Governança de IA: por que o custo virou pauta estratégica do CFO

A governança de IA conecta o que os modelos de inteligência artificial consomem ao valor que eles devolvem para o negócio. Segundo a Accenture, os gastos corporativos com IA devem somar US$ 800 bilhões em 2026.

Apesar do volume, apenas 23% dos executivos de C-level relatam retorno sustentado com IA, de acordo com o mesmo levantamento. A distância entre o que se gasta e o que se colhe é o problema central que a liderança executiva precisa resolver antes que os custos saiam de controle.

O nome que a Accenture deu a essa disciplina é "tokenomics de IA". O conceito é novo, mas o problema que ele descreve já está na mesa de qualquer CFO que aprovou orçamento de IA neste ciclo.

O que é tokenomics de IA

Tokens são as unidades de dado que os modelos de IA processam. Cada prompt, cada resposta, cada etapa de busca e cada ação de um agente consome tokens.

Tokenomics é a disciplina que conecta o que a IA consome ao valor que ela retorna, segundo Manish Sharma, Chief Strategy and Services Officer da Accenture e autor principal do estudo divulgado em 29 de julho de 2026, baseado em simulação comportamental com 6 mil perfis de líderes sênior em empresas com receita anual acima de US$ 1 bilhão.

A diferença em relação a software tradicional é estrutural. Software licenciado tem custo previsível por assento. Com IA isso não acontece, uma vez que o custo cresce com o volume de uso, a profundidade de raciocínio do modelo e a automação dos workflows.

As ferramentas de IA que mais consomem token hoje já estão no dia a dia de times de operação, marketing e finanças, como mostra o levantamento sobre ferramentas de inteligência artificial para gestão empresarial .

Os três fatores por trás da explosão de custos

Três fenômenos empurram o consumo de token para cima ao mesmo tempo, mesmo quando o preço unitário cai.

O paradoxo de Jevons

Preços mais baixos de token não reduzem o gasto total com IA. Eles aumentam, uma vez que a queda de preço estimula mais uso, mais automação e mais experimentação dentro da empresa. Apenas 15% das organizações conseguem de fato economizar quando o preço de um modelo cai 25%. As demais compensam a economia unitária com volume, o que neutraliza o ganho de eficiência projetado pela área financeira.

A fronteira de Pareto entre gasto e valor

Menos de 10% dos usuários e workflows respondem pela maior parte do gasto com IA em uma empresa típica. O problema não é o volume em si. É que esse consumo concentrado nem sempre está nos processos que geram mais retorno. Sem visibilidade por workflow, a empresa não sabe se está pagando caro por um agente que economiza horas de trabalho ou por um uso experimental sem dono definido.

Custos de segurança que não aparecem na fatura

Cada novo modelo, cada nova conexão e cada novo agente adicionam uma camada de custo de segurança que raramente entra no cálculo de ROI. Esse gasto cresce junto com a superfície de risco, não com o valor entregue. Ignorá-lo é uma das razões pelas quais 57% dos executivos apontam falta de alinhamento tecnológico como obstáculo para medir o retorno da IA, e 51% citam dados e analytics insuficientes para isso.

Quanto o consumo de token deve crescer até 2030

O crescimento projetado é abrupto. A Accenture estima consumo de 120 quatrilhões de tokens por mês até 2030, um salto de 24 vezes em relação ao patamar atual.

Esse volume torna a gestão de custo de IA equivalente, em importância, a qualquer outra linha relevante do orçamento corporativo. Deixar essa conta sem um dono claro entre CFO e CIO é o primeiro erro que a Accenture identifica nas empresas que não sustentam retorno.

A regra dos modelos: por que só 10% a 20% das tarefas justificam os modelos mais caros

A Accenture chama isso de regra do modelo. Apenas uma fatia pequena das tarefas corporativas exige o modelo mais potente e mais caro disponível. As demais podem rodar em modelos menores sem perda relevante de qualidade.

Tarefas com passos bem definidos, como redigir um resumo padrão ou classificar um documento, não precisam de raciocínio de ponta. Os modelos mais caros devem ficar reservados para raciocínio complexo, workflows agênticos com alto custo de erro e síntese de contexto longo, como a leitura de um dossiê de due diligence de 200 páginas.

O ganho de roteamento inteligente é concreto. A própria plataforma interna da Accenture processa cerca de 8,7 trilhões de tokens por semana. Ela direciona tarefas ao modelo certo a um custo equivalente a um sexto do que custariam modelos de ponta para o mesmo volume.

Um operador de telecomunicações citado no estudo aplicou a mesma lógica e cortou 68% do gasto anual com IA depois de passar a visualizar o consumo no nível de workflow, não apenas no nível agregado da empresa.

Mesmo com essa evidência, o comportamento do usuário ainda pesa contra a economia. Na própria Accenture, usuários continuam escolhendo modelos mais caros por padrão mesmo quando a opção mais leve entrega o mesmo resultado, já que a decisão de qual modelo usar raramente é gerenciada de forma central.

As quatro disciplinas que separam quem lucra com IA de quem só gasta

A Accenture descreve quatro práticas operacionais recorrentes nas empresas que conseguem transformar gasto de IA em retorno mensurável.

Visibilidade de custo, uso e retorno no topo da empresa

CFO e CIO precisam enxergar, na mesma tela, quanto a empresa gasta, quem usa e o que volta em resultado. Essa visão só funciona quando o retorno é medido no ponto exato onde o trabalho foi automatizado, comparando o antes e o depois de cada processo, e não em uma média geral de produtividade que não resiste a uma auditoria financeira.

Governança implementada desde o primeiro dia

Os controles de uso de IA precisam existir antes do primeiro caso de custo fora da curva, não depois dele. Isso significa definir, por escrito, quem usa qual modelo, para qual tipo de trabalho e sob quais salvaguardas, com uma pergunta simples orientando cada nova ferramenta liberada: para quê? Esse desenho de responsabilidades tem paralelo direto com frameworks de controle já consolidados nas empresas, como o Modelo das Três Linhas do IIA , e com a preocupação mais ampla sobre o uso ético da inteligência artificial nas empresas .

Roteamento do trabalho para a inteligência certa

Sessões novas devem nascer com um modelo mais leve como padrão, com limites claros para quando um modelo pesado é liberado por função ou por caso de negócio específico. Esse roteamento só é sustentável quando passa por um único ponto de controle técnico, um gateway central, e não por decisões individuais de cada usuário no momento do uso.

Gestão contínua da economia de token

Consumo, resultado e decisões de roteamento precisam ser revisados em uma cadência definida, não apenas uma vez por ano. O ciclo é sempre o mesmo: diagnosticar, corrigir e revisitar, repetido a cada lançamento de modelo ou mudança de preço relevante. É o mesmo raciocínio de gestão de risco contínua que sustenta frameworks como o COSO ERM , aplicado agora à conta de IA.

Por que a governança de IA não pode ficar só com a área de tecnologia

Sem alinhamento entre as áreas, cada uma enxerga uma parte diferente do problema. O CFO vê custo. O CIO vê uso. A liderança de negócio vê resultado. Nenhuma das três visões sozinha explica se a IA está gerando valor.

É por isso que a governança de custo de IA está deixando de ser tema de TI para se tornar tema de liderança executiva, com espaço cada vez maior para profissionais de governança, risco e compliance dentro da conversa, como mostra o caminho de carreira em GRC que vem se consolidando dentro das empresas. O mesmo raciocínio vale para quem já ocupa a cadeira de gestor de IA .

Como estruturar a governança de IA na prática

As empresas que praticam governança de IA de verdade tratam o gasto como fonte de retorno, não apenas como linha de custo, e vão compor valor mais rápido do que compõem despesa. A Accenture é direta ao afirmar que essa economia não se estabiliza sozinha: exige esforço deliberado e revisão constante.

Desenvolver essa capacidade de decisão estratégica é o objetivo do curso IA Aplicada à Gestão Empresarial da FDC Pós Online, parte da única escola de negócios brasileira entre as 10 melhores do mundo segundo o Financial Times (2024). O programa não exige formação técnica prévia e prepara diretores, gestores e gerentes para tratar investimento em IA com a mesma régua estratégica usada para qualquer outra linha crítica do orçamento.

Perguntas frequentes