Por Carlos Eduardo Carvalho*

Nos meus dois artigos anteriores, tratei de dois riscos silenciosos na adoção de Inteligência Artificial na indústria de alimentos: a ilusão da fábrica plenamente autônoma e o erro de enquadrar projetos de IA em modelos financeiros feitos para um mundo previsível. Existe um terceiro risco, ainda menos visível, que começa a aparecer justamente nas empresas que fizeram a lição de casa e já colocaram IA em produção. A conta dos tokens não para de crescer, e pouca gente sabe o que fazer com isso.

A conta da IA cresce mais rápido do que a régua que a mede

O gasto corporativo com IA Generativa saltou de cerca de US$ 1,7 bilhão em 2023 para aproximadamente US$ 37 bilhões em 2025, tornando-se a categoria de software que mais cresceu na história recente. O Gartner projeta que o gasto mundial com IA alcance US$ 2,5 trilhões em 2026. O ponto de atenção, porém, não está no volume. Está na natureza desse custo.

Diferentemente de um ERP ou de uma licença de software, o custo da IA é baseado em consumo. A unidade que passou a importar é o token, a menor fração de texto que um modelo processa. Cada pergunta feita a um modelo, cada relatório gerado, cada interação de um agente autônomo consome tokens, e cada token tem preço. Multiplique isso por milhares de usuários e dezenas de casos de uso rodando ao mesmo tempo, e você terá uma conta que se comporta como consumo de energia, não como uma assinatura fixa.

Não por acaso, segundo o Gartner, pelo menos metade dos projetos de IA Generativa estoura o orçamento previsto, e 85% das organizações erram a estimativa de custo em mais de 10%, boa parte delas por mais de 50%.

AI FinOps: uma disciplina nova para um custo novo

É nesse vácuo que nasce o AI FinOps, a extensão para IA da disciplina de FinOps que as áreas de tecnologia já usavam para governar gastos em nuvem. A ideia central é simples e poderosa: tornar o custo da IA visível, atribuível e comparável ao valor que ele gera.

Na prática, isso significa medir o custo por unidade de negócio, e não apenas o custo total escondido em uma fatura mensal. Custo por atendimento resolvido. Custo por previsão de demanda. Custo por lote analisado. Quando a empresa enxerga que um caso de uso consome mais do que a operação que ele deveria otimizar, ela pode agir antes de destruir valor, e não meses depois, quando o estrago já está feito.

O tema saiu da teoria. A FinOps Foundation, referência global no assunto, mostrou que 63% das organizações já acompanham o gasto com IA em 2025, contra 31% no ano anterior. A Linux Foundation chegou a criar, em 2026, uma fundação dedicada ao que já se chama de tokenomics, a economia dos tokens. Governar o custo da IA virou uma capacidade organizacional, não uma gambiarra de planilha.

O que isso significa no chão da indústria de alimentos

Retomo um exemplo que já citei aqui: um projeto de IA para atendimento a clientes e distribuidores que precisou migrar para um modelo mais robusto por causa de temas sensíveis, como alergênicos e prazos de validade, e viu o custo por interação disparar. Sem uma disciplina de AI FinOps, esse tipo de desvio só aparece quando a fatura chega. Com ela, o alerta soa no momento em que o consumo foge do previsto.

Mas o risco de custo é apenas parte do problema. Há um fenômeno crescente que as fábricas ainda subestimam: a shadow AI, o uso não autorizado de ferramentas de IA por colaboradores. Uma pesquisa da IDC, em 2025, apontou que 56% dos funcionários usam ferramentas de IA não autorizadas no trabalho, enquanto apenas 23% usam as ferramentas oficiais da empresa. Um analista de qualidade que cola a especificação de um produto em um chatbot público para resumi-la está, sem perceber, expondo informação sensível e tomando decisão com base em uma resposta que ninguém validou. Segundo a IBM, incidentes envolvendo shadow AI custam, em média, US$ 670 mil a mais do que outras violações de dados.

Governança de IA não é burocracia. É a condição para escalar

Aqui entra a dimensão regulatória, que deixou de ser assunto distante. No Brasil, o PL 2338, já aprovado pelo Senado, cria o Sistema Nacional de Regulação e Governança de IA, prevê sanções de até R$ 50 milhões por infração e classifica os sistemas por nível de risco, no mesmo espírito do AI Act europeu. Para um setor que já convive com a ANVISA, rastreabilidade e responsabilidade direta sobre a saúde do consumidor, tratar a IA sem governança é assumir um risco que a própria indústria jamais aceitaria em qualquer outro processo produtivo.

Governança de IA, portanto, não é um freio. É o que permite acelerar com segurança. Ela responde a perguntas que toda diretoria deveria estar fazendo hoje: quem pode usar IA e para quê? Quanto custa cada iniciativa e quanto valor ela entrega? Que dados podem alimentar quais modelos? E quem responde quando uma decisão automatizada dá errado?

Conclusão

A adoção de IA na indústria de alimentos entrou em uma fase nova. Saímos da pergunta “isso funciona?” para a pergunta “isso é sustentável, seguro e controlável em escala?”. As empresas que tratarem governança e AI FinOps como parte do projeto, e não como um controle a ser instalado depois, serão as que vão manter o custo sob controle, o risco sob domínio e a inovação em movimento.

As demais vão descobrir, tarde demais, que o maior custo da Inteligência Artificial nunca foi o do token. Foi ter iniciado a jornada sem saber como mensurá-lo e controlá-lo.

Carlos Eduardo Carvalho, fundador, Sócio-Diretor e CEO da Bridge & Co., é Engenheiro de Produção e Mestre pela COPPE/UFRJ. Possui MBA Executivo pela Fundação Dom Cabral e especialização em Plataformas Digitais pelo MIT. É especialista em Business Transformation com ênfase em automação de processos, análise avançada de dados e Inteligência Artificial. Atua também como palestrante, autor e professor de pós-graduação em instituições como UFRJ, FGV e UFJF.