Por que incentivar o gasto de tokens nas empresas não é errado
Definir metas de consumo de tokens parece uma forma inadequada de medir a adoção de IA — e é, numa organização madura. Mas a métrica certa depende do estágio: primeiro se mede uso, depois mudança de comportamento, por fim resultado e custo. Um modelo de maturidade, da Exposição à Otimização.
Definir metas organizacionais de consumo de tokens pode, à primeira vista, parecer uma forma inadequada de medir a adoção de inteligência artificial. Afinal, consumir mais tokens não significa necessariamente gerar mais valor. Em uma organização madura, essa crítica é válida. Mas ela ignora um ponto importante: as métricas adequadas dependem do estágio de maturidade da organização.
Quando uma empresa ainda está em transição de práticas tradicionais de gestão para formas de trabalho apoiadas por IA, seu principal desafio ainda não é otimizar o uso da tecnologia. É fazer com que as pessoas efetivamente a utilizem.
"Uma organização madura em IA não comemora tokens consumidos. Ela comemora problemas resolvidos."
Nesse estágio, a própria adoção constitui uma barreira. Os profissionais precisam aprender onde a IA pode ajudá-los, desenvolver novos hábitos de trabalho, compreender suas limitações, experimentar diferentes formas de interação e deixar de tratar a tecnologia como algo periférico. Sem uso recorrente, esse aprendizado simplesmente não acontece.
Por isso, metas baseadas em volume — como número de usuários ativos, interações ou até mesmo tokens consumidos — podem cumprir uma função legítima. Elas funcionam como métricas de ativação. Seu objetivo não é medir diretamente o valor gerado, mas criar as condições para que esse valor possa surgir.
Há paralelos em outras transformações tecnológicas. Nos estágios iniciais de adoção de novas plataformas digitais, organizações frequentemente acompanham logins, frequência de uso, documentos produzidos ou processos migrados. Nenhuma dessas métricas representa produtividade isoladamente. Ainda assim, elas são úteis enquanto o principal desafio é mudar comportamentos e incentivar as pessoas a aprenderem a utilizar uma nova ferramenta.
O problema surge quando uma métrica transitória se transforma em uma métrica permanente.
Uma meta de consumo de tokens mantida indefinidamente pode gerar incentivos inadequados: prompts desnecessariamente longos, interações redundantes e maior custo computacional sem ganho proporcional de qualidade. Em determinado momento, portanto, a organização precisa deixar de perguntar “Quanto estamos usando da IA?” e passar a perguntar “O que estamos conseguindo fazer melhor porque usamos IA?”
Essa transição pode ser representada por um modelo simples de maturidade — da Exposição à Integração, e da Integração à Otimização.
O erro, portanto, não está em definir uma meta de consumo de tokens. O erro está em tratar o consumo de tokens como o objetivo final.
Para uma organização que ainda está aprendendo a trabalhar com inteligência artificial, incentivar deliberadamente o uso pode ser uma decisão perfeitamente racional. A experimentação produz conhecimento organizacional: revela bons casos de uso, casos pouco promissores, oportunidades inesperadas e limitações que dificilmente seriam descobertas apenas por meio de planejamento centralizado.
Uma organização madura em IA, porém, não comemora tokens consumidos. Ela comemora problemas resolvidos.
As métricas devem evoluir de acordo com essa maturidade. Primeiro, mede-se se as pessoas estão usando IA. Depois, se a IA está mudando a maneira como elas trabalham. Por fim, mede-se se essas mudanças estão produzindo resultados melhores — e a que custo.
Obs.: Não recebo nenhum tipo de patrocínio de empresas que vendem modelos de IA e cobram pelo uso de tokens. Mas, se alguma delas tiver interesse em me patrocinar, é só me chamar 🤣.
Continue lendo
O texto completo (em inglês) está publicado externamente. Esta é uma versão resumida em português, mantida aqui no portfolio para leitura rápida e referência.