A Anthropic lançou relatórios que mostram a gestores o que um time produziu com IA, quanto custou e onde o trabalho travou, além de orçamentos compartilhados de tokens. No mesmo dia, um levantamento da Jellyfish apontou que o gasto com ferramentas de código agêntico cresceu 10 vezes desde o começo do ano. Veja o que foi lançado e como medir custo e retorno de agentes de código na sua empresa.
Colocar agentes de IA para escrever código ficou fácil. Responder ao financeiro quanto isso custa e o que voltou em troca continua difícil. Nesta quarta, 28 de outubro, a Anthropic lançou uma ferramenta voltada exatamente para essa pergunta.
O que a Anthropic lançou?
Segundo o TechCrunch, a Anthropic lançou um conjunto de relatórios que usa dados de uso internos e pesquisas com funcionários para mostrar a um gestor o trabalho de um time num período escolhido: o que foi produzido, quanto custou e onde os fluxos de trabalho travaram. Os relatórios também trazem recomendações para melhorar os resultados.
Junto com isso, a empresa liberou orçamentos de grupo compartilhados, para que as equipes administrem o gasto de tokens de forma conjunta. Segundo a reportagem, a Anthropic não usa esses dados para treinar modelos por padrão.
Por que isso aparece agora?
O gasto está crescendo rápido. A Anthropic informou a investidores uma retenção líquida de receita de 900%, ou seja, os mesmos clientes passaram a gastar nove vezes mais do 3º trimestre de 2025 para o 3º trimestre de 2026, segundo o TechCrunch.
Um relatório da Jellyfish, empresa de análise de engenharia, publicado um dia antes, aponta na mesma direção: o gasto com ferramentas de código agêntico cresceu 10 vezes desde o início do ano e hoje equivale a cerca de 2% do custo total de engenharia. Nicholas Arcolano, cientista-chefe da Jellyfish, resumiu ao TechCrunch: mesmo que 2% pareça pouco, é um crescimento que a maioria dos diretores financeiros não planejou, e agora não basta gastar, é preciso otimizar.
O que medir quando o time usa agentes de código?
Um relatório do fornecedor ajuda, mas a pergunta de retorno é da empresa. Antes de olhar qualquer painel, vale ter claro o que se quer medir:
- Custo por entrega, não só custo total. Quanto custou em tokens e horas uma funcionalidade, uma correção ou uma migração, comparado ao que custava antes.
- Onde o trabalho trava. Revisão que acumula, testes que falham, retrabalho em código gerado. É aqui que o ganho de velocidade se perde.
- Qualidade depois da entrega. Bugs em produção, reversões e incidentes ligados a código escrito com agentes.
- Distribuição do uso. Quem usa, para quê, e se o gasto está concentrado em tarefas que trazem retorno.
- Tendência mês a mês. Um gasto que cresce 10 vezes pede um orçamento revisto com a mesma frequência.
Já escrevemos sobre o que entra na conta de rodar agentes em Agentes de IA não rodam só em GPU: o que entra no custo de infraestrutura.
Governança: orçamento, limite e registro
Medir é metade do trabalho. A outra metade é controlar antes que o gasto apareça na fatura:
- Orçamento por time ou projeto, com alerta antes do limite e não depois.
- Permissão mínima para o agente: em quais repositórios ele escreve, o que roda sozinho e o que precisa de aprovação.
- Revisão humana obrigatória antes de qualquer código ir para produção.
- Registro de cada execução: qual tarefa, qual custo, qual resultado. Sem isso, não há relatório que explique o gasto.
- Dados reais nos painéis. Indicador estimado ou inventado só atrasa a decisão.
Sobre como tratar o agente como alguém com acesso controlado, veja Agente de IA como funcionário com crachá.
Agente de código não é ferramenta barata nem cara por natureza. Ele vale o que entrega, e isso só se sabe medindo.
Como a FlowNexus pode ajudar?
Na FlowNexus, construímos sistemas e agentes de IA sob medida com orçamento, registro de cada execução e revisão humana antes da produção. Se a sua empresa já usa ou quer usar agentes de código e precisa enxergar custo e retorno, podemos montar os painéis e as regras de controle a partir dos seus dados.
Leia também
- Agentes de IA não rodam só em GPU: o que entra no custo de infraestrutura
- Agente de IA como funcionário com crachá: permissão mínima, aprovação humana e registro de tudo
- Dado que não existe não vira enfeite: princípios para telas de operação
Fontes
Transforme essa leitura em um sistema.
Diagnóstico da operação, projeto e construção por etapas. O próximo passo depende do seu caso, não de um pacote pronto.
