TCO de projetos de IA: o custo que vem depois

TCO de projetos de IA (Total Cost of Ownership, ou custo total de propriedade) é a soma de tudo o que uma solução de inteligência artificial custa ao longo de todo o ciclo de vida — implementação, mais todo ano de operação depois dela: computação, manutenção, retreinamento de modelo, supervisão humana e atualização de dados. A maioria dos orçamentos de IA calcula só o primeiro número; o TCO calcula os cinco ou seis anos seguintes. Este guia é para diretoria e C-level que já aprovou (ou está prestes a aprovar) um investimento em IA e precisa saber o que vem depois do primeiro cheque — porque o projeto que "coube no orçamento" na aprovação é, frequentemente, o mesmo que estoura o orçamento no segundo ano de operação.

O que é TCO de projetos de IA, exatamente

TCO é o custo total de possuir e operar uma solução de IA do início ao fim da sua vida útil — não o preço de comprá-la ou construí-la. É a diferença entre o preço de tabela de um carro e o custo de tê-lo por cinco anos: combustível, seguro, revisão, depreciação. Com IA o padrão é o mesmo, só que menos visível, porque o sistema continua rodando e parecendo "pronto" enquanto o custo de mantê-lo funcionando se acumula, mês após mês, fora do orçamento original.

Este guia parte do princípio de que a decisão de implementar já foi tomada, ou está em curso — para a visão completa de como sequenciar essa decisão, veja a estratégia de implementação de IA na empresa. Se você está orçando o primeiro investimento — o que entra na conta, quanto custa cada tipo de projeto, o payback esperado —, esse é o assunto do guia irmão sobre custo de implementação de IA. Aqui o foco é o que acontece depois que o projeto entra em produção: o custo que ninguém apresentou na reunião de aprovação porque, tecnicamente, ainda não tinha acontecido.

Por que o TCO é maior — e diferente — do que a estimativa inicial

A causa mais comum de estouro não é um item mais caro do que o previsto — é uma categoria inteira de custo que simplesmente não estava na conta.

85% das organizações erram a estimativa de custo de projetos de IA em mais de 10%, e quase um quarto erra em 50% ou mais, segundo o estudo State of AI Cost Governance 2025 da Mavvrik AI, citado pela Xenoss. Do lado da infraestrutura especificamente, a Gartner — citada pela Introl — reporta que 73% das empresas subestimam o custo de infraestrutura de IA por não contabilizar despesas operacionais recorrentes, e não só o investimento de compra.

O exemplo mais concreto vem do mercado de infraestrutura de IA: um investimento de US$ 3 milhões em 100 GPUs de última geração representa apenas 35% do TCO real de cinco anos — energia, refrigeração, rede, equipe e manutenção elevam o custo real para US$ 8,6 milhões, segundo a Introl. A maioria das empresas brasileiras não compra cluster de GPU, mas o mecanismo é idêntico em qualquer escala: o preço de tabela é a ponta visível, o resto aparece depois, mês a mês.

No Brasil, o mesmo padrão aparece em números menores mas igualmente consistentes: 62% dos projetos de IA excedem o orçamento original, com um estouro médio de 47%, segundo estudo da Deloitte de 2025 citado pela Trilion — o detalhamento de por que esse estouro acontece na implementação está no guia de custo de implementação de IA; aqui o foco é o que continua acontecendo depois que o projeto já está no ar.

Os componentes do TCO ao longo do ciclo de vida

Um TCO completo tem dois blocos de custo com comportamento muito diferente: o que acontece uma vez, no ano da implementação, e o que se repete todo ano, indefinidamente, enquanto a solução estiver em produção.

Categoria	Ano 1 (implementação)	Ano 2 em diante (operação)
Computação / licenciamento	Setup e primeira assinatura	Recorrente e crescente — sobe com volume de uso
Integração e dados	Maior gasto pontual do projeto	Atualização contínua conforme sistemas mudam
Pessoal técnico	Contratação/consultoria de implementação	Equipe própria ou terceirizada para manter e evoluir
Manutenção do modelo	Ajustes de lançamento e calibração	Retreinamento, correção de deriva (model drift), bugs
Supervisão humana	Desenho do fluxo de revisão	Revisão contínua, maior em casos de risco elevado
Governança e compliance	Política de uso, revisão jurídica	Auditoria periódica, revalidação do modelo
Capacitação	Treinamento do time-piloto	Onboarding contínuo, reciclagem, novas áreas

O erro mais comum de quem orça só o Ano 1 é tratar a coluna da direita como "manutenção eventual", quando ela é o próprio custo estrutural de manter a solução viva. Zerar essa linha no orçamento seguinte não elimina o custo — só o transforma em degradação silenciosa ou em surpresa sem explicação clara na revisão orçamentária.

Os custos ocultos que só aparecem depois do go-live

Cinco categorias raramente entram na proposta original — e definem se o TCO de dois anos fica dentro do esperado ou dobra.

1. Computação em produção (inferência) cresce com o sucesso, não com o plano. Quanto mais pessoas usam a solução, maior a conta — o oposto de uma licença fixa. A Xenoss cita que o próprio Google gasta, em produção, entre 10 e 20 vezes mais em inferência do que em treinamento de modelo — o custo de rodar o modelo tende a superar, de longe, o custo pontual de criá-lo.
2. Retreinamento e correção de deriva (model drift) não são opcionais. O mundo muda — novos produtos, novos padrões de linguagem, novas regras — e o modelo que não é recalibrado periodicamente começa a errar de formas sutis, difíceis de notar até que o dano já foi feito.
3. Manutenção recorrente é a maior linha isolada do custo pós-implementação. A Trilion estima o custo anual de manutenção de um modelo em produção — monitoramento, retreinamento periódico, atualização de dados, correção de bugs — em 25% a 40% do custo de desenvolvimento original, todo ano; a Xenoss, olhando infraestrutura de IA de forma mais ampla, chega a uma faixa próxima, de 15% a 30% ao ano. Duas fontes, dois mercados, mesma conclusão: manutenção não é imprevisto, é custo estrutural anual.
4. Supervisão humana contínua tem custo de gente, não só de tecnologia. Quanto maior o risco da decisão automatizada (crédito, saúde, RH, atendimento sensível), maior a proporção de revisão humana necessária — capacidade interna que não aparece na proposta do fornecedor.
5. Revalidação regulatória periódica vira custo recorrente conforme a regulação de IA amadurece no Brasil — auditoria, documentação, ajuste de modelo para continuar em conformidade. É a mesma lógica do risco de penalidade que pode chegar a 7% da receita sob regimes mais rígidos de IA, segundo a Xenoss.

Pessoal é o maior componente do TCO — não a licença

Quando o TCO de um projeto de IA estoura, a causa mais comum não é a fatura da plataforma — é o custo de gente para manter o sistema funcionando, subestimado ou simplesmente ausente do orçamento original.

Perfil	Faixa salarial mensal (Brasil, 2026)
Cientista de Dados Sênior	R$ 18.000 a R$ 35.000
Engenheiro de Machine Learning	R$ 15.000 a R$ 30.000
Engenheiro de Dados	R$ 12.000 a R$ 25.000
Analista de Dados	R$ 8.000 a R$ 15.000
Gerente de Produto de IA	R$ 20.000 a R$ 40.000

Fonte: Trilion.

Uma única vaga de Engenheiro de Machine Learning sênior já custa mais por ano do que a maioria das assinaturas de plataforma de IA usadas por uma equipe inteira — e um projeto em produção raramente precisa de menos de duas dessas funções trabalhando juntas (alguém para manter o modelo, alguém para manter os dados que o alimentam). Tratar "gente para cuidar disso depois" como detalhe de execução, e não como linha de TCO desde o primeiro orçamento, é o erro que mais aparece nas revisões orçamentárias do segundo ano.

Um ponto que costuma surpreender quem está decidindo entre equipe própria e terceirização: o custo aparente de montar equipe interna é menor no papel, mas o custo real — recrutamento, folha, benefícios, gestão, risco de turnover — frequentemente se equipara ou supera o de terceirizar, segundo a Trilion, que estima consultorias especializadas em IA no Brasil cobrando entre R$ 200 e R$ 500 por hora-homem. Não existe resposta universal para qual rota tem o TCO menor — depende de quanto a empresa vai precisar dessa capacidade de forma contínua versus pontual — mas orçar a equipe interna como se "custasse só o salário" é um dos vieses mais comuns em orçamento plurianual.

Comprar pronto, construir sob medida ou terceirizar: qual tem o menor TCO

A resposta muda dependendo do horizonte de tempo que você está olhando — e é exatamente aí que a maioria das comparações erra, ao olhar só o Ano 1.

Rota	Investimento inicial	Custo recorrente	Onde o TCO surpreende
SaaS / plataforma pronta	Baixo a moderado — dias a semanas de implementação	Mensalidade que cresce com uso e integrações, de centenas a dezenas de milhares de reais/mês (DVW; Inovaway)	Parece previsível no contrato, mas escala com adoção
Solução customizada	Alto — dezenas a centenas de milhares de reais (Inovaway)	15% a 40% do custo de desenvolvimento, todo ano, indefinidamente	O contrato termina, o TCO não
Terceirização de projeto completo	R$ 200 mil a R$ 1 milhão, 4 a 8 meses (Trilion)	Depende do contrato pós-entrega — sem cláusula de sustentação, o custo recai sobre uma equipe interna que talvez não exista	Depende inteiramente do que está no contrato

Nenhuma das três rotas tem TCO baixo por padrão. A pergunta certa não é "qual é mais barata", é "quem vai pagar, e com que orçamento, o custo recorrente a partir do Ano 2" — pergunta que raramente aparece na proposta comercial, porque deixa de ser problema do fornecedor assim que o contrato é assinado.

O que acontece quando o TCO real estoura o orçamento aprovado

Quando o custo recorrente de manter uma solução de IA supera o que foi orçado, a reação comum não é cancelar o projeto — é o trabalho voltar para as sombras. A área que depende da ferramenta não consegue mais orçamento formal para sustentá-la, então recorre a alternativas não aprovadas: contas pessoais de IA generativa, agentes fora do inventário de TI, processos "resolvidos com IA" informalmente. É o mesmo mecanismo tratado em shadow AI: por que proibir não funciona — só que aqui a causa raiz não é falta de política, é o TCO real ultrapassando o TCO que a diretoria pensava estar comprando.

É também o ponto em que o TCO se conecta ao motivo pelo qual projetos de IA falham: a tecnologia raramente para de funcionar de repente — vai sendo sustentada com cada vez menos recurso até o resultado degradar, e a diretoria descobre, no ciclo seguinte, que o "projeto já pago" precisa de outro investimento só para continuar funcionando como no primeiro dia.

Como projetar o TCO em orçamento plurianual

Projetar TCO não é adivinhar um número — é somar cinco compromissos que a maioria dos orçamentos de IA trata como eventuais e são, na prática, estruturais.

1. Separe custo de implementação de custo de operação em duas linhas distintas, não uma única "projeto de IA" — o board precisa aprovar o compromisso recorrente com os olhos abertos, não escondido dentro do investimento inicial.
2. Projete manutenção em 15% a 40% do custo de desenvolvimento, todo ano, com base nas faixas convergentes de Xenoss e Trilion — nunca zero, nunca "só se precisar".
3. Inclua pessoal — próprio ou terceirizado — como linha permanente, não como projeto com data de término. Um modelo em produção precisa de dono enquanto estiver em produção.
4. Projete a computação como variável, não fixa, atrelada a uma estimativa realista de crescimento de uso — o próprio sucesso da adoção é o que mais infla essa linha, e é bom sinal, desde que esteja no orçamento.
5. Reserve governança e revalidação como recorrência anual, não custo de lançamento único — a regulação de IA no Brasil ainda amadurece, e o custo de conformidade tende a crescer.

É essa lógica de fases e revisão contínua que estrutura o método Flight Plan da Jetpacks: Launchpad (diagnóstico, que já dimensiona impacto e esforço real antes do primeiro contrato), Flight Plan (plano por área, com escopo e orçamento definidos além do lançamento), Booster (capacitação, com certificação Jetpack Certified) e Mission Control (acompanhamento contínuo, o estágio em que o TCO real de cada iniciativa fica visível e pode ser reorçado com dado, não estimativa) — cerca de duas semanas por área, o suficiente para levar à diretoria um número que já contempla o Ano 2, não só o Ano 1. Para transformar essa projeção em documento que a diretoria aprova formalmente, o guia de como montar o business case de IA mostra a estrutura completa — investimento, retorno esperado e risco com plano de mitigação, TCO incluso.

FAQ

O que é TCO de um projeto de IA?

É o custo total de possuir e operar uma solução de IA durante toda a sua vida útil — não só o valor pago para implementá-la. Inclui licenciamento ou computação, integração, pessoal técnico, manutenção do modelo, supervisão humana e governança, somados ao longo de vários anos, não só no ano de lançamento.

Qual a diferença entre TCO e custo de implementação de IA?

Custo de implementação é o investimento inicial — o que entra na proposta aprovada antes do projeto começar. TCO é esse investimento somado a todo o custo recorrente dos anos seguintes: manutenção, retreinamento, computação em produção, supervisão humana e revalidação. É possível ter implementação barata e TCO alto, ou o contrário.

Quanto custa manter um sistema de IA em produção por ano?

Entre 15% e 40% do custo de desenvolvimento original, todo ano, segundo estimativas convergentes da Xenoss (15% a 30%) e da Trilion (25% a 40%) — cobrindo monitoramento, retreinamento periódico, atualização de dados e correção de bugs. É um custo estrutural, não uma exceção a ser negociada depois que aparece.

Qual é o maior componente do TCO de um projeto de IA?

Na maioria dos casos, pessoal técnico — Cientista de Dados, Engenheiro de Machine Learning e funções correlatas, que no Brasil variam de R$ 8 mil a R$ 40 mil por mês conforme o cargo e a senioridade. A licença ou a assinatura da plataforma raramente é o maior item quando se olha o custo total de vários anos, não só o primeiro.

Comprar uma ferramenta de IA pronta tem TCO menor do que construir uma solução própria?

Depende do horizonte. SaaS tem investimento inicial mais baixo, mas a mensalidade cresce com uso; solução customizada custa mais na largada, mas a manutenção recorrente (15% a 40% ao ano) se repete indefinidamente. Não existe rota universalmente mais barata — existe a pergunta de quem paga o custo recorrente a partir do segundo ano.

Terceirizar tem TCO menor do que montar equipe interna de IA?

Nem sempre. Montar equipe interna parece mais barato no papel, mas o custo real — recrutamento, folha, benefícios, gestão, turnover — frequentemente se equipara ou supera o de contratar consultoria especializada, que no Brasil cobra entre R$ 200 e R$ 500 por hora-homem. Depende de quanto a empresa vai precisar dessa capacidade de forma contínua, não pontual.

Por que o orçamento de IA estoura mesmo quando o projeto foi bem planejado?

Porque a maioria dos orçamentos projeta só o custo de implementação e trata a manutenção, o retreinamento e a supervisão contínua como imprevistos, quando na verdade são custos estruturais e recorrentes. 62% dos projetos de IA excedem o orçamento original, com estouro médio de 47%, segundo estudo da Deloitte de 2025 — a causa mais comum é categoria de custo omitida na largada, não erro de preço em um item já previsto.

O que acontece se a empresa não orçar o TCO recorrente de um projeto de IA?

A solução tende a se degradar silenciosamente por falta de manutenção, ou a área que depende dela passa a sustentá-la de forma informal e não aprovada — o padrão que caracteriza o shadow AI. Nos dois casos, o investimento inicial não se traduz em valor sustentado, porque ninguém orçou o que era preciso para mantê-lo funcionando depois do lançamento.

Conclusão: orce o Ano 2, não só o Ano 1

TCO de projetos de IA é a diferença entre o que a diretoria pensa que está aprovando e o que a empresa efetivamente vai pagar para manter a solução funcionando nos próximos anos. As empresas que mais frequentemente estouram esse orçamento não erram o preço da ferramenta — esquecem de projetar manutenção, pessoal, computação recorrente e governança como o que realmente são: custo estrutural, não imprevisto.

O diagnóstico gratuito da Jetpacks mapeia, em 30 a 45 minutos e sem custo, o esforço real de manter cada iniciativa de IA funcionando — não só o esforço de lançá-la. Para levar essa projeção plurianual à diretoria com a estrutura certa de investimento, retorno e risco, o business case de uma página organiza a conversa; e o guia completo de como transformar essa projeção em resultado medido está em como medir o ROI de IA.