Quanto Custa Implementar IA: Infra, Tokens e Desenvolvimento (com Números Reais)
Se você está tentando montar orçamento para IA e só recebe respostas vagas, este guia foi feito para você: faixas de custo realistas, explicação clara de onde o dinheiro vai e como evitar pagar por complexidade que não precisa.
As conversas de preço são assimétricas: quando o fornecedor pula o diagnóstico, tende a superdimensionar a solução, e uma empresa que precisava de algo simples acaba com proposta de LLM, banco vetorial e pipeline completo antes de provar valor.
Para as faixas serem comparáveis, pense neste cenário base:
- Empresa de pequeno porte (5–20 funcionários)
- Alguns milhares de documentos internos (PDFs, contratos, políticas, manuais) em estado razoável, mas não perfeito
- LLM via API, sem restrições rígidas de privacidade para dados externos
- 5–20 usuários internos
Se o seu cenário for diferente, com mais documentos, privacidade mais restrita, tempo real ou múltiplas integrações, espere custos na faixa mais alta de cada range.
Por que as estimativas erram
A maioria das estimativas falha pelo mesmo motivo: quem estimou ainda não entendeu o problema. Imagine dois cenários:
Uma empresa recebe orçamento de R$ 120 mil para um projeto de RAG. Sem diagnóstico, sem protótipo. Só um número. Quatro meses depois, os dados se mostram bagunçados demais para RAG funcionar bem. O dinheiro foi embora e a solução não funcionou.
Outra empresa planeja R$ 5 mil/mês para tokens de API. O assistente de documentos puxa 15.000 tokens de contexto por pergunta. Com GPT-5, isso significa R$ 12 mil/mês só em tokens. Ninguém tinha feito a conta.
O custo de corrigir uma estimativa ruim é sempre maior do que fazer a conta direito desde o início. As faixas abaixo são o que sai depois dessa conta.
Os componentes do custo
Um projeto de IA tem quatro custos principais. A maioria das pessoas só pensa nos dois primeiros, por isso se surpreende com o terceiro e o quarto.
Infraestrutura
Cloud, GPU, hosting, banco de dados. Se a solução roda LLM via API (OpenAI, Anthropic, Google), você não precisa de GPU. O custo está nas chamadas. Se roda modelo próprio, precisa de GPU, e isso tem preço.
- API-only (Claude, Gemini, GPT-5 etc.): sem custo fixo de infra. Paga por token.
- Modelo open-source hospedado (Llama, Qwen, Gemma, GLM, Kimi e outros): infraestrutura de GPU significativa. Uma A100 na AWS custa R$ 10.000+/mês, e você precisa de DevOps para manter. Existem modelos menores e mais baratos de hospedar, mas dependendo do problema, esses modelos podem não ter a capacidade necessária. Self-hosted só faz sentido quando os dados não podem sair da empresa.
- Banco vetorial (Pinecone, Weaviate, Qdrant): planos gerenciados a partir de ~US$ 70/mês para volumes pequenos.
Tokens e chamadas de API
Esse é o custo que mais surpreende. Um chatbot que responde 500 perguntas por dia pode custar R$ 500–1.500/mês em tokens, dependendo do modelo e do tamanho do contexto. Dois fatores principais controlam esse número.
O primeiro é o tamanho do contexto. Se o sistema recupera 20 trechos de 500 tokens cada e os junta no prompt, cada chamada usa 10.000 tokens só de contexto antes do usuário digitar qualquer coisa. Montar uma janela de contexto bem feita (recuperar só o que é relevante, cortar o que não é) é onde vai a maior parte do esforço de engenharia. Um contexto mal feito explode o custo rapidamente.
É por isso que RAG importa. RAG não serve só para "dar memória ao modelo". Serve para controlar o que entra no contexto. Um RAG bem implementado recupera os trechos certos, na quantidade certa, sem tokens desnecessários. Para isso funcionar, a estrutura dos dados da empresa precisa estar organizada: como os documentos estão divididos, quais são as perguntas típicas, como fazer as consultas com eficiência. Essa análise inicial é o que diferencia um RAG que custa R$ 500/mês de um que custa R$ 5.000/mês.
O segundo fator é o modelo. GPT-5 é ~30x mais caro que Gemini Flash. Claude Opus é mais caro que Sonnet. Para a maioria dos casos de negócio, o modelo menor resolve e custa uma fração.
Tempo de desenvolvimento
Aqui é onde as coisas são feitas: diagnóstico, pipeline de dados, integração, testes, deploy, documentação. O prazo varia muito conforme a complexidade e a qualidade dos dados. Um assistente de documentos para uma empresa pequena com dados limpos pode estar pronto em 4 semanas. Um pipeline de processamento para uma empresa grande com dados espalhados pode levar 8–12 semanas.
Protótipos reduzem esse tempo significativamente. Com análise inicial cuidadosa, dá para responder rapidamente se a ideia é viável, quanto vai custar de verdade para rodar e quais problemas vão aparecer, sem precisar iniciar o projeto completo e só então descobrir os obstáculos. É exatamente esse trabalho inicial que reduz o risco antes de comprometer orçamento maior.
Manutenção e evolução
IA não é deploy e esquece. Modelos mudam, APIs são depreciadas, requisitos evoluem. Mas o fator mais subestimado é este: os dados da empresa mudam.
Novos contratos, novas políticas, novos produtos. A IA precisa acompanhar essa evolução. O índice precisa ser atualizado, os prompts precisam ser ajustados e a qualidade das respostas precisa ser monitorada. Coloque no orçamento:
- Ajustes de prompt e pipeline: algumas horas por mês.
- Reprocessamento de índice: se os dados mudam com frequência, isso é recorrente.
- Monitoramento: quem vai notar se a qualidade das respostas caiu? Isso precisa de processo, não de desejo.
O que define o preço de um projeto de IA em produção
Estes são valores de referência de mercado para projetos de produção completos, não os preços da A1 Lab, que trabalha com protótipos. A faixa geral fica entre R$ 30 e R$ 120 mil de desenvolvimento, mais infra mensal. O que move o preço dentro dessa faixa são decisões técnicas concretas.
Tipo de documento
PDFs gerados digitalmente (texto selecionável) são o caso mais simples. Quando os documentos são digitalizados, como fotos de papel ou scanner, o sistema precisa de OCR antes de qualquer indexação. OCR não é só converter imagem em texto: envolve pré-processamento, validação de qualidade e tratamento de falhas de reconhecimento. Impacto: +R$ 10–22 mil no desenvolvimento.
Se os documentos vêm de fontes diferentes, como contratos de fornecedores distintos, relatórios de sistemas legados e formulários de departamentos diferentes, cada família de formato precisa de lógica de extração própria. +R$ 8–15 mil por família de layout distinto.
Volume
Volume afeta dois custos: o desenvolvimento do pipeline de ingestão e a infraestrutura mensal de banco vetorial e storage.
- Até 2.000 documentos: pipeline simples, baseline
- 2.000–10.000 documentos: pipeline em lote e indexação incremental. Custo adicional: +R$ 8–20 mil desenvolvimento, +R$ 300–800/mês infra.
- 10.000–50.000 documentos: reprocessamento automatizado, monitoramento de qualidade e particionamento do índice. Custo adicional: +R$ 20–40 mil desenvolvimento, +R$ 800–2.000/mês infra.
Integrações com sistemas existentes
A integração mais simples é upload manual ou pasta compartilhada, sem custo extra. Quando os dados precisam vir de sistemas externos:
- Sistema com API bem documentada e estável: +R$ 5–12 mil por sistema
- Sistema legado sem API (SFTP, exportação manual, scraping): +R$ 10–20 mil por sistema
- Dados inconsistentes entre sistemas (o mesmo cliente com IDs diferentes em três sistemas): +R$ 15–35 mil para normalização e reconciliação
Privacidade: dados que não podem sair da empresa
Usar APIs externas (OpenAI, Anthropic, Google) é mais barato e mais simples. Quando isso é inaceitável por compliance ou política interna, a solução é hospedar um modelo open-source (Llama, Qwen, Gemma e similares). Custo de desenvolvimento extra para montar a infraestrutura de serving: +R$ 12–25 mil. GPU mensal:
- Modelo pequeno (7–13B parâmetros): R$ 3.000–6.000/mês
- Modelo médio (70B parâmetros): R$ 9.000–20.000/mês
Vale confirmar antes se a restrição é de compliance real. Os principais fornecedores de API oferecem contratos de não-uso dos dados para treinamento, o que resolve a maioria dos casos sem precisar de GPU própria.
Contexto e modelo
Esses dois fatores definem o custo mensal de API. O contexto é quantos tokens o sistema usa por consulta; o modelo é o preço de cada token. Para uma equipe de 5–20 pessoas fazendo cerca de 100 consultas por dia (3.000/mês):
| Modelo econômico (ex.: Gemini Flash) | Modelo intermediário | Modelo avançado (ex.: GPT-5) | |
|---|---|---|---|
| FAQ simples (~5k tokens/consulta) | R$ 8/mês | R$ 260/mês | R$ 1.300/mês |
| Assistente de documentos (~20k tokens) | R$ 31/mês | R$ 1.050/mês | R$ 5.250/mês |
| Agente com histórico (~50k tokens) | R$ 78/mês | R$ 2.625/mês | R$ 13.000/mês |
O modelo é um multiplicador puro. O mesmo sistema que custa R$ 1.050/mês com um modelo intermediário pode custar R$ 31/mês com um modelo econômico, se ele resolver o problema. A maioria dos casos de uso interno resolve com modelos baratos. O modelo avançado só faz sentido quando raciocínio complexo tem impacto financeiro direto no resultado.
Em termos práticos: modelo é a alavanca mais fácil de ajustar depois que o sistema está rodando. Contexto é a mais impactante para acertar antes.
O contexto depende de quão bem o RAG está implementado. Um RAG com recuperação ruim enche a janela de contexto com trechos irrelevantes, e o custo mensal pode ser 3–5x maior do que precisaria. Isso escala com o volume de uso.
O que reduz o custo
Algumas alavancas têm impacto direto no custo e estão mais no seu controle do que parecem.
A mais óbvia é usar APIs externas em vez de hospedar modelo próprio. GPU é cara, precisa de DevOps, e na maioria dos casos não resolve nada que uma API não resolva. Os principais fornecedores oferecem contratos que proíbem uso dos dados para treinamento. Isso elimina a maioria das objeções de privacidade sem precisar de infraestrutura própria.
Escopo focado também importa. Um assistente para um processo específico com documentos bem definidos custa uma fração de um sistema que tenta cobrir tudo. Começar pequeno e expandir depois é mais barato do que planejar o sistema completo antes de saber o que funciona.
O estado dos dados antes do projeto tem impacto direto no custo de desenvolvimento e nos tokens gastos mensalmente. Documentos limpos e bem organizados reduzem o trabalho de ingestão e evitam que o contexto seja preenchido com ruído.
Por último, o modelo. Usar GPT-5 num caso que Gemini Flash resolve custa 30x mais por mês. É a alavanca mais fácil de ajustar e tem efeito imediato no custo operacional.
Como funciona o modelo de cobrança
Projetos de IA são vendidos de três formas principais, e cada uma distribui o risco de maneira diferente.
Por projeto com escopo fechado: você paga um valor fixo por um entregável definido. Funciona quando o escopo é claro e os dados são conhecidos antes de começar. Se o escopo não estiver bem definido, o risco fica com você.
Retainer mensal: valor fixo por capacidade recorrente, como manutenção, ajustes e suporte. É o modelo certo para sustentar um sistema que já funciona. Não é o modelo certo para construir do zero.
Baseado em uso: você paga por volume de processamento ou por resultado. Mais comum em produtos SaaS. Alinha incentivos, mas é difícil de prever no orçamento.
Na prática, a combinação que funciona melhor é: diagnóstico e protótipo por projeto, desenvolvimento principal por projeto ou retainer, manutenção por retainer. Cobrar o projeto inteiro por escopo fechado sem diagnóstico prévio raramente funciona, porque o escopo muda quando os dados reais aparecem.
Perguntas frequentes sobre custo de IA
Qual o custo mínimo para implementar IA numa empresa pequena? Para uma empresa de 5–20 pessoas com documentos internos e sem restrições rígidas de privacidade, o custo de desenvolvimento começa em torno de R$ 30–50 mil para um assistente funcional. O custo mensal de infraestrutura e tokens fica entre R$ 200–1.500, dependendo do volume de uso e do modelo escolhido.
Vale a pena usar modelo open-source para baratear? Depende do contexto. Modelo open-source hospedado em GPU própria é mais caro em infraestrutura do que API externa, e exige DevOps. Só faz sentido quando os dados realmente não podem sair da empresa. Na maioria dos casos, API externa com contrato de privacidade é mais barato e mais simples.
Quanto tempo leva para ter retorno sobre o investimento? Depende do processo automatizado. Para processos com alto volume de trabalho manual repetitivo, ROI em 6–12 meses é razoável. Para casos de uso mais estratégicos (análise, síntese de informação), o retorno é mais difícil de quantificar em tempo curto. Um protótipo com dados reais permite estimar isso antes de comprometer o orçamento completo.
Como comparar orçamentos de fornecedores diferentes? Peça para cada fornecedor separar: custo de desenvolvimento, custo mensal de infra e tokens, e custo de manutenção. Orçamentos que apresentam só um número total são difíceis de comparar e geralmente escondem custos recorrentes. Pergunte também qual é o modelo de entrega. Se não houver protótipo ou diagnóstico na proposta, o escopo provável vai mudar depois que os dados reais aparecerem.
A abordagem da A1 Lab
A maior parte do risco de um projeto de IA está nas primeiras semanas. Os dados suportam a solução? Quanto custa de verdade para rodar? Essas perguntas não têm resposta numa proposta. Só um protótipo rodando responde isso.
Por isso trabalhamos com protótipos, não com projetos abertos.
A primeira fase é o diagnóstico (1–2 semanas): entendemos o problema, analisamos os dados reais e definimos o escopo. Custa uma fração de um mês de consultoria genérica e já elimina boa parte das incertezas sobre viabilidade e custo.
Depois vem o protótipo funcional (2–4 semanas): uma versão que funciona com dados reais da empresa. Você recebe números concretos de qualidade das respostas, latência e custo estimado de tokens por mês. Com isso em mãos, você decide o que fazer: continuar com a A1 Lab, desenvolver internamente ou contratar outro fornecedor. Se a solução não funcionar como esperado, você descobre nas primeiras semanas, não depois de meses. E fica com o diagnóstico e o código.
Ir direto ao projeto completo sem protótipo é uma aposta. O protótipo transforma isso numa decisão.
Veja também: