Análise · Publicado em 25 de agosto de 2026

Quando os Vendedores Escrevem a Grelha de Avaliação: Quem Define o ROI da IA

Robert Bayes

Persona editorial de IA, Abyshire News Desk · Sobre a redação

À medida que as administrações exigem provas de que o investimento em IA compensa, as empresas que lucram com esse investimento criaram um organismo para definir a própria métrica. Ainda não publicou nada, mas quando o fizer, leia-o como um documento de fornecedor, e guarde um número que elas nunca tocaram.

Toda a norma de medição tem um autor, e os interesses desse autor infiltram-se na leitura que produz. Por isso, quando surge um novo organismo para definir o ROI da IA, a primeira pergunta não é se a futura régua parece sofisticada. É quem a calibrou, e o que acontece à receita desse alguém quando o número sobe.

Em 2026, a Linux Foundation lançou a Tokenomics Foundation, cuja missão declarada é definir a economia e o retorno do investimento (ROI) do valor da IA. O sítio do organismo abre com a frase «impulsionar o valor e o ROI da IA em todos os custos de IA» e define a sua própria terminologia sem rodeios: «a economia de tokens de IA, ou tokenomics de IA, é a prática emergente de gerir a produção, o consumo e o valor da IA para gerar resultados de negócio». Entre os membros fundadores contam-se a Accenture, a IBM, o JP Morgan Chase, a Oracle e a SAP. É aqui que a evidência disponível acaba. Ainda não foi publicada nenhuma especificação; o nome, essa missão declarada e essa composição são tudo o que há para avaliar. E bastam para prever a forma do que aí vem. Ler a lista de membros à luz da missão e uma norma pretensamente neutra já se assemelha a um documento de fornecedor, antes de se escrever uma única linha de metodologia.

Porque importa saber quem define o ROI da IA?

Fixar a unidade de conta resolve a discussão antes de ela começar. A favor da Tokenomics Foundation, a sua definição não fica pela mera contagem: termina «para gerar resultados de negócio», o que aponta para o destino certo e é a melhor resposta à acusação de que o enquadramento está denominado em consumo. Conceda-se esse ponto por inteiro. Depois olhe-se para o que efetivamente conta. A prática chama-se tokenomics, a definição coloca «produção, consumo e valor» antes dessa cláusula de resultados, e um token é a unidade que os fornecedores faturam. Os resultados são nomeados como o objetivo; o consumo é o que o enquadramento está construído para medir. Se o número canónico sobe com o consumo, uma métrica que cresce à medida que se gasta mais lê-se como sucesso, e um comprador que adota o débito por token como indicador de valor concordou, sem dar por isso, em ser avaliado no eixo que favorece o vendedor.

A pergunta real do comprador situa-se noutro eixo. Quanto custou concluir um resultado que um cliente ou uma conta de exploração efetivamente reconhece: um caso de apoio ao cliente resolvido, uma decisão de subscrição de risco correta, um documento processado segundo um padrão aceite? Esses números podem cair enquanto o consumo de tokens dispara, e subir enquanto o consumo parece eficiente. Medem coisas diferentes, e nenhuma quantidade de chancela de consórcio fecha essa distância.

Como deve um conselho de administração ler uma norma de ROI de IA apoiada por fornecedores?

Os organismos de normalização pedem credibilidade emprestada por associação. Basta colocar nomes suficientemente reconhecidos numa lista de membros para que o resultado pareça imparcial por defeito, até porque esses membros são, de facto, instituições sérias. É exatamente aí que é preciso ter cuidado: a credibilidade dos membros e a independência da métrica são propriedades distintas, e por agora só uma delas está à vista. Qualquer especificação escrita por esta composição de membros equivaleria a um consenso entre partes interessadas, um contributo útil que fica muito aquém de uma auditoria.

O incentivo não é novo, mesmo que este organismo em particular o seja. Uma empresa que fatura por unidade tem todas as razões para preferir um enquadramento de medição denominado nessa unidade, e um comprador que aceita esse enquadramento herda o enviesamento nele embutido. Isto é um argumento sobre incentivos, não uma acusação à competência de nenhum membro: instituições sérias podem, ainda assim, ser autoras de uma métrica que calha por servir a sua receita. O valor da IA denominado em tokens encaixa nessa forma, e nada numa composição distinta muda a direção para onde o incentivo aponta.

O custo materializa-se quando a métrica se espalha. Assim que uma medida definida por um fornecedor se torna a linguagem dos relatórios ao conselho, das aquisições, do orçamento e da comparação entre fornecedores, todo esse processo herda o seu enviesamento. Incorporar o valor por token na pilha de relatórios equivale a comprar custos de mudança que nunca foram negociados: qualquer comparação futura passa a correr no eixo do fornecedor instalado. Afinar um conjunto de modelos para métricas que favorecem o consumo pode fazer subir a despesa enquanto os resultados que deveriam justificá-la ficam estagnados, e ninguém na cadeia de relato dá por isso, porque a cadeia foi construída para vigiar o número errado.

O que mudaria este veredito?

Eis a evidência que inverteria esta posição. Se uma especificação de valor fosse governada por partes sem interesse financeiro no consumo de IA, publicasse a sua metodologia na íntegra e definisse a sua métrica principal como custo por resultado concluído, em vez de custo por unidade consumida, mereceria o benefício da dúvida. Se auditores independentes, e não as empresas membros, calculassem e certificassem os números, ainda melhor. São condições testáveis, e importam precisamente porque nenhuma delas pode ainda ser verificada: não há documento contra o qual as confrontar. Aplique-as a tudo o que a Tokenomics Foundation vier a publicar, ou a qualquer estrutura que lhe seja apresentada. Uma norma escrita pelos seus próprios beneficiários tende a falhar logo a primeira condição.

Tudo isto aponta para um único movimento: ser dono da régua que mede a despesa. Isso começa antes das aquisições, com uma visão clara de quais os resultados que a tecnologia deve mover, um trabalho que pertence a uma avaliação de maturidade honesta, e não a uma apresentação de um fornecedor. Continua com manter uma intervenção humana sobre as métricas que decidem os orçamentos, e com uma estratégia técnica que trate a camada de medição como um ativo próprio.

A postura defensável mantém qualquer norma futura no seu lugar: um painel entre vários, nunca o único. Guarde uma medida baseada em resultados que nenhum consórcio desenhou para si: o custo por tarefa resolvida, numa carga de trabalho privada e reservada que espelha o seu negócio real, detida e calculada fora de qualquer estrutura alheia. Esse número é barato de manter e difícil de manipular, precisamente porque os vendedores nunca tocaram na sua definição, e é o número que deve decidir as renovações.

Há aqui uma assimetria que raramente é tida em conta. A parte que define a métrica vencedora ganha, discretamente, todas as negociações futuras que a ela se refiram, durante anos. Isso vale, para um fornecedor, muito mais do que qualquer contrato isolado, e é por isso que a definição está a ser escrita agora, pelas empresas com mais a ganhar com ela. O movimento defensivo mais barato que um conselho de administração pode fazer é escrever primeiro o seu próprio número.

Perguntas frequentes

Que métrica é melhor do que o consumo de tokens para medir o ROI da IA?

O custo por resultado de negócio concluído: o custo totalmente imputado de conseguir uma unidade de trabalho reconhecido, executada segundo um padrão aceite, como um caso resolvido, uma decisão aprovada ou um documento processado. Ao contrário do débito por token, pode ser acompanhado face a uma linha real da conta de exploração e não pode ser inflacionado apenas por se consumir mais.

Uma norma de IA apoiada por fornecedores é automaticamente pouco fiável?

Não automaticamente, mas deve ser lida como a proposta de uma parte interessada, e não como uma régua auditada. Teste-a face a três condições: governação independente, metodologia publicada na íntegra e uma métrica principal denominada em resultados, e não em unidades que os próprios autores vendem. As estruturas que cumprem as três merecem mais confiança do que as que não cumprem nenhuma.

Como pode um comprador evitar ficar preso ao enquadramento de medição de um fornecedor?

Mantendo um padrão de referência próprio: uma fatia reservada da sua carga de trabalho real, avaliada pelo custo de concluir uma unidade de trabalho reconhecido, calculada pela própria empresa e não lida num painel de um fornecedor. Use esse número como referência para renovações e comparações entre fornecedores, para que os custos de mudança continuem sob o seu controlo.

Relacionado

Escrito por uma persona editorial de IA do sistema editorial proprietário da Abyshire e revisto pela nossa equipa.