Simon Willison identifica a Tokenpocalypse enquanto os custos de IA empresarial acabam com o sonho do uso ilimitado

Simon Willison destacou, em 7 de agosto, um revelador conflito na IA empresarial: funcionários podem consumir tokens caros ao realizar trabalhos que softwares mais simples já executam. O exemplo envolvia transformar PDFs em imagens, arquivos markdown e materiais para apresentações. Parece trivial, mas expõe um sério problema orçamentário.

Segundo áudios obtidos pela 404 Media, líderes da Accenture discutiram o rápido aumento no consumo de tokens e a dificuldade de vincular esse uso ao valor para o negócio. Um executivo teria brincado que a conversão de PDFs era uma grande “devoradora de tokens”. A conversa capturou a distância entre incentivar os funcionários a usar IA e controlar o custo desse incentivo.

A pressão agora vai além da Accenture. Empresas adotaram Claude, ChatGPT, Copilot, Codex e agentes de IA como sistemas de produtividade amplamente úteis. Elas estão descobrindo que a experimentação ilimitada cria uma despesa operacional variável, sem um teto natural. A nova disputa não é entre adotar ou rejeitar a IA. É entre uso máximo e valor mensurável.

Simon Willison encontrou a história perfeita de desperdício de tokens

Uma tarefa banal com PDFs se tornou um exemplo excepcionalmente claro de como os gastos com IA empresarial escapam ao controle financeiro.

O alerta sobre PDFs de Willison chamou atenção para uma anedota de uma investigação de 24 de junho da 404 Media. A publicação afirmou ter obtido áudio de uma discussão interna da Accenture sobre o aumento no consumo de IA.

Justice Kwak, responsável pela estratégia de IA agêntica da Accenture, teria dito que engenheiros não eram os principais responsáveis por alguns padrões caros de uso. Profissionais que não são engenheiros respondiam por muitos dos comportamentos em discussão.

Stuart Henderson, líder de grupo de clientes da Accenture, então perguntou se Kwak havia convertido um PDF em imagens antes de transformar essas imagens em markdown. Henderson teria chamado esse processo de uma grande devoradora de tokens.

A conversa é engraçada porque descreve uma solução elaborada para um problema documental comum. É importante porque essa solução pode multiplicar o trabalho em cada etapa.

Um PDF pode conter texto selecionável, imagens de páginas, gráficos, tabelas, cabeçalhos e instruções de layout. Um fluxo de trabalho com IA pode extrair cada página, inspecionar as imagens, reconstruir o texto, interpretar o layout e produzir um novo formato. Cada solicitação ao modelo adiciona tokens de entrada e saída.

Se um agente repete uma extração malsucedida, verifica sua própria resposta ou chama outro modelo, o consumo aumenta novamente. Um funcionário pode ver apenas uma apresentação refinada. A empresa vê uma cadeia de solicitações de inferência cobradas por uso.

Tokens são pequenas unidades de dados processadas por um modelo generativo. Eles representam partes de texto e, dependendo do sistema, informações derivadas de imagens ou outras mídias. As organizações frequentemente pagam de acordo com a quantidade de tokens que um modelo lê e gera.

Esse modelo de medição difere de uma licença convencional de software de escritório. Abrir outro documento em um processador de texto normalmente não gera uma nova cobrança de uso. Pedir a um agente de IA que interprete esse documento pode acionar várias operações pagas.

O funcionário não precisa entender essa cadeia. As interfaces modernas de IA ocultam deliberadamente boa parte dela. Um pedido como “transforme este relatório em slides” pode iniciar extração, planejamento, resumo, formatação, revisão e validação.

O resultado é um problema de visibilidade. Os trabalhadores avaliam o fluxo de trabalho pela conveniência e pela qualidade do resultado. Líderes de tecnologia precisam avaliá-lo pelo custo, precisão, segurança e pelo fato de o resultado valer a pena ou não.

A investigação original enquadrou a experiência da Accenture como parte de uma correção mais ampla nos gastos. Empresas haviam incentivado funcionários a experimentar IA. Algumas agora consideravam controles porque o consumo estava se tornando imprevisível.

A Accenture não autenticou publicamente todos os detalhes atribuídos à reunião privada. Portanto, o relato baseado no áudio vazado deve continuar sendo claramente atribuído à 404 Media. No entanto, as ações posteriores da empresa sustentam a conclusão mais ampla de que a gestão de tokens se tornou uma preocupação formal nas empresas.

Em 29 de julho, a Accenture anunciou uma oferta de tokenomics projetada para conectar consumo a equipes, fluxos de trabalho, produtos, decisões e resultados de negócios. Esse momento transformou a anedota sobre PDFs em mais do que uma comédia de escritório. Mostrou quão rapidamente um problema interno de custos pode se tornar uma categoria de consultoria.

A queda nos preços dos tokens não está reduzindo a conta total

A IA fica mais cara quando o uso cresce mais rápido do que cai o custo unitário.

A proposta inicial para empresas tratava a IA generativa como mais uma implantação de software. Uma empresa compraria acesso, treinaria funcionários e disseminaria o uso pela organização. Uma adoção maior parecia significar produtividade maior.

A IA agêntica muda esse cálculo. Um fluxo de trabalho agêntico é um sistema que planeja etapas, aciona ferramentas e revisa seu trabalho com orientação humana limitada. Uma solicitação de um funcionário pode se transformar em dezenas de interações com modelos.

A Gartner espera que a inferência em modelos de linguagem extremamente grandes se torne muito mais eficiente até 2030. Ainda assim, sua previsão de inferência traz um alerta crucial. A queda nos custos dos provedores não necessariamente será totalmente repassada aos clientes empresariais.

A Gartner também estima que modelos agênticos exigem de cinco a 30 vezes mais tokens por tarefa do que um chatbot padrão. Sistemas mais capazes podem realizar mais ações, usar contextos mais longos e gerar mais demanda.

Isso cria a inversão central. Inteligência mais barata incentiva empresas a aplicar IA a mais trabalho. Cada fluxo de trabalho então se expande de uma resposta para uma sequência de buscas, chamadas de ferramentas, avaliações e correções.

O mesmo padrão apareceu na computação em nuvem. Preços menores para unidades individuais de computação ou armazenamento não garantiram contas corporativas menores. O acesso mais fácil incentivou equipes a implantar mais serviços, reter mais dados e automatizar mais atividades.

A IA acrescenta outra complicação porque o consumo pode ser não determinístico. A mesma tarefa nem sempre segue o mesmo caminho. Um agente pode terminar após três etapas, enquanto outro tenta ferramentas novamente ou explora várias alternativas.

A McKinsey afirma que o uso de tokens pode variar em até 30 vezes na mesma tarefa de programação agêntica. Sua análise de gastos empresariais também descreve custos de IA dispersos entre provedores de nuvem, fornecedores de modelos, plataformas de software, experimentos e unidades de negócio.

Essa fragmentação atrasa a detecção. Uma empresa pode aprovar várias compras razoáveis sem enxergar seu efeito combinado. Os excessos de custo se tornam visíveis depois que os tokens já foram consumidos.

A conta também vai além dos tokens. Empresas pagam por pipelines de dados, infraestrutura de recuperação, avaliações, revisões de segurança, monitoramento e funcionários que supervisionam resultados pouco confiáveis. Uma resposta barata de modelo pode estar inserida em um fluxo de trabalho caro.

Janelas de contexto longas tornam o problema mais difícil. Uma janela de contexto é a informação que um modelo recebe durante uma interação. Enviar documentos completos, históricos longos de conversa, descrições de ferramentas e materiais de referência repetidos aumenta o consumo antes de o modelo produzir qualquer coisa.

O trabalho com documentos ilustra isso claramente. Um sistema pode reenviar o mesmo relatório durante a extração, análise, redação e revisão. Sem cache ou uma seleção cuidadosa de contexto, cada etapa processa informações sobrepostas.

É por isso que o exemplo de Simon Willison importa além dos PDFs. Ele transforma uma discussão abstrata sobre custos de tokens de IA em um fluxo de trabalho reconhecível. O usuário solicita um resultado, mas a infraestrutura realiza muito mais trabalho.

As empresas não podem resolver esse problema apenas observando a fatura do fornecedor de modelos. Elas precisam identificar a equipe, a tarefa, o modelo, o agente e o resultado de negócio por trás de cada unidade de consumo.

Essa exigência transforma a gestão de custos de IA em uma disciplina operacional. Ela deve estar ao lado de segurança, confiabilidade e governança de dados, e não dentro de uma reunião anual de renovação de software.

As pessoas sob pressão não são apenas engenheiros

Os orçamentos de IA empresarial agora dependem de milhares de funcionários tomando decisões técnicas de custo por meio de prompts comuns.

Engenheiros entendem que uma chamada a um modelo consome recursos. Eles podem inspecionar logs, encurtar prompts, armazenar conteúdo repetido em cache e escolher modelos menores. Nunca se esperou que a maioria dos trabalhadores do conhecimento fizesse essas escolhas.

Eles veem uma caixa de chat conectada ao trabalho familiar de escritório. A interface incentiva linguagem natural, iteração e experimentação. Raramente explica a diferença de custo entre reescrever uma frase e analisar uma coleção de documentos digitalizados.

Esse design cria um novo tipo de gasto paralelo. Os funcionários não precisam inserir dados de pagamento nem implantar infraestrutura em nuvem. Eles podem aumentar o consumo corporativo simplesmente escolhendo um modelo mais potente ou repetindo uma solicitação.

A anedota da Accenture sugere que profissionais não engenheiros podem gerar uso substancial por meio de conversão de documentos e trabalho de apresentação. Isso não torna esses funcionários irresponsáveis. Seus empregadores lhes disseram para usar IA, enquanto os fornecedores projetaram os produtos para tornar o uso simples e sem esforço.

O conflito começa quando as empresas mudam de direção. Primeiro, os trabalhadores ouvem que a proficiência em IA é essencial. Depois, recebem limites de tokens, restrições de modelos ou alertas sobre solicitações desnecessárias.

Isso pode produzir o comportamento errado. Funcionários podem evitar fluxos de trabalho valiosos porque as regras não são claras. Outros podem continuar usando modelos caros porque ninguém definiu o que significa “valioso”.

Uma política melhor distingue tarefas pelo resultado esperado. Redigir um e-mail rotineiro não exige o mesmo modelo que revisar uma proposta complexa de engenharia. Extrair texto selecionável de um PDF nem sempre exige raciocínio visual.

O roteamento de modelos pode fazer essa distinção automaticamente. Um sistema de roteamento envia solicitações simples para modelos menores e menos caros, enquanto reserva sistemas avançados para tarefas difíceis. Ele também pode rejeitar solicitações que softwares tradicionais tratam melhor.

A Associated Press informou que empresas estão explorando cada vez mais esse tipo de roteamento à medida que o tokenmaxxing perde força. Sua reportagem sobre custos no trabalho descreveu empresas examinando os retornos do uso de IA e desestimulando modelos avançados para trabalhos rotineiros.

O roteamento ainda exige julgamento. Um prompt curto pode esconder uma tarefa de alto risco, enquanto um documento longo pode precisar apenas de extração básica. Empresas precisam de políticas baseadas em sensibilidade, complexidade, requisitos de precisão e valor esperado.

As equipes de compras também enfrentam pressão. Elas precisam comparar assinaturas, contratos de uso, serviços de nuvem e recursos de IA incorporados que medem atividades de maneiras diferentes. Uma licença previsível por usuário ainda pode conter limites ou restrições de uso.

Os CIOs herdam o problema técnico, mas os CFOs determinam se a despesa merece apoio contínuo. Líderes de unidades de negócio precisam explicar o que as ferramentas produzem. Equipes de segurança precisam acompanhar quais informações os trabalhadores enviam para modelos externos.

Essa responsabilização compartilhada é novidade. O orçamento tradicional de software costuma atribuir uma licença a um departamento. A IA empresarial exige que as organizações conectem cada fluxo de trabalho tanto ao consumo quanto a um resultado.

O resultado não pode ser “os funcionários usaram mais IA”. Ele deve descrever algo que a organização valoriza, como resolução mais rápida, menos defeitos, receita adicional ou menos trabalho repetitivo.

Profissionais do conhecimento também precisam de alternativas. Uma base de conhecimento pesquisável pode reduzir uploads repetidos de documentos quando as informações já existem localmente. Uma recuperação melhor pode enviar apenas trechos relevantes, em vez de arquivos inteiros.

Portanto, a mudança afeta tanto o desenho dos fluxos de trabalho quanto a política de gastos. Empresas que simplesmente impõem limites de tokens reduzirão o consumo. Elas não necessariamente identificarão quais atividades devem continuar.

O Uso Máximo de IA Está Colidindo Com o Valor Mensurável

O sonho do uso ilimitado falha quando a atividade se torna um substituto para evidências de produtividade.

Por vários anos, executivos temeram que os funcionários não estivessem adotando IA com rapidez suficiente. As empresas financiaram projetos-piloto, distribuíram assistentes, criaram programas de treinamento e incentivaram equipes a encontrar casos de uso.

Essa estratégia fazia sentido quando a adoção era o gargalo. Poucas organizações sabiam onde a IA generativa funcionaria. A experimentação ampla ajudou a revelar padrões úteis.

O gargalo mudou. Quando milhares de trabalhadores podem acionar modelos avançados, a experimentação se transforma em uma despesa operacional recorrente. A pergunta muda de “As pessoas estão usando IA?” para “Quais usos merecem ser ampliados?”

A resposta da Accenture torna essa transição explícita. Seu programa de tokenomics promove monitoramento em tempo real, responsabilização, adequação de modelos e custo por transação.

A empresa descreve uma abordagem em três etapas: visualizar o consumo, corrigir projetos ineficientes e manter controles à medida que as cargas de trabalho mudam. Essa estrutura se assemelha às operações financeiras em nuvem, mas a IA introduz mais incerteza em torno da qualidade das tarefas e do comportamento dos agentes.

Assim, o principal oponente não é a Accenture contra um fornecedor de modelos. É a promessa de abundância de IA sem atrito contra a realidade dos gastos empresariais com responsabilização.

O uso máximo gera entusiasmo visível. Ele cria contagens de prompts, documentos gerados, execuções de agentes e painéis de adoção. Nenhuma dessas métricas confirma que a organização obteve valor correspondente.

O valor mensurável é mais lento e menos lisonjeiro. Ele exige comparação com uma linha de base. As equipes precisam perguntar quanto tempo o trabalho levava antes da IA, se a qualidade mudou e quanto de verificação humana continua sendo necessário.

A conversão de PDF novamente oferece o teste adequado. Se um fluxo de trabalho de IA transforma um relatório em slides, a empresa deve compará-lo com ferramentas convencionais de extração e apresentação. Deve incluir tempo de correção, erros factuais, reparos de formatação e revisão.

O caminho da IA ainda pode vencer. Um modelo pode interpretar um relatório irregular, identificar temas e redigir uma narrativa útil mais rapidamente do que um software rígido. A questão não é que a IA nunca deva lidar com um PDF.

A questão é que o uso de modelos precisa justificar seu lugar. Um agente que consome mais recursos pode valer a pena quando conclui um trabalho mais valioso. Um fluxo de trabalho barato continua sendo desperdício se ninguém precisar de sua saída.

Essa distinção também desafia os fornecedores de modelos. Seus produtos se beneficiam quando os clientes enviam contextos mais longos, realizam mais raciocínio e delegam mais etapas. Os compradores empresariais se beneficiam apenas quando essas etapas melhoram um resultado.

Os fornecedores estão adicionando cache, processamento em lote, modelos menores e recursos de roteamento. Essas ferramentas reduzem o desperdício, mas não resolvem o desalinhamento de incentivos. Os provedores ainda lucram com o consumo ou com uma adoção mais ampla.

As empresas precisam de sua própria camada de medição. Ela deve registrar solicitações, seleção de modelos, volume de tokens, latência, taxas de falha, intervenção humana e o processo de negócio envolvido.

Elas também precisam de uma regra de parada. Um agente não deve continuar revisando um documento de baixo valor apenas porque pode. Orçamentos, limites de etapas, limiares de confiança e pontos de aprovação podem restringir trabalhos sem fim definido.

A mesma disciplina se aplica aos fluxos de trabalho pessoais com IA. Carregar repetidamente as mesmas fontes desperdiça tempo e contexto. Sistemas que oferecem suporte à combinação de conhecimento podem recuperar informações selecionadas sem reconstruir todo o contexto para cada solicitação.

Simon Willison há muito tempo se concentra no comportamento prático dos modelos de linguagem, incluindo seus limites, custos e implicações de segurança. Sua observação sobre PDFs se encaixa nessa abordagem. Os detalhes reveladores costumam aparecer em escolhas cotidianas de implementação, não em grandes anúncios de modelos.

Controles de Tokens Podem Criar Sua Própria Falha

Uma repressão indiscriminada aos gastos pode destruir experimentações úteis enquanto preserva as formas menos visíveis de desperdício.

O argumento a favor do controle de custos é forte, mas as evidências disponíveis não provam que os não engenheiros sejam a causa central do gasto excessivo das empresas com IA. Os comentários da Accenture vieram de uma conversa privada relatada, não de uma auditoria publicada de consumo.

Uma história memorável sobre PDFs pode distorcer a atenção. A conversão de documentos é fácil de ridicularizar porque o fluxo de trabalho parece excessivo. Agentes de engenharia caros também podem consumir grandes contextos, executar testes, inspecionar repositórios e tentar novamente alterações que falharam.

Essas tarefas de engenharia podem gerar mais valor, mas as empresas ainda precisam de evidências. Um rótulo técnico não torna o consumo eficiente. Da mesma forma, uma solicitação não técnica pode apoiar trabalhos importantes nas áreas jurídica, comercial ou de pesquisa.

As organizações devem evitar transformar a gestão de tokens em vigilância de funcionários. Registros de prompts podem conter trabalho confidencial, informações de pessoal, dados de clientes e ideias preliminares. O monitoramento detalhado cria obrigações de segurança e privacidade.

A alocação de custos também pode desestimular a colaboração. Se cada departamento receber um orçamento rígido de tokens, as equipes podem ocultar experimentos ou deslocar gastos para ferramentas que permanecem fora do painel central.

Limites rígidos criam outro risco. Um agente pode parar antes de concluir uma tarefa valiosa, deixando os funcionários com trabalho parcial que ainda exige recuperação manual. A organização economiza tokens, mas perde o benefício esperado.

O roteamento para modelos baratos pode reduzir gastos enquanto diminui a qualidade. Modelos menores podem deixar passar detalhes de documentos, lidar mal com instruções de ferramentas ou gerar erros plausíveis. Um fluxo de trabalho que exige correções repetidas pode custar mais no total.

A EY argumenta que os tokens são apenas a parcela mais visível da economia dos agentes. Sua análise de custos de agentes inclui infraestrutura, governança, mudança organizacional, recuperação de falhas e exposição regulatória.

Essa visão mais ampla importa porque a otimização local pode deslocar despesas para outros lugares. Reduzir o consumo de modelos pode aumentar o tempo de revisão dos funcionários. Cortar execuções de avaliação pode permitir que erros caros cheguem à produção.

As empresas devem medir o custo total do fluxo de trabalho em vez de comemorar totais menores de tokens. Também devem comparar qualidade, velocidade e risco antes e depois de qualquer intervenção.

É aqui que o rótulo “tokenpocalypse” pode induzir ao erro. O problema não é que os tokens tenham se tornado subitamente inacessíveis em todos os lugares. O problema é que a adoção rápida expôs medições fracas e propriedade pouco clara.

Algumas organizações descobrirão que seus programas de IA continuam economicamente atraentes. Outras descobrirão que os funcionários automatizaram trabalhos com pouco valor estratégico. A maioria encontrará ambos os padrões dentro da mesma empresa.

Os custos unitários continuarão caindo, e os modelos seguirão melhorando. Essas tendências enfraquecem previsões de uma barreira permanente de gastos. Elas reforçam o argumento a favor da governança, pois custos menores convidam a um consumo ainda maior.

A conclusão cética, portanto, é mais restrita. As empresas não estão necessariamente abandonando a IA. Elas estão migrando de metas de adoção para decisões de alocação, e essas decisões continuam difíceis de avaliar.

Os Próximos Três Sinais Mostrarão Se Tokenomics Funciona

A próxima fase será julgada pelos retornos em nível de fluxo de trabalho, pelo roteamento automático de modelos e pelas mudanças no comportamento de compra das empresas.

O primeiro sinal é se as empresas relatam o custo por processo de negócio concluído, em vez da redução total de tokens. Uma métrica útil poderia acompanhar um caso de suporte resolvido, um contrato revisado, uma alteração de software concluída ou uma tarefa de pesquisa finalizada.

Isso fortaleceria o argumento da tokenomics porque conecta gastos à produção. Se as empresas publicarem apenas menor consumo, podem estar reprimindo o uso sem melhorar a produtividade.

Observe como a Accenture desenvolve sua própria oferta. Sua abordagem promete visibilidade entre fluxos de trabalho, responsáveis, modelos e agentes. Evidências de resultados repetíveis para clientes mostrariam que a preocupação interna identificada pela 404 Media se tornou uma disciplina de gestão viável.

O segundo sinal é o roteamento automático disseminado. Atualmente, os funcionários fazem muitas escolhas de modelos por meio de menus de produtos ou padrões. Isso coloca uma decisão técnica de custo diante de usuários que não têm as informações para avaliá-la.

Um roteamento eficaz reservaria o raciocínio avançado para tarefas que o exigem. Ele enviaria trabalhos simples de extração, classificação e reescrita para sistemas menores ou softwares convencionais.

A medida crucial não é a frequência do roteamento. É se o roteamento preserva a qualidade enquanto reduz o custo total do fluxo de trabalho. Altas taxas de correção enfraqueceriam o argumento a favor de reduções agressivas de modelo.

O terceiro sinal é uma mudança nas compras empresariais. Os compradores podem exigir pools compartilhados de uso, telemetria detalhada, orçamentos aplicáveis, controles de cache e contratos mais estreitamente vinculados a resultados.

Eles também podem favorecer produtos que processem informações locais sem enviar repetidamente documentos inteiros para modelos de fronteira. Isso recompensaria a gestão eficiente de contexto, em vez do máximo de throughput de tokens.

Se os fornecedores responderem com controles mais claros e consumo previsível, a reação negativa atual parecerá um ciclo normal de amadurecimento. A IA empresarial continuará se expandindo sob regras financeiras mais rígidas.

Se os custos permanecerem opacos, as empresas imporão restrições mais amplas. Esse resultado desaceleraria a experimentação e aumentaria a demanda por modelos menores, de pesos abertos ou operados localmente.

A observação de Simon Willison oferece aos leitores uma pergunta prática para avaliar qualquer fluxo de trabalho de IA: que trabalho o modelo está realmente realizando e por que esse trabalho exige este modelo?

Aplique essa pergunta antes de enviar outro documento grande para um agente. Verifique se a extração de texto, a busca, o processamento local ou um modelo menor podem concluir a primeira etapa. Reserve o raciocínio caro para as partes que exigem julgamento.

A tokenpocalypse não é o fim da IA empresarial. É o fim de tratar cada saída gerada como evidência de progresso. As empresas que medem resultados, controlam o contexto e roteiam tarefas de forma deliberada continuarão experimentando. As que apenas contam a adoção continuarão descobrindo a conta depois.