Durante décadas, boa parte da indústria de software construiu sua economia em torno de uma unidade relativamente simples: acesso. Empresas compraram licenças e assinaturas para que seus funcionários utilizassem sistemas. Agora, a disseminação de agentes de inteligência artificial (IA), capazes não apenas de auxiliar pessoas, mas de executar tarefas e processos, começa a colocar essa lógica em discussão.

Se o software passa a realizar o trabalho, pelo que o cliente deve pagar? Pela licença, pelo consumo computacional, pela tarefa executada ou pelo resultado obtido?

A resposta ainda está em construção. Fornecedores de diferentes portes testam formas de cobrança que vão de tokens a atendimentos e resultados, enquanto empresas estabelecidas ampliam a flexibilidade dos contratos. Ao mesmo tempo, especialistas alertam que vincular o preço diretamente ao retorno financeiro esbarra na dificuldade de determinar quanto daquele resultado pode, de fato, ser atribuído à tecnologia.

O debate ocorre enquanto as empresas ainda enfrentam dificuldades para transformar investimentos em IA em retorno mensurável. Pesquisa do Gartner realizada entre janeiro e abril deste ano com 1.303 respondentes de organizações com receita anual de pelo menos US$ 50 milhões mostrou que apenas 22% conseguiram escalar IA entre diferentes unidades de negócio ou adotar uma abordagem AI-first. Outros 11% sequer sabiam quanto suas áreas haviam gasto com a tecnologia em 2025.

Ainda assim, 85% dos líderes funcionais pretendem ampliar os investimentos neste ano. Entre as organizações consideradas de alto desempenho pelo Gartner, que acompanham continuamente o retorno dos projetos e redistribuem recursos quando necessário, 81% das iniciativas de IA apresentaram retorno positivo.

A distância entre adoção e resultado também aparece em levantamento da McKinsey. O estudo The State of AI in 2026: On the Road to ROI mostra que oito em cada dez respondentes percebem ganhos de produtividade individual com IA, mas apenas 37% afirmam que a tecnologia contribuiu positivamente para o EBIT de suas organizações.

Quando o assento deixa de explicar o valor

Para Mauro Spinola, professor associado do Departamento de Engenharia de Produção da Poli-USP, a IA agêntica muda a própria decisão de compra das empresas. Além de avaliar o preço, organizações passam a considerar se vale contratar uma solução ou desenvolver internamente as funcionalidades de que precisam.

Um levantamento da McKinsey indica que esse movimento já ocorre. Cerca de 32% dos respondentes disseram que suas organizações deixaram de comprar ao menos um produto ou funcionalidade de software porque conseguiram desenvolvê-lo internamente com ferramentas agênticas de programação.

Para Spinola, esse cenário adiciona uma nova variável à decisão do comprador. Antes de discutir quanto pagar por determinado software, a empresa pode passar a questionar se ainda precisa comprá-lo. “Estamos discutindo simultaneamente quanto pagar pelo software, o que comprar, o que construir e, principalmente, como medir o valor gerado”, diz.

O professor considera que a cobrança por usuário pode perder aderência em determinadas aplicações à medida que a automação permite executar o mesmo trabalho com menos pessoas. Isso, porém, não significa que licenças e assinaturas estejam próximas de desaparecer. “Há mudanças em curso, mas ainda não é possível afirmar que estamos diante de uma transformação completa e definitiva”, pondera.

De software para trabalho

Uma das teses que ganhou força neste ano é a do Service as a Software. Em análise publicada em março, a Sequoia Capital argumenta que empresas de IA podem deixar de vender apenas ferramentas e começar a comercializar diretamente o trabalho realizado.

A lógica parte da diferença entre copilots, que auxiliam profissionais, e autopilots, que assumem a execução. Segundo a Sequoia, para cada US$ 1 gasto com software, outros US$ 6 são destinados a serviços. Ao vender o trabalho, e não somente a ferramenta usada para realizá-lo, fornecedores de IA poderiam disputar uma parcela desse orçamento.

Fabiana Falcone, sócia-fundadora da Synapser, acredita que essa mudança altera simultaneamente a operação do comprador e a forma de monetização do fornecedor. “Muda o modelo operacional de quem compra e a forma de quem vende. Isso não significa que o software deixará de existir. Ele continuará necessário, mas quem estará operando esse software não será necessariamente uma pessoa”, afirma.

No modelo de Software como Serviço (SaaS) tradicional, lembra Fabiana, é comum cobrar por licença, usuário, transação ou acesso. Quando um agente passa a executar o trabalho, outras unidades tornam-se possíveis, como propostas entregues, notas fiscais emitidas ou chamados efetivamente resolvidos.

Fabiana, porém, não espera uma substituição imediata. Sistemas e processos estão profundamente incorporados às operações das grandes companhias, e modificá-los envolve custos tecnológicos e organizacionais. “Os dois modelos devem coexistir por um bom tempo, o que não significa que essa transição será lenta”, indica.

Quando a IA escala

Para fornecedores nativos de IA, a experiência prática também mostra que trocar licenças por consumo não resolve necessariamente o problema. A Jabuti AGI nasceu como plataforma para construção de agentes, mas mudou de direção quando percebeu que os clientes buscavam soluções prontas para executar operações, conta Cecílio Cosac, CEO e fundador da empresa.

A mudança ficou mais evidente durante a expansão de um projeto com o Banco BV. Depois de um piloto em uma operação menor, a Jabuti passou, segundo Cecílio, a atender o pós-venda do banco em uma estrutura que alcança 8 milhões de clientes e cerca de 400 mil operações transacionais.

Foi na escala que apareceu um problema pouco visível nos protótipos. “Quando a operação ganhou escala, os custos também cresceram”, afirma Cecílio. Chamadas a modelos, integrações, infraestrutura e quantidade de tokens passaram a interferir na economia da operação. A Jabuti e o cliente tiveram de otimizar APIs e reduzir a quantidade de informações processadas para manter o custo sob controle.

A experiência levou a empresa a abandonar a cobrança granular por tokens nesse projeto. Hoje, a Jabuti cobra por atendimento diário, afirmando uma sessão com quantidade determinada de interações. O formato, segundo Cosac, torna o custo mais previsível para o cliente e transfere parte do risco de consumo ao fornecedor.

“Estamos no meio do caminho. Ainda não adotamos success fee, que seria uma cobrança baseada em resultado, mas também não cobramos mais por token”, explica.

No caso do Banco BV, principal case da empresa, o executivo afirma que a taxa de transferência do atendimento automatizado para humanos caiu de cerca de 80% para aproximadamente 2%, enquanto a reincidência de contatos pelo mesmo motivo em até 30 dias recuou 73%. Os números são atribuídos pela Jabuti à operação com o banco.

A empresa já estuda avançar mais um passo em áreas como cobrança de dívidas. Nesse modelo, uma parcela da remuneração poderia depender do montante efetivamente recuperado.

Cobrança por resultado esbarra na atribuição de valor

A execução de tarefas por agentes de IA não garante o retorno econômico esperado pelo cliente. Essa diferença impõe um desafio aos fornecedores que buscam vincular sua remuneração aos resultados obtidos pelas empresas.

Mauro Spinola compara a situação ao trabalho de dois técnicos. Enquanto um pode dedicar horas ao conserto de um equipamento sem solucionar o defeito, outro pode resolvê-lo em poucos minutos. O tempo empregado e o volume de trabalho, portanto, não correspondem necessariamente ao valor entregue. “Cobrar pela tarefa executada pode ser melhor do que simplesmente cobrar por assento, mas ainda está distante de uma contratação ideal para o comprador”, indica.

A dificuldade da cobrança por resultado, conhecida como outcome-based pricing, está em determinar a contribuição efetiva da tecnologia para o desempenho do negócio. Processos internos, qualificação das equipes, qualidade dos dados, estratégia e condições externas também influenciam o retorno. Quanto menos direta for a relação entre a solução e o resultado, mais complexa será a atribuição do ganho ao fornecedor.

“Se o fornecedor oferece um produto ou serviço que não está diretamente ligado ao resultado final, dificilmente conseguirá basear a cobrança nesse resultado. Ele também depende das estruturas internas do comprador, dos processos, das pessoas, da cultura e do próprio ambiente de negócios”, explica ele. Para o professor, estabelecer o resultado obtido como parâmetro de cobrança será uma das etapas mais demoradas da transição para novos modelos comerciais de software.

Salesforce amplia opções de contratação

A pressão por novos modelos já chegou também aos fornecedores tradicionais. Em entrevista ao IT Forum durante o Dreamforce 2026, em San Francisco, nos Estados Unidos, Charly Arguindegui, vice-presidente executivo e gerente-geral da Salesforce para a América Latina, afirmou que a companhia precisou ampliar a flexibilidade das formas de contratação à medida que clientes passaram a demandar novas opções.

A empresa trabalha com alternativas que podem combinar licenciamento, consumo de tokens, compromissos prévios de volume e modalidades de uso ilimitado. “Precisamos migrar para um modelo com muito mais flexibilidade porque os clientes passaram a demandar novas opções. Não existe uma fórmula única que funcione para todos”, aponta ele.

Para o executivo, a discussão comercial precisa partir do resultado que a empresa pretende alcançar, como elevar receita ou reduzir custos de atendimento, e não apenas do número de licenças adquiridas.

Isso não significa abandonar a plataforma tradicional. Charly afirma que sistemas consolidados carregam processos, segurança, governança, observabilidade e escalabilidade desenvolvidos ao longo de anos. A IA pode mudar a forma de interação com essa infraestrutura sem necessariamente substituí-la.

Leia mais: Soberania de IA se constrói em 5 camadas – IT Forum

O risco de pagar pelo resultado

Mesmo quando é possível medir um resultado, alinhar toda a remuneração do fornecedor a ele pode produzir novos problemas. Cosac considera mais simples adotar success fee em situações como recuperação de crédito ou geração de nova receita, nas quais o ganho é diretamente mensurável. Em projetos cujo objetivo é reduzir custos, a equação se torna mais delicada.

“Esse incentivo pode ser perverso”, afirma. Segundo o executivo, um fornecedor remunerado pela economia gerada poderia ser incentivado a simplificar uma operação de maneira que não estivesse alinhada à estratégia da empresa. “Nesse caso, é necessário ter muito mais governança.” Essa preocupação amplia o papel de métricas, contratos e controles. Em vez de substituir uma unidade simples, como usuário, por outra igualmente simples, como resultado, a IA pode levar fornecedores e compradores a combinar diferentes modelos conforme o processo.

A discussão também não termina no contrato. Fabiana afirma que as empresas terão de redesenhar processos, governança e estruturas de responsabilidade para capturar o potencial dos agentes. Apenas colocar IA sobre fluxos criados para pessoas pode automatizar ineficiências já existentes. “A inteligência artificial não deve ser tratada apenas como mais uma ferramenta tecnológica. Ela tende a transformar o modelo operacional das empresas, incluindo a forma como pensam, agem e executam seus processos”, pontua.

Para Fabiana, isso inclui rever a própria maneira como os fluxos de trabalho são concebidos. Em vez de simplesmente reproduzir com agentes uma sequência de etapas desenhada para humanos, organizações precisam considerar como a tecnologia pode executar o processo de outra maneira, sem abandonar requisitos de rastreabilidade e responsabilidades jurídicas, trabalhistas e de proteção de dados.

A constatação encontra respaldo nos dados da McKinsey. Embora 80% dos respondentes relatem ganhos individuais de produtividade, apenas 37% atribuem impacto positivo no EBIT à IA.

Para Spinola, a diferença ajuda a separar eficiência de eficácia. Executar uma tarefa mais rapidamente ou com menor custo representa eficiência. O desafio é saber se isso contribuiu para os objetivos finais do negócio. “Realizar uma tarefa mais rapidamente ou com menor custo representa ganho de eficiência. A eficácia, porém, depende de esses avanços contribuírem para os objetivos da empresa, como vendas, produtos e resultados do negócio”, avalia. Essa dificuldade ajuda a explicar por que a cobrança por resultado parece, ao mesmo tempo, uma evolução possível e um desafio contratual.

A IA já começa a enfraquecer a relação direta entre número de usuários e valor do software, mas o mercado ainda experimenta qual métrica colocar no lugar. Por enquanto, licenças, consumo, tarefas e resultados tendem a coexistir.

O que muda é a pergunta feita antes da contratação. Em um mercado no qual o software começa a executar parte do trabalho, saber quantas pessoas terão acesso à ferramenta pode deixar de ser suficiente. Fornecedores e CIOs terão de demonstrar não apenas quanto a tecnologia é usada, mas qual trabalho ela realiza e quanto desse trabalho efetivamente chega ao resultado do negócios.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!