O preço de cada token de inteligência artificial caiu 280 vezes nos últimos dois anos, mas a conta das empresas subiu 320% no mesmo período. Esse paradoxo, que discutimos em análise anterior sobre a inflação dos tokens no mercado de IA, agora tem nome e consequência: o tokenmaxxing, a prática de maximizar o consumo de tokens como métrica de produtividade, está sendo abandonado por empresas que viram seus custos com IA dispararem sem o retorno esperado.
O que é tokenmaxxing
Tokenmaxxing é o nome que se deu à prática de tratar o volume de tokens consumidos por funcionários como indicador de produtividade. Empresas como Meta e Amazon chegaram a criar rankings internos que premiavam os maiores usuários, com títulos como “Token Legend”. Na Meta, o chamado Claudenomics monitorava 85 mil funcionários, e o maior usuário individual consumiu 281 bilhões de tokens em 30 dias, o suficiente para gerar custos na casa dos milhões de dólares.
O problema, apontam especialistas, é que o tokenmaxxing repete o mesmo erro de medir programadores por linhas de código escritas, uma métrica que a indústria abandonou há décadas por ser fácil de inflar e desconectada de resultados reais.
Tokenmaxxing é uma métrica tola
Raffi Krikorian, diretor de tecnologia da Mozilla, foi direto ao classificar a prática. “Tokenmaxxing é uma coisa tola”, disse ele, comparando a métrica ao uso de linhas de código como indicador de produtividade, uma moda que o mercado vai olhar para trás e rir em um ano. Em entrevista à Associated Press, Krikorian afirmou que a teoria de que gastar mais tokens pode impulsionar produtividade tem alguma validade, mas a indústria como um todo já percebeu que não funciona.
O sentimento ecoa por todo o Vale do Silício. Yamini Rangan, CEO da HubSpot, sintetizou a posição contrária em uma frase no LinkedIn: “Outcome maxxing >> token maxxing”. Matt Calkins, CEO da Appian, comparou a prática a avaliar candelabros na União Soviética pelo peso, uma métrica absurda que mede o que é fácil de medir, não o que importa.
A conta chegou para todo mundo
O tokenmaxxing começou a ruir quando as faturas chegaram. A Uber consumiu todo o orçamento anual de IA em apenas quatro meses. Cinco mil engenheiros gastavam entre US$ 500 e US$ 2 mil por mês cada um, e a empresa precisou impor um teto de US$ 1,5 mil mensais por ferramenta de codificação.
Na Meta, a diretoria detectou um crescimento exponencial nos custos e anunciou limitações ao uso de IA. A Amazon desativou o ranking interno KiroRank depois que funcionários passaram a inflar artificialmente o consumo de tokens só para subir no placar. Um caso emblemático: um projeto que usava Claude Sonnet para cruzar dados de autores com anúncios no e-commerce gerou uma conta de US$ 1,8 milhão antes mesmo de ir ao ar. O erro levou cinco meses para ser detectado.
O consultor Jue Wang, da Bain & Company, revelou que o custo de tokens está dobrando a cada dois meses para grandes empresas. “US$ 200 por desenvolvedor por mês. Multiplique por 20 mil engenheiros e você chega a um número que nenhum gerente geral orçou”, disse.
O movimento em busca de alternativas mais baratas
Com o tokenmaxxing em queda, as empresas estão migrando para uma abordagem mais racional. O movimento conhecido como tokenminning defende o uso estratégico de tokens, reservando modelos de ponta para tarefas complexas e usando alternativas mais baratas para atividades rotineiras.
Ferramentas de roteamento automático de modelos, que selecionam o modelo mais barato capaz de resolver cada tarefa, ganharam espaço. O OpenRouter, serviço que ajuda empresas a encontrar o melhor preço entre centenas de modelos, captou mais de US$ 100 milhões em maio de 2026. A AT&T, segundo seu diretor de IA Andy Markus, já economiza até 90% ao optar por modelos menos avançados na maioria das tarefas.
Os próprios laboratórios de IA estão respondendo à pressão. A OpenAI lançou o GPT-5.6 com foco em realizar mais tarefas consumindo menos tokens. A SpaceXAI apresentou o Grok 4.5 prometendo o dobro de eficiência em tokens. A Meta tornou o preço do Muse Spark 1.1 “atraente”, nas palavras de Mark Zuckerberg. A competição migrou de quem faz o modelo mais inteligente para quem cobra menos por token.
O model routing, ou roteamento inteligente de modelos, virou prioridade. Empresas como Coinbase reduziram drasticamente o gasto com IA mantendo o volume de tokens em alta, combinando caching, gestão de contexto e seleção automática do modelo certo para cada tarefa. A Linux Foundation lançou em junho a Tokenomics Foundation, um órgão de padronização que quer trazer para a economia de tokens a mesma disciplina que o FinOps trouxe para a nuvem.
O tokenmaxxing está sendo enterrado por um motivo simples: a conta chegou e as empresas não podem mais ignorá-la. O que vem a seguir não é o fim da IA nas empresas, mas o início de uma fase mais madura, onde cada token precisa justificar o próprio custo.
Fonte: Slashdot, Associated Press
