentes técnicos. Elas também podem revelar que o diferencial da empresa está na governança e no desenho operacional.

A concorrência pode pressionar a EY a explicar onde termina a consultoria e começa o software. Os compradores precisam saber quem é responsável pelos dados, configura os controles e responde quando um agente ultrapassa um limite.

O mercado mais amplo também testará se o cargo de Head of Agent Economics se torna uma posição duradoura. Nomeações disseminadas validariam o argumento da EY de que a IA precisa de propriedade financeira distinta.

Um resultado mais fraco seria que líderes existentes de FinOps, finanças ou tecnologia absorvessem essas responsabilidades. Isso não eliminaria o problema, mas reduziria a necessidade de uma nova categoria organizacional.

Para desenvolvedores, a lição imediata é direta. Instrumentem os agentes antes que eles escalem, registrem chamadas de ferramentas e novas tentativas, e conectem cada execução a um resultado.

Compradores empresariais devem exigir mais do que painéis de uso. Eles precisam de regras de alocação, controles de interrupção, dados de avaliação e responsabilidade clara por falhas.

Profissionais do conhecimento devem esperar que as organizações examinem com rigor quais tarefas de IA geram valor mensurável. Alta atividade, por si só, se tornará uma justificativa mais fraca para gastos contínuos.

A aparição da EY no google news captura uma mudança mais ampla na IA empresarial. A adoção já não é a única métrica de destaque. As empresas precisam cada vez mais explicar o que seus agentes produzem, quanto custam as falhas e quem pode interrompê-los.

A unidade reportada merece atenção porque coloca essa responsabilidade perto do centro da estratégia de IA. Ela ainda não merece uma volta de vitória.

Observe a estrutura formal da EY, as evidências no nível do fluxo de trabalho e as parcerias competitivas nos próximos três meses. Esses sinais mostrarão se a economia de agentes se torna uma disciplina operacional ou permanece apenas um nome atraente.

Se sua organização já opera agentes de IA, faça uma pergunta direta: quem consegue informar o custo total de uma tarefa bem-sucedida e defender esse cálculo? Se ninguém consegue, o problema de controle já chegou.