Infraestrutura de IA personalizada
Custo por tarefa de agente de IA concluída: medir a economia real
Aprenda a calcular o custo por tarefa de agente de IA concluída, com tentativas falhas e tempo de revisão humana, para comparar agentes pelo custo real.

Custo por tarefa de agente de IA concluída é o custo total para levar um item de trabalho até um resultado aceito, dividido pelo número de resultados aceitos. O total inclui uso de modelo e ferramentas, tentativas falhas e refeitas, hospedagem e manutenção, e o tempo humano gasto para revisar, corrigir e aprovar o que o agente produziu. Medido dessa forma, um agente pode ser comparado com uma pessoa, um modelo de trabalho padronizado ou outra ferramenta usando a mesma base de economia por unidade.
Principais pontos
- Divida o custo total pelas conclusões aceitas, nunca pelas tarefas iniciadas.
- Inclua no numerador as tentativas falhas, as repetições e as escalações, porque elas fazem parte do custo real do trabalho.
- Coloque o tempo de revisão e correção no cálculo, registrado por tarefa e valorizado por uma taxa horária interna.
- Separe o resultado por tipo de tarefa, já que uma média pode esconder o único fluxo que continua falhando.
- Recalcule todo mês com uma definição fixa de conclusão, para que uma mudança no número signifique uma mudança no trabalho.
Por que o custo habitual engana
A maioria das equipes começa pela fatura do fornecedor do modelo ou da plataforma e divide esse valor pelo número de execuções. Esse número é fácil de obter e fraco para decidir. Ele ignora execuções que não produziram nada aproveitável, ignora o revisor que reescreve metade de um rascunho e ignora a hora que um engenheiro gasta consertando uma integração depois que uma ferramenta mudou o formato da resposta. Um agente pode parecer barato por execução e ainda assim sair caro por resultado aceito. O inverso também acontece: um agente que custa mais por execução, mas entrega o trabalho sem revisão, pode ser a opção mais barata no conjunto.
A solução não é uma planilha mais complicada. É um acordo sobre o que conta como concluído, um registro que mostra o que aconteceu com cada tarefa e um modelo de custo que inclui as pessoas que conferem o resultado.
Defina "concluído" antes de contar qualquer coisa
"Concluído" não pode significar que o agente devolveu uma resposta. Precisa significar que o resultado atende a critérios de aceite escritos antes. Para uma resposta de atendimento, os critérios podem ser: o pedido correto foi identificado, a política citada está em vigor e a resposta foi enviada pelo canal aprovado. Para uma cotação de fornecedor, podem ser: cada linha corresponde ao catálogo atual e o limite de aprovação foi respeitado.
Registre quem decide o aceite e o que acontece com o trabalho parcial. Uma tarefa parcialmente feita não é uma conclusão. Ela é recusada, escalada para uma pessoa ou abandonada, e cada desfecho tem seu próprio custo. Uma saída corrigida conta como concluída quando um revisor a aceita, e o tempo dessa revisão continua no numerador. Mantenha os rótulos de desfecho curtos e fixos, para que o registro possa ser filtrado sem interpretação.
Uma tarefa iniciada e não aceita continua sendo custo, só não é uma unidade de produção.
A fórmula e os passos para medir
Use uma única fórmula para todos os agentes e todos os tipos de tarefa:
Custo por tarefa concluída = (custo de uso + parcela de hospedagem e manutenção + custo da revisão humana + custo das tentativas falhas) dividido pelo número de conclusões aceitas no mesmo período.
- Marque cada execução com um identificador de tarefa, um tipo de tarefa, a hora de início e um rótulo de desfecho: concluída, corrigida, escalada, recusada ou abandonada.
- Puxe o uso de modelo e de ferramentas de cada execução a partir dos registros do fornecedor e da plataforma, incluindo repetições e chamadas repetidas de ferramentas.
- Registre o tempo humano por tarefa, desde a entrada na fila de revisão até o registro da decisão, e separe leitura, edição e retrabalho devolvido ao agente.
- Distribua o custo de plataforma, hospedagem e manutenção das integrações por período, usando a mesma regra todo mês.
- Divida o total de cada tipo de tarefa pelas suas conclusões aceitas e compare o resultado com o custo da mesma tarefa feita por uma pessoa, sob a mesma definição.
Se a sua plataforma gera rastros, os conceitos de traces e spans do OpenTelemetry dão a cada execução uma estrutura que você pode filtrar. As convenções dele para IA generativa também definem campos para modelo e contagem de tokens, que muitas ferramentas já registram.
Como medir o tempo de revisão humana sem chutar
Revisores costumam subestimar o tempo perdido com troca de contexto e superestimar o tempo gasto nas verificações que consideram importantes. Use registros de horário em vez de memória. A fila de revisão mostra quando um item chega e quando sai, e o histórico de edição mostra o que mudou. Quando as ferramentas não capturam isso, um registro manual de tempo mantido por duas semanas já oferece uma linha de base utilizável.
Registre o retrabalho separadamente. Quando um revisor devolve um item ao agente, esse ciclo é custo do agente, mesmo que a saída final esteja boa. O tempo de revisão também não deve ser o único sinal de qualidade, porque ele cai quando os revisores deixam de verificar. Combine-o com uma auditoria por amostragem das saídas aceitas. As orientações da Anthropic sobre avaliação de agentes descrevem a combinação de checagens de resultado com a leitura de transcrições, um padrão prático para montar essa amostra.
Cenário ilustrativo: um líder de operações roda um agente em 100 pedidos de status de entrega em um mês. O agente conclui 80 sem nenhuma edição, 12 precisam que um revisor corrija a resposta antes do envio e 8 são escaladas antes de qualquer resposta sair. Os revisores gastam seis horas no total nos 20 itens que exigiram atenção. As conclusões aceitas são 92, as 80 limpas mais as 12 corrigidas. O numerador ainda deve incluir o uso das 100 execuções, as seis horas de revisão e a parcela de manutenção, porque as 8 escaladas também consumiram recursos. Deixá-las de fora faria o número parecer melhor do que a operação realmente é.
Compare o agente com a linha de base humana
Uma comparação justa usa a mesma definição de conclusão dos dois lados. Se uma pessoa atende o mesmo pedido e a resposta é aceita na primeira passagem, esse é o padrão de referência. Se a equipe não tem registro do custo manual, rode os dois métodos por um período curto no mesmo tipo de tarefa e registre ambos da mesma forma. Não compare a saída aceita do agente com o primeiro rascunho não revisado de uma pessoa.
Mantenha o tempo de espera separado do indicador unitário, como o tempo que um cliente aguarda a resposta, para que o custo por tarefa continue comparável. A estrutura de cobrança também muda o numerador, porque arranjos de uso, de assento e de retainer distribuem custos de formas diferentes conforme o volume cresce. Para as perguntas que um revisor financeiro fará sobre esse tipo de número, veja business case de IA para finanças: as perguntas que o CFO vai fazer.
Mantenha o custo estável quando o agente mudar
O custo se move quando memória, ferramentas ou aprovações mudam. Um contexto maior, cheio de notas antigas, eleva o uso em cada execução. Uma ferramenta com descrições vagas causa chamadas extras e repetições. Uma nova etapa de aprovação pode reduzir o retrabalho e, ao mesmo tempo, acrescentar tempo de revisão. Registre cada mudança com os valores antes e depois para o mesmo tipo de tarefa, medidos em períodos de mesma duração.
Dois fatores pesam mais. Primeiro, mantenha no contexto apenas o que a tarefa precisa. A Anthropic descreve, em seu guia sobre engenharia de contexto, o objetivo como o menor conjunto de material de alto sinal que produz o comportamento desejado. Segundo, quando um bloco grande e estável de instruções se repete em todas as execuções, verifique se o cache de prompt do seu fornecedor de modelo se aplica, porque ele reduz a linha de uso sem mudar o trabalho. Faça toda mudança passar por um pedido e uma aprovação documentados, para que os números de antes e depois sejam confiáveis.
Como a operação gerenciada da Be Human trata isso
A operação gerenciada da Be Human define o critério de conclusão e os rótulos de desfecho na primeira etapa, configura o registro de tarefas em que cada execução é gravada e reporta o custo por tarefa concluída junto com qualidade, escalações e eventos de permissão nas avaliações recorrentes. Quando uma mudança em memória, ferramentas ou aprovações altera o número, o pedido de mudança registra os valores antes e depois do tipo de tarefa afetado. Monitoramento, manutenção das integrações e revisão periódica de permissões mantêm os insumos do custo atualizados, e o trabalho é entregue remotamente, em inglês ou em português. Se você não tem certeza de qual tarefa merece um agente primeiro, o diagnóstico gratuito de IA da Be Human ajuda a encontrar a primeira tarefa que vale a pena passar para um agente.
Perguntas frequentes
Qual é a diferença entre custo por tarefa concluída e custo por execução? O custo por execução divide o gasto por todas as tentativas, incluindo as recusadas, escaladas ou abandonadas. O custo por tarefa concluída divide o custo total, incluindo o tempo de revisão humana, apenas pelas tarefas que chegaram a um resultado aceito. O segundo número reflete o que o negócio realmente recebe, então use-o para decidir e mantenha o custo por execução como sinal técnico.
Devemos contar o tempo humano se a pessoa faria o trabalho de qualquer forma? Sim, porque o agente muda onde esse tempo é gasto. Conferir saídas, corrigir erros e tratar escalações fazem parte do custo de operar o agente. Compare o resultado com a mesma tarefa feita manualmente, sob a mesma definição de conclusão, para que a comparação seja justa nos dois sentidos.
Com que frequência o número deve ser recalculado? Um cálculo mensal é um padrão prático para equipes de operações, usando sempre a mesma definição de conclusão e a mesma regra de distribuição. Combine-o com uma auditoria por amostragem das saídas aceitas, para que a queda no tempo de revisão não seja confundida com melhora de qualidade. Quando memória, ferramentas ou aprovações mudarem, calcule o número para o tipo de tarefa afetado antes e depois da mudança.
Precisamos de uma plataforma especializada para começar a medir? Não. Um registro de tarefas com identificador, tipo de tarefa, horários, uso por execução e um rótulo de desfecho basta para uma primeira medição. O rastreamento da plataforma passa a ser útil quando o volume cresce e as execuções envolvem várias ferramentas, porque mostra onde chamadas e repetições se acumulam.
Seu próximo passo
Descubra primeiro onde um agente de IA cabe na sua empresa.
Faça o diagnóstico gratuito de IA da Be Human. Algumas perguntas sobre o seu trabalho mostram qual tarefa entregar primeiro a um agente, o que ele precisa saber e onde uma pessoa aprova.
Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.


