OpenAI testa cobrança por resultado para agentes de IA em empresas

A OpenAI estaria permitindo que um pequeno grupo de grandes clientes corporativos pagasse apenas quando um agente de IA concluísse uma tarefa de negócio previamente acordada. O arranjo é descrito como um piloto limitado — não como um plano de preços anunciado publicamente — e a empresa não divulgou quais tarefas participam do teste, nem as tarifas ou condições contratuais. 5

A experiência é relevante porque agentes autônomos podem consumir muito mais capacidade computacional do que um chatbot convencional. Na cobrança por tokens, a conta cresce conforme aumentam os prompts, as respostas, as tentativas e as chamadas de ferramentas. No modelo baseado em resultados, o valor seria associado a um resultado definido antecipadamente pelo cliente e pelo fornecedor.

O que muda em relação à cobrança por tokens

As tabelas públicas da OpenAI para API e clientes corporativos cobram tokens de entrada, tokens de entrada armazenados em cache e tokens de saída por milhão de unidades. 1 2 Nesse formato, o cliente paga pelo uso do modelo independentemente de o agente concluir ou não a tarefa.

A cobrança por resultado muda o evento que gera a fatura. Em vez de perguntar “quantos tokens o sistema processou?”, o contrato pergunta: “o agente alcançou o resultado combinado?”. Esse resultado poderia ser um chamado de suporte resolvido, um fluxo concluído ou uma atualização verificada em um sistema corporativo — mas as metas específicas do piloto da OpenAI não foram divulgadas. 5

A mudança transfere parte do risco de execução do comprador para o fornecedor. Várias tentativas, longas cadeias de raciocínio ou execuções malsucedidas podem elevar os custos da OpenAI sem necessariamente gerar um resultado cobrável.

Por que as empresas temem custos imprevisíveis

A cobrança por uso costuma ser relativamente simples de administrar em aplicações previsíveis. O cenário fica mais difícil quando os agentes podem escolher caminhos próprios, chamar ferramentas repetidamente, delegar tarefas ou trabalhar em paralelo.

O exemplo mais expressivo divulgado envolve um desenvolvedor que operou 100 agentes e acumulou US$ 1,3 milhão em cobranças de tokens da OpenAI ao longo de 30 dias. 5 É um caso extremo, mas ele ilustra a preocupação comercial: em sistemas autônomos, os gastos podem acompanhar o número de tentativas e o nível de atividade, em vez do valor do trabalho concluído.

Um contrato baseado em resultados poderia facilitar a previsão orçamentária. Também poderia reduzir o risco de o cliente pagar integralmente por uma tentativa malsucedida, caso o acordo determine que falhas não são cobradas. Ainda não se sabe se essa proteção existe no piloto da OpenAI, nem como seriam tratadas as exceções.

Onde o modelo deve funcionar primeiro

A cobrança por resultado é mais fácil de administrar quando a tarefa tem limites claros e um evento de conclusão observável. O atendimento ao cliente é um dos exemplos mais evidentes: uma resolução pode ser conferida pelo status do chamado, pela interação com o consumidor ou pela ausência de uma nova intervenção humana.

Outros fluxos possíveis incluem tarefas de programação bem delimitadas, análise de sinistros, qualificação de leads e atividades administrativas. São possibilidades, não casos de uso confirmados pela OpenAI. O requisito comum é que as partes consigam definir o que significa “sucesso” antes do início da execução.

Um contrato prático provavelmente precisaria especificar:

• a condição exata para considerar a tarefa concluída;
• limites de qualidade e precisão;
• quando a transferência para um funcionário humano representa falha ou sucesso parcial;
• como serão tratadas novas tentativas e exceções;
• qual evento do sistema comprovará a conclusão; e
• como serão resolvidas divergências de cobrança.

Sem essas regras, “pagar apenas quando a IA funcionar” é uma frase atraente, mas uma promessa comercial ambígua.

O mercado já testa diferentes formas de cobrar por resultado

O suposto experimento da OpenAI acompanha uma mudança mais ampla na forma como empresas de software cobram por agentes de IA. Os modelos são relacionados, mas não equivalentes:

• Intercom Fin: a Intercom informa que o Fin cobra US$ 0,99 por resultado resolvido. A definição envolve a solução completa de um problema do cliente pela IA, sem intervenção humana. 8
• Zendesk: a Zendesk usa o termo “Verified Resolution” — ou “resolução verificada” — para uma solução bem-sucedida conduzida pela IA, vinculando a cobrança ao resultado em vez de simplesmente a uma licença por usuário. 14
• Salesforce Agentforce: a Salesforce começou com um modelo de US$ 2 por conversa e depois introduziu os Flex Credits. Na comparação da Intercom, uma ação padrão equivale a 20 créditos, ou cerca de US$ 0,10 por ação. Esse é um modelo de consumo associado à ação realizada, não necessariamente um pagamento apenas pelo resultado final do negócio. 8

Por isso, “baseado em resultados” e “baseado em consumo” não devem ser tratados como sinônimos. Cobrar por ação ou por conversa pode tornar o uso mais compreensível, mas ainda significa cobrar mesmo quando o objetivo empresarial mais amplo não é alcançado.

O que as pesquisas indicam sobre a preferência das empresas

Os dados disponíveis do Futurum Group apontam para um mercado fragmentado, e não para o fim da cobrança por usuário.

Uma pesquisa do Futurum com 830 tomadores de decisão de TI em todo o mundo mostrou que 43% preferiam a cobrança por consumo para funcionalidades de IA generativa, enquanto 27% optavam pelo modelo baseado em resultados. 14 Em uma pesquisa separada do segundo semestre de 2026, a cobrança por usuário liderou entre funcionalidades de IA faturadas separadamente, com 42,3%, contra 36,6% para consumo e 21,1% para resultados. Para o software principal, a cobrança por consumo teve 28,9% de preferência e a baseada em resultados, 22,2%; o modelo por usuário ficou em 12,6%.

A conclusão não é que as empresas tenham escolhido um único modelo universal. A preferência parece depender do papel da IA. Uma ferramenta previsível de apoio pode se encaixar em uma licença por usuário ou em um adicional fixo. Já um serviço autônomo que realiza trabalho mensurável pode ser mais fácil de justificar com cobrança por consumo ou vinculada ao resultado.

Por que a cobrança por resultado pode se espalhar — e por que pode não se espalhar

O apelo do modelo é direto para os dois lados. Os compradores conseguem relacionar o gasto ao valor entregue, enquanto os fornecedores passam a ter um incentivo maior para melhorar a confiabilidade e reduzir execuções desperdiçadas. O formato também pode ajudar equipes financeiras a aprovar projetos com agentes que seriam difíceis de orçar sob um consumo aberto de tokens.

Por outro lado, a cobrança por resultado expõe os fornecedores a custos que eles não podem mais repassar automaticamente ao cliente. Ela também cria incentivos que precisam ser controlados. Se um agente for otimizado para uma métrica estreita, pode cumprir tecnicamente o contrato e, ao mesmo tempo, prejudicar a experiência geral do cliente.

A atribuição é outro obstáculo. Imagine um fluxo que use vários modelos, ferramentas externas, funcionários e sistemas corporativos. Se o agente concluir apenas parte do processo, ou se uma pessoa tomar a decisão final, pode ser difícil determinar se a OpenAI entregou o resultado que deveria ser cobrado.

Por isso, o modelo provavelmente vai se expandir primeiro em fluxos restritos e verificáveis, e não em trabalhos de conhecimento abertos e difíceis de medir. Formatos híbridos — combinando licenças, consumo, créditos e taxas por resultados selecionados — podem continuar sendo mais práticos para implementações complexas. O Futurum descreveu os modelos híbridos como um meio-termo importante enquanto os fornecedores testam maneiras de conectar o preço da IA ao valor para o cliente. 14

O que o piloto da OpenAI sinaliza

Se o arranjo for ampliado, ele representará uma mudança importante na economia da IA corporativa: os fornecedores passarão a vender cada vez mais trabalho concluído, e não apenas acesso a modelos ou consumo de tokens.

Por enquanto, as evidências permitem uma conclusão mais limitada. A OpenAI estaria testando a cobrança por resultado com alguns grandes clientes, mas não publicou um plano geral nem revelou detalhes contratuais suficientes para avaliar as tarifas, o alcance ou o sucesso comercial do modelo. 5 O experimento deve ser entendido como um teste inicial para saber se os fornecedores de agentes de IA conseguem transformar a promessa de “pagar pelos resultados” em algo preciso o bastante para as compras corporativas.