A Microsoft acabou de admitir que agentes de IA sempre ativos custam caro demais para a maioria das empresas
Existe uma diferença fundamental entre conversar com um chatbot e operar um agente que executa tarefas de forma contínua, e a Microsoft está descobrindo essa diferença da forma mais concreta possível: na fatura de tokens. Charles Lamanna, vice-presidente executivo de Copilot, Agentes e Plataforma da empresa, revelou ao Axios que alguns usuários corporativos estão executando centenas de tarefas por semana através do Copilot Cowork, elevando custos a níveis que a própria Microsoft classifica como muito altos.
A resposta da empresa a esse problema é reveladora sobre onde o mercado de IA agêntica realmente está: considerar uma versão ajustada do DeepSeek V4, modelo chinês de código aberto, para alimentar um nível mais econômico do produto. É um movimento que mistura pragmatismo de custo, estratégia de precificação e uma dose de risco político que a Microsoft vai precisar gerenciar com cuidado.
Por que agentes consomem tokens de forma tão diferente de chatbots
Para entender por que o custo do Cowork explodiu para alguns usuários, é preciso entender a diferença estrutural entre uma interação conversacional simples e o que um agente como o Cowork faz quando executa uma tarefa completa.
Numa interação comum com chatbot, você faz uma pergunta, o modelo processa o contexto da conversa e gera uma resposta. É um ciclo relativamente contido de consumo de tokens. O Cowork opera de forma completamente diferente: planeja fluxos de trabalho com múltiplas etapas, recupera contexto de múltiplas fontes, aciona ferramentas externas e itera até concluir a tarefa. Cada uma dessas etapas, recuperação de contexto, chamada de ferramenta, ciclo de iteração, consome tokens de modelo e capacidade computacional de forma independente.
Multiplique isso por centenas de tarefas executadas por semana por um único usuário corporativo, e a matemática que funcionava perfeitamente bem para uso conversacional ocasional se torna insustentável em escala de uso intensivo. É exatamente o mesmo problema estrutural que explodiu com o GitHub Copilot quando a Microsoft migrou para cobrança por token: usuários que adotaram agentic coding como parte central do fluxo de trabalho viram contas saltarem de valores modestos para centenas de dólares mensais.
A diferença é que, com o Cowork, a Microsoft está sendo proativa em buscar uma solução antes que a crise de precificação se repita exatamente como aconteceu com o Copilot.
O portfólio de modelos que a Microsoft está construindo para resolver isso
A resposta da Microsoft ao problema de custo não é um único ajuste, mas uma arquitetura de múltiplos níveis de modelo, cada um otimizado para um perfil diferente de custo e capacidade. No topo está o GPT-5.5 da OpenAI, disponível no nível de prévia Frontier para quem precisa da capacidade máxima. No meio estão os modelos da Anthropic, Opus 4.8 e Sonnet 4.6, que operam como a base principal do produto na disponibilidade geral.
Na camada mais econômica, dois candidatos estão sendo desenvolvidos em paralelo. Um é o Cowork 1, modelo proprietário da própria Microsoft, descrito como opção segura para tarefas do dia a dia a custo substancialmente menor. O outro é a versão ajustada do DeepSeek V4, que ainda não foi formalmente confirmada pela empresa mas que, segundo a reportagem do Axios, está sendo seriamente considerada.
Essa estratégia de múltiplos modelos por nível de custo reflete uma lição que praticamente todo player do mercado de IA está aprendendo simultaneamente: nem toda tarefa exige a capacidade máxima disponível, e forçar todos os usuários a pagar pelo modelo mais caro independentemente da complexidade da tarefa é uma forma garantida de afastar justamente os usuários mais intensivos, que são também os mais valiosos.
Por que o DeepSeek especificamente, e o que isso significa
A escolha do DeepSeek como candidato para a camada econômica não é aleatória. O modelo chinês construiu reputação específica em torno de entregar performance competitiva a custo computacional significativamente menor do que concorrentes ocidentais, exatamente a combinação que a Microsoft precisa para resolver o problema de custo do Cowork sem sacrificar capacidade a ponto de tornar o produto inútil para tarefas reais.
A arquitetura de hospedagem proposta é cuidadosamente desenhada para mitigar as preocupações mais óbvias que surgiriam de usar um modelo chinês em produto corporativo americano. O modelo seria totalmente hospedado na infraestrutura Azure da própria Microsoft, com dados dos clientes permanecendo dentro do limite do tenant e cobertos pelos controles existentes de segurança, conformidade e residência de dados. A Microsoft afirmou que ajustou o modelo e adicionou salvaguardas, incluindo modificações voltadas para redução de viés.
Essa abordagem segue exatamente o roteiro que a Microsoft já usa através do Azure AI Foundry para oferecer modelos de terceiros sob seu próprio guarda-chuva operacional e contratual. Tecnicamente, o cliente está usando infraestrutura e contratos da Microsoft, não diretamente do DeepSeek, o que muda significativamente o perfil de risco de governança em comparação com usar a API do DeepSeek diretamente.
O escrutínio que essa escolha vai inevitavelmente atrair
Apesar das salvaguardas arquiteturais, a perspectiva de um modelo desenvolvido na China operando dentro de uma ferramenta de produtividade corporativa amplamente usada tende a atrair escrutínio de setores regulados e clientes governamentais. Esse não é um risco hipotético: é exatamente o tipo de preocupação que motivou debates legislativos sobre TikTok nos Estados Unidos, e que ganhou ainda mais peso recentemente com o precedente do bloqueio do Fable 5 da Anthropic por controle de exportação.
Num momento em que o governo americano demonstrou disposição de intervir diretamente sobre quais modelos de IA podem ser acessados por quem, oferecer um modelo chinês ajustado como opção dentro de produtos corporativos americanos é uma escolha que carrega risco regulatório real. Clientes em setores como defesa, infraestrutura crítica e serviços financeiros regulados provavelmente vão evitar essa opção específica independentemente das garantias de hospedagem, simplesmente para evitar a complexidade de explicar a escolha a reguladores ou auditores.
Para a Microsoft, a aposta provavelmente é que a opção será atraente o suficiente para uma faixa ampla de clientes menos sensíveis a essa dimensão específica de risco, enquanto os segmentos mais regulados continuam usando os modelos da Anthropic ou da OpenAI, ou eventualmente o Cowork 1 proprietário quando estiver disponível.
A transição para Copilot Credits e o que ela revela sobre maturidade do mercado
Paralelo à busca por modelos mais baratos, a Microsoft executou uma mudança estrutural na forma como cobra pelo Cowork: migração de licenciamento de taxa fixa para um sistema de Copilot Credits, onde custos são determinados por uso real do modelo, recuperação de contexto, chamadas de ferramenta e tempo de execução.
Essa mudança replica, em estrutura, exatamente o que causou a crise de precificação do GitHub Copilot meses antes. A diferença crucial é que a Microsoft aprendeu da experiência anterior e está implementando controles que faltavam na transição do Copilot: o recurso de cobrança por uso vem desativado por padrão, e administradores podem definir limites de gastos nos níveis de tenant, grupo e usuário antes mesmo de ativar o consumo variável.
Esse controle de limite de gastos é exatamente o tipo de salvaguarda que usuários do GitHub Copilot reclamaram não existir quando suas contas saltaram inesperadamente. A Microsoft está claramente aplicando a lição aprendida com uma crise para evitar repetir o mesmo erro com um produto diferente.
A comparação direta com a Anthropic que a Microsoft está fazendo internamente
Um dado interno que a Microsoft compartilhou é particularmente revelador sobre como a empresa está posicionando o Cowork competitivamente: a afirmação de que o produto é de 30 a 40 por cento mais barato do que o Claude Cowork da Anthropic combinado com um conector do Microsoft 365.
Essa comparação direta sinaliza que a Microsoft está competindo explicitamente contra a oferta equivalente da Anthropic no espaço de agentes empresariais, usando preço como vetor de diferenciação. Considerando que a Anthropic já ultrapassou a OpenAI em número de clientes enterprise e que vem reforçando consistentemente seu posicionamento de custo com o Claude Opus 4.8, a Microsoft está entrando numa guerra de preços que já estava se formando entre os players de IA enterprise.
A ressalva que a própria empresa reconheceu, que os custos variam conforme a configuração, é importante para calibrar essa afirmação. Comparações de custo entre produtos de IA agêntica são notoriamente dependentes de padrões específicos de uso, e a vantagem de 30 a 40 por cento provavelmente reflete cenários específicos que podem não generalizar para todos os perfis de cliente.
O que esse episódio revela sobre o estado real da economia dos agentes de IA
O conjunto de movimentos que a Microsoft está fazendo com o Copilot Cowork, busca por modelos mais baratos, transição cuidadosa para cobrança por uso com controles de limite, comparação agressiva de preço contra concorrentes, é um retrato bastante honesto de onde a economia da IA agêntica realmente está em 2026.
A promessa de agentes autônomos que executam tarefas complexas continuamente é tecnicamente real e está sendo demonstrada em produção por múltiplos players. O que ainda não está resolvido é fazer essa promessa funcionar a um custo que justifique adoção em escala para a maioria das organizações. Cada ciclo de planejamento, cada chamada de ferramenta, cada iteração de um agente até completar uma tarefa tem custo computacional real, e esse custo se acumula de forma que pode rapidamente superar o valor econômico gerado pela automação, especialmente para usuários que adotam o agente como parte central e intensiva do seu fluxo de trabalho.
A resposta do mercado a esse problema está convergindo para uma solução similar entre diferentes players: diversidade de modelos por nível de custo e capacidade, permitindo que organizações escolham o ponto de equilíbrio adequado para cada tipo de tarefa. A Perplexity fez isso com inferência híbrida entre dispositivo e nuvem. A Anthropic fez isso com o modo mais barato do Opus 4.8. A Microsoft está fazendo isso com uma combinação de modelo proprietário, modelos de parceiros estabelecidos e agora possivelmente um modelo chinês ajustado para uso corporativo.
Nenhuma dessas soluções resolve completamente o problema fundamental: a economia de agentes sempre ativos, executando centenas de tarefas por semana, ainda está sendo descoberta. A Microsoft considerando o DeepSeek V4 não é apenas uma escolha de fornecedor de modelo. É um sintoma de que toda a indústria está correndo para encontrar o ponto onde a IA agêntica faz sentido econômico em escala real, e que esse ponto ainda não foi totalmente encontrado.
