Limites de gasto e alertas em agentes de IA: guia prático

Para manter o uso de agentes de IA dentro do orçamento, dê a cada agente o seu próprio teto de gasto, configure alertas em etapas bem antes desse teto e defina com antecedência o que o agente faz quando um limite é atingido. Os tetos impedem custo descontrolado, os alertas dão tempo para uma pessoa agir e as regras de contingência mantêm o trabalho importante andando com segurança. Juntos, transformam o uso de uma surpresa mensal em uma linha que o financeiro consegue planejar.

Principais pontos

• Dê a cada agente o seu próprio teto de orçamento, vinculado às suas próprias credenciais, para que o gasto seja atribuído a uma função e não se perca em uma conta compartilhada.
• Combine camadas de limite: um teto por período para o dinheiro, um limite por tarefa contra loops descontrolados, cotas por usuário para equidade e limites de taxa para velocidade.
• Configure alertas em etapas e também sobre o ritmo do gasto, e envie cada alerta a uma pessoa nomeada que possa agir.
• Decida o comportamento de contingência antes de o limite ser atingido: reduzir o serviço, enfileirar, pedir aprovação ou parar, conforme o tipo de trabalho.
• Revise os limites em uma agenda fixa, porque um teto que estava certo no lançamento estará errado quando o uso real crescer.

Por que o gasto com agentes de IA surpreende o financeiro?

Software tradicional costuma ser cobrado por licença, então a fatura é previsível. Agentes são diferentes. O custo acompanha a atividade: quanto texto o modelo lê e escreve, quantos passos uma tarefa exige, quantas ferramentas são chamadas e quantas vezes o trabalho é repetido. Duas tarefas que parecem idênticas para o usuário podem ter custos muito diferentes.

As fontes habituais de surpresa são poucas e fáceis de reconhecer:

• Contexto longo: um agente que relê um histórico extenso ou um conjunto grande de documentos a cada passo paga por isso toda vez.
• Loops e novas tentativas: um agente que insiste em um passo que falha pode gastar o dia inteiro em uma única tarefa.
• Ferramentas medidas: busca, transcrição, e-mail ou serviços de dados costumam ser cobrados à parte do modelo.
• Trabalho em segundo plano: tarefas agendadas e rotinas de monitoramento rodam quando ninguém está olhando.
• Chaves compartilhadas: quando vários agentes e experimentos usam a mesma credencial, ninguém sabe dizer quem gastou o quê.

Nada disso significa que agentes sejam caros por natureza. Significa que o custo é variável, e custo variável exige controles que o software de preço fixo nunca precisou. Para uma visão mais ampla do que entra no lado do custo, veja Custo total de propriedade de agente de IA: o que contar além da licença e, para entender como os fornecedores cobram, Modelos de precificação de agentes de IA: uso, usuário ou retainer.

Quais limites cada agente precisa ter?

A palavra limite abrange vários controles diferentes. Misturá-los é o erro de desenho mais comum, então dê um nome e uma função a cada um.

• Teto de orçamento: o máximo de dinheiro que um agente pode gastar em um período, em geral um mês. É o controle que mais importa para o financeiro.
• Limite por tarefa: o máximo de passos, chamadas de ferramenta ou volume de texto em uma única tarefa. Pega loops que um teto mensal só notaria depois do estrago.
• Cota por usuário: uma fatia do orçamento do agente que cada pessoa ou equipe pode consumir, para que um usuário intenso não esgote o total.
• Limite de taxa: um número máximo de requisições por minuto ou por hora. Protege contra picos, sejam de um bug, de um script ou de abuso.
• Teto por ferramenta: um limite separado para cada ferramenta medida, porque um modelo barato ainda pode acionar uma ferramenta cara.
• Teto da conta: um limite rígido no nível da conta do provedor, acima de todos os tetos dos agentes, como última linha de defesa.

Essas camadas funcionam como caixas encaixadas. O limite por tarefa fica dentro da cota por usuário, que fica dentro do teto do agente, que fica dentro do teto da conta. Uma falha em uma camada interna nunca deve conseguir romper uma externa.

Isso só funciona se cada agente tiver identidade e credenciais próprias. Se cinco agentes dividem uma chave, você consegue colocar um teto na chave, mas não em cada agente. A questão de quem é o dono dessas contas e chaves é tratada em De quem devem ser as contas e chaves de API do agente de IA?. A titularidade importa aqui porque quem controla a chave controla o limite.

O OWASP Top 10 for LLM Applications lista o consumo ilimitado como uma categoria de risco reconhecida. Por isso, limites são um controle de segurança além de um controle de orçamento: eles restringem o dano causado por bugs, mau uso e entradas hostis.

Como escolher os primeiros números?

Você não vai saber os tetos certos no primeiro dia, e tudo bem. O objetivo da primeira configuração é ser segura e informativa, não perfeita. Siga este roteiro.

• Primeiro, defina a unidade de trabalho. Para um agente de atendimento, pode ser um chamado resolvido; para um agente financeiro, uma nota conciliada. A FinOps Foundation descreve isso como economia unitária: relacionar o custo à unidade de valor, e não apenas ao total da fatura.
• Segundo, marque cada requisição com o agente, o tipo de tarefa e o usuário ou a equipe. Sem marcação, não há como atribuir o gasto. As convenções semânticas do OpenTelemetry para IA generativa descrevem uma forma comum de registrar o uso de modelos, o que ajuda se você quiser que seu rastreamento e seus dados de custo conversem entre si.
• Terceiro, faça um curto período de observação com um teto temporário generoso e alertas apertados. Registre o custo típico por tarefa e os piores casos.
• Quarto, fixe o limite por tarefa um pouco acima das tarefas caras, porém legítimas, que você observou, de modo que o trabalho comum passe e os loops não.
• Quinto, calcule o teto mensal pelo volume esperado de tarefas multiplicado pelo custo típico por tarefa, com uma margem para crescimento. O financeiro deve aprovar esse número, e o responsável pelo agente deve acompanhá-lo.
• Sexto, divida o teto em cotas por usuário ou equipe apenas se um grupo puder tomar o espaço dos outros. Caso contrário, mantenha simples.
• Sétimo, fixe o teto da conta acima da soma de todos os tetos dos agentes e mexa nele raramente.

O piloto é o lugar certo para aprender esses valores. O que um piloto deve provar, inclusive o comportamento de custo, é discutido em Prova de conceito, piloto e produção em IA: o que cada etapa deve provar.

Onde colocar os limites dos alertas?

Um alerta disparado no teto não é alerta, é atestado de óbito. Os alertas precisam chegar cedo o bastante para que alguém decida alguma coisa. Use três tipos.

• Alertas de nível: avisos em etapas conforme o orçamento do período é consumido. Um padrão razoável é uma nota informativa na metade, um aviso perto de três quartos e um alerta urgente perto do teto. Os pontos exatos importam menos do que ter pelo menos dois antes do teto.
• Alertas de ritmo: um aviso quando o gasto está correndo mais rápido do que o calendário permite. Se metade do orçamento mensal some na primeira semana, um alerta de nível ficaria em silêncio, enquanto um alerta de ritmo dispararia.
• Alertas de anomalia: um aviso quando uma tarefa, usuário ou ferramenta foge muito do custo normal. Eles detectam loops em minutos.

Cada alerta deve dizer qual agente, qual limite, quanta margem resta e quem é o responsável pela decisão. Envie para uma pessoa nomeada e um substituto, não para uma caixa de entrada compartilhada que todos presumem que outra pessoa lê. Se um alerta não tem uma ação clara associada, remova-o, porque alertas ignorados ensinam as pessoas a ignorar o próximo.

Um cenário ilustrativo

Imagine uma empresa de médio porte com um agente de documentos que resume contratos de fornecedores. Na segunda semana do mês, chega um lote de arquivos muito longos, e um arquivo malformado faz o agente repetir um passo sem parar. Um alerta mensal de nível não dispararia por dias. O limite por tarefa interrompe essa tarefa após um número delimitado de passos, o alerta de anomalia avisa o responsável pelo agente na mesma tarde e o alerta de ritmo informa ao financeiro que o mês caminha para cima. O responsável corrige o tratamento do arquivo, eleva um pouco o limite para documentos longos e ninguém se surpreende no fim do mês. Este é um caso ilustrativo, não um resultado real de cliente.

O que o agente deve fazer ao atingir um limite?

O pior comportamento diante de um limite é o indefinido: o agente falha no meio de uma tarefa ou segue em frente sem avisar porque alguém esqueceu de aplicar o teto. Decida o comportamento por tipo de trabalho e registre por escrito.

Use este guia de decisão:

• Trabalho voltado ao cliente ou urgente: reduza o serviço com cuidado. Troque para um modelo menor e mais barato, encurte o contexto ou passe o caso a uma pessoa com o trabalho feito até ali anexado.
• Trabalho interno de rotina que pode esperar: enfileire e retome quando o próximo período começar ou quando o responsável elevar o teto.
• Trabalho com efeitos colaterais, como enviar mensagens ou alterar registros: pause e peça aprovação antes de continuar, e nunca prossiga com um modelo reduzido sem uma verificação.
• Trabalho exploratório ou de baixo valor: pare e avise. Nem toda tarefa merece continuar.
• Operações críticas com um pico legítimo: permita um excedente pequeno e definido, que exija um aprovador nomeado, e registre.

Duas medidas reduzem a necessidade de chegar aos limites. A primeira é reaproveitar contexto repetido quando o provedor permite. A documentação de prompt caching da Anthropic descreve como partes estáveis de um prompt podem ser guardadas em cache em vez de reprocessadas por inteiro a cada chamada, o que pode reduzir o custo de agentes que repetem instruções longas. A segunda é direcionar o trabalho simples para modelos mais leves e reservar os mais fortes para os casos difíceis, como discutido em Como escolher modelo de IA para empresa: guia para agentes.

Qualquer que seja a escolha, avise os usuários. Um agente que diz ter atingido o orçamento do período e repassou o caso a um colega inspira muito mais confiança do que um que simplesmente silencia.

Como testar os limites e mantê-los atualizados?

Um limite que você nunca acionou é uma esperança, não um controle. Antes do lançamento, teste cada camada de propósito em um ambiente seguro.

• Force um loop e confirme que o limite por tarefa o interrompe.
• Reduza um teto temporariamente e confirme que o comportamento de contingência roda como foi escrito.
• Envie um alerta de teste por cada canal e confirme que o responsável nomeado o recebe.
• Confirme que o teto da conta está acima dos tetos dos agentes e que nenhum agente divide chave com outro.
• Confirme que toda mudança de limite é registrada, com quem a fez e por quê.

Depois, coloque os limites no calendário. O uso cresce, as tarefas mudam, modelos e preços mudam, e um teto definido no lançamento vai ficando defasado. Uma olhada mensal no gasto real contra os tetos e uma revisão mais profunda a cada trimestre costumam bastar. A revisão trimestral combina naturalmente com a checagem de acessos descrita em Revisão trimestral de IA na empresa: manter, corrigir ou encerrar, já que ambas perguntam se cada agente ainda tem o escopo certo.

Na abordagem gerenciada da Be Human, cada agente roda com identidade e credenciais próprias, em contas que a empresa controla. Tetos, limites por tarefa, rotas de alerta e regras de contingência são combinados no início do trabalho e registrados junto com a função, as ferramentas e os limites de aprovação. O uso é monitorado como parte da operação contínua, os alertas vão para responsáveis nomeados dos dois lados e as mudanças de limite são feitas como melhorias controladas e registradas.

Perguntas frequentes

Quem deve ser o dono do orçamento de um agente de IA? Um responsável de negócio nomeado deve cuidar dele, normalmente o líder da equipe atendida pelo agente, com o financeiro aprovando o teto. A equipe técnica ou um provedor gerenciado pode operar os controles, mas quem se beneficia do agente é quem deve decidir quanto vale a pena gastar.

Devemos usar teto rígido ou apenas alertas? Use os dois, para funções diferentes. Alertas servem ao julgamento humano enquanto ainda há margem, e tetos rígidos servem às situações em que ninguém consegue reagir a tempo, como loops durante a noite. Um teto flexível com um pequeno excedente aprovado é um meio-termo sensato para trabalho crítico.

Com que frequência devemos mudar os limites? Compare o gasto real com os tetos todo mês e revise os próprios números a cada trimestre ou depois de qualquer mudança importante nas tarefas, ferramentas ou modelos do agente. Altere um limite só com um motivo registrado, para que elevar um teto seja uma decisão e não um reflexo.

E se uma equipe disser que o teto está bloqueando trabalho real? Trate isso como informação. Olhe o custo por tarefa e o valor do trabalho e então eleve o teto, reduza o custo com modelos mais leves ou contexto reaproveitado, ou confirme que o trabalho não justifica o gasto. O teto existe para provocar essa conversa antes que a fatura o faça.

Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.