Custos de codificação com IA devem superar salários de desenvolvedores até 2028, prevê Gartner

imagem gerada por IA

Flavio Sartori

O avanço acelerado da Inteligência Artificial (IA) no desenvolvimento de software está trazendo um novo desafio para as empresas: o aumento significativo dos custos operacionais. De acordo com o Gartner, até 2028, os gastos com ferramentas de codificação baseadas em IA devem ultrapassar o salário médio de desenvolvedores, impulsionados principalmente pelo crescimento no consumo de tokens.

Os tokens — unidades de dados processadas por modelos de IA generativa — são hoje um dos principais fatores de custo dessas tecnologias, especialmente em modelos de precificação baseados em consumo. À medida que as organizações avançam da fase de testes para a implementação em escala de agentes de codificação, o impacto financeiro desse consumo tende a se intensificar.

Segundo Nitish Tyagi, Diretor Analista Sênior do Gartner, muitas empresas ainda subestimam esse efeito. “Os desenvolvedores tendem a priorizar velocidade e conveniência, e não eficiência de custos. Sem governança adequada, os gastos com IA podem crescer mais rápido do que os ganhos de produtividade”, afirma.

A transição do licenciamento por usuário para modelos baseados em consumo está tornando os custos mais variáveis e difíceis de prever. Além disso, a falta de transparência de alguns fornecedores sobre como o uso de tokens é medido e cobrado agrava o problema.

Sem visibilidade clara, empresas correm o risco de ultrapassar orçamentos e perder o controle sobre o retorno dos investimentos em IA. “Muitas organizações ainda não possuem maturidade para mensurar o impacto real desses custos nos resultados de negócio”, destaca Tyagi.

Outro fator crítico é a forma como as ferramentas são utilizadas. Práticas como uso de contextos excessivamente longos, autonomia sem controle em agentes e ausência de mecanismos de otimização contribuem diretamente para o aumento do consumo de tokens.

Além disso, a evolução do uso — de usuários ocasionais para frequentes — tende a ampliar ainda mais os custos, à medida que cresce a dependência dessas soluções.

Para evitar estouros de orçamento, o Gartner recomenda a adoção de um modelo operacional estruturado, com foco em eficiência e governança:

• Definir casos de uso claros, estabelecendo quando e como agentes de IA devem ser utilizados.
• Alinhar o uso de modelos à complexidade das tarefas, priorizando modelos menores para demandas simples.
• Adotar práticas de engenharia de contexto, reduzindo inputs desnecessários e otimizando o uso de tokens.
• Implementar controles de consumo, como limites, monitoramento e políticas de escalonamento.
• Revisar regularmente o uso de tokens nos ciclos de desenvolvimento para identificar ineficiências.

O tema será aprofundado durante a Conferência Gartner CIO & IT Executive, que acontece entre 21 e 23 de setembro, em São Paulo, reunindo líderes de tecnologia para discutir os impactos da IA na transformação dos negócios.