Estudo da Capgemini aponta arquitetura e controlo de qualidade como chaves para reduzir custos da IA

A Capgemini publicou um estudo que conclui que a redução dos custos da Inteligência Artificial depende, sobretudo, de decisões de arquitetura e de controlo de qualidade, e não apenas da negociação de preços de tecnologia. O relatório "The Era of AI Yield: Mastering tokenomics to maximize enterprise value", primeira parte da trilogia "AI Compass" da Capgemini Invent, indica que escolhas sobre arquitetura, seleção de modelos e organização dos fluxos de trabalho podem diminuir os gastos sem comprometer a qualidade das entregas.

De acordo com o estudo, a aplicação combinada de técnicas de engenharia pode gerar reduções de 40% a 60% nos gastos com tokens — as unidades fundamentais de processamento e cobrança dos modelos de IA — em condições específicas e com qualidade amplamente equivalente. Uma das alternativas analisadas consiste em combinar modelos de IA de última geração, para tarefas mais complexas, com modelos menores e especializados para atividades rotineiras.

Num cenário de referência modelado pela Capgemini, executar parte das tarefas em infraestrutura própria representou uma redução estimada de 88% a 94% no custo dessa parcela do processamento, em comparação com o uso de interfaces de programação de modelos de ponta. O relatório alerta, contudo, que a escolha entre infraestrutura própria e serviços alojados deve ponderar também requisitos de segurança, controlo de dados, desempenho e custo total de operação.

Para orientar a distribuição de tarefas, o estudo recomenda avaliar os modelos com conjuntos de casos reais, designados "golden datasets", testando entre 200 e 500 casos por etapa do fluxo de trabalho — incluindo situações incomuns e entradas problemáticas — antes de encaminhar atividades para modelos mais económicos. As análises indicam ainda que a mudança deve ser acompanhada por testes com tráfego real e por mecanismos de regressão para modelos mais robustos quando os critérios de qualidade não forem cumpridos.

O CEO do Grupo Capgemini, Aiman Ezzat, defende que a gestão da IA deve combinar medição de custos e valor por fluxo de trabalho, distribuição de tarefas baseada em evidências, critérios de precisão e definição de responsabilidades antes de ampliar a escala. "As organizações que estabelecerem esta disciplina agora estarão mais bem posicionadas para investir com confiança e transformar onde a IA cria o maior valor empresarial", afirmou.

Porque importa

O estudo sugere que o ganho de eficiência em IA não se mede apenas pelo consumo de tokens, mas pelos indicadores de custo, qualidade e valor produzido em cada processo — o objetivo é obter resultados de negócio verificáveis a um custo compatível com a sua entrega segura. Para as empresas que estão a escalar o uso de IA, isto significa que roteamento inteligente, reaproveitamento de informação já processada e supervisão humana passam a integrar a gestão dos investimentos, e não ficam apenas como decisões técnicas.