Auditoria de custo de IA em 3 passos: o que ninguém contabiliza

Ter um dashboard não é ter controle de custo. A pesquisa AI Pulse do Q2 2026 da KPMG — 204 executivos e líderes de negócio nos Estados Unidos, em empresas com mais de US$ 1 bilhão de receita, ouvidos entre 28 de abril e 25 de maio de 2026 — mostrou que 66% tinham dashboards de monitoramento de IA e 61% tinham processos de aprovação, mas só 26% disseram que o custo de operar IA estava totalmente visível e sendo acompanhado de perto. E apenas 36% tinham controles diretos de token ou de consumo. Ou seja: o problema não é que ninguém está olhando. É que todo mundo está olhando um gráfico em cima do qual não dá pra agir.

Eu cuido de um orçamento de ferramentas como Engineering Manager numa empresa americana, e essa é a auditoria que eu rodo nele. Leva uma tarde. E te entrega três coisas por linha: quem paga, qual é o formato da cobrança e quanto custa de verdade uma unidade de trabalho pronta.

Passo 1 — Liste cada linha e marque o formato da cobrança

Uma linha por item de IA. Colunas: item, formato da cobrança (seat, token ou os dois), dono, custo dos últimos 30 dias, usuários ativos nos últimos 30 dias.

O formato da cobrança é a única coluna que antecipa susto. Linha de seat sobe devagar, uma contratação por vez. Linha de token dobra numa semana sem ninguém ter aprovado nada.

Puxe cada número da fonte, nunca da memória:

• Seats. O painel do Claude Code no Console tem uma tabela por membro do time com Spend this month e Lines this month. Uma linha com gasto e nenhuma linha de código é uma licença que alguém esqueceu que tinha. (A Anthropic avisa que esse gasto é uma estimativa — serve pra decidir corte, não pra fechar com o financeiro.)
• Tokens. Não leia o painel: consulte. A Usage and Cost Admin API expõe o /v1/organizations/cost_report, onde você pode usar group_by[]=workspace_id e group_by[]=description em granularidade diária, e também o /v1/organizations/usage_report/messages com bucket_width=1d agrupado por modelo. Precisa de uma Admin API key, não da chave normal.

curl "https://api.anthropic.com/v1/organizations/cost_report?\
starting_at=2026-07-01T00:00:00Z&ending_at=2026-08-01T00:00:00Z&\
group_by[]=workspace_id&group_by[]=description" \
  -H "anthropic-version: 2023-06-01" \
  -H "x-api-key: $ANTHROPIC_ADMIN_KEY"

Limite pra cortar: seat com gasto e zero entrega em 30 dias volta pro bolo no próximo ciclo, sem reunião. E gasto de token caindo num workspace sem dono com nome e sobrenome fica congelado até ter um. Linha que ninguém consegue atribuir não é problema de orçamento, é de governança.

Passo 2 — Precifique uma unidade de trabalho pronta, verificação incluída

O total da fatura não te diz nada em cima do que dá pra agir. O que você precisa saber é quanto custa uma coisa entregue.

A própria Anthropic tem um exemplo fechado: uma sessão de uma hora de código com o Claude Opus 5 custa US$ 0,705 — 50 mil tokens de entrada, 15 mil de saída, mais o tempo de sessão. Ligue o cache para 40 mil desses tokens de entrada e a mesma sessão cai pra US$ 0,525, porque leitura de cache é cobrada a 0,1x do preço de entrada.

Agora coloque a hora de uma pessoa sênior do lado disso. Qualquer coisa acima de alguns minutos relendo, rodando de novo ou discutindo com a saída do modelo já engole a linha da fatura inteira. Esse é o custo que ninguém contabiliza — e é o único que cresce com o tamanho do time, não com o consumo. Então precifique assim:

custo por unidade verificada = (custo da linha em 30 dias + horas de verificação × custo/hora carregado) ÷ unidades entregues

Limite pra cortar: se o custo por unidade verificada ficar acima do que aquela entrega custa sem a ferramenta, cancela. E se as horas de verificação estão subindo enquanto a fatura fica parada, você não tem um problema de custo — tem um problema de qualidade fantasiado de custo.

Passo 3 — Trave o que flutua e marque as mudanças de preço no calendário

Preço por token não é constante, e três destes se mexem sem ninguém do seu time ter decidido nada:

• Leitura de cache custa 0,1x da entrada padrão. Mesma carga de trabalho, dez vezes de diferença, decidido por alguém ter setado cache_control ou não.
• Batch tem 50% de desconto nos dois lados. Tudo que não precisa de resposta agora deveria estar lá.
• O modelo caro não é o que você imagina. O Claude Fable 5 tem saída a US$ 50/MTok; o Claude Opus 5, a US$ 25/MTok — metade. O Haiku 4.5 fica em US$ 1 de entrada e US$ 5 de saída.
• O preço promocional de US$ 2/US$ 10 do Claude Sonnet 5 vai até 31 de agosto de 2026, e depois entra o preço padrão de US$ 3/US$ 15. Um aumento de 50% na entrada já está marcado no calendário — se a sua projeção do Q4 usa o preço de hoje, ela já nasceu errada.
• Trocar de modelo mexe na contagem de tokens, não só no preço deles. Do Claude 4.7 em diante o tokenizer é outro e produz cerca de 30% mais tokens para o mesmo texto. Preço por token parado ainda te entrega uma fatura maior.

Faça isso hoje

Puxe um relatório de custo agrupado por workspace do mês passado e abra a tabela de gasto por pessoa do lado. Circule todo seat com gasto e sem entrega, e todo workspace sem nome de dono. É uma hora de trabalho — e é a hora que paga o resto da auditoria.

Fontes

• KPMG — Q2 2026 AI Quarterly Pulse Survey (US press release)
• Anthropic — Usage and Cost Admin API
• Anthropic — Pricing
• Anthropic — Track team usage with analytics