Adam Mosseri, chefe do Instagram dentro da Meta, sinalizou publicamente que a empresa pode passar a limitar a quantidade de tokens de IA que cada engenheiro tem direito a consumir. A declaração representa uma reversão que está se espalhando por todo o setor.
Inscrição confirmada! Agora você faz parte do ritmo.
Em maio de 2026, diversas empresas de tecnologia ainda incentivavam ativamente seus times a consumir o máximo possível de IA. O fenômeno ganhou nome: token maxxing. Funcionários eram avaliados e, em alguns casos, recompensados pelo volume de tokens consumidos. A lógica? Quem usa mais IA produz mais, logo deve ser incentivado a usar ainda mais.
O problema é que tokens custam dinheiro. E quando esse consumo escala para dezenas de milhares de funcionários, a conta que aparece no fim do mês não estava no planejamento de ninguém.
A declaração de Mosseri aponta para uma mudança clara: o mesmo ecossistema que criou rankings internos de consumo agora estuda colocar teto individual. Não como política de TI, mas como política de gestão (o que é algo estruturalmente diferente).
A escala do problema
Para entender por que isso está acontecendo agora, basta olhar para os números.
O Goldman Sachs (banco de investimentos americano e referência global em análises de mercado) estimou que o uso crescente de agentes de IA poderá elevar em 24 vezes o consumo global de tokens até 2030. Uma tarefa aparentemente simples (como pedir à IA que resuma a transcrição de uma reunião) pode consumir centenas de tokens. Multiplicado por milhares de requisições diárias dentro de uma grande empresa, o volume escala de forma que poucos gestores previram quando liberaram o acesso irrestrito às ferramentas.
O resultado já aparece em casos concretos. Uma empresa chegou a gastar US$500 milhões com o modelo Claude, da Anthropic (um número que ilustra como o consumo corporativo de IA generativa pode sair do controle quando não há governança de uso).
Empresas que orientaram seus times a “usar IA ao máximo possível” já mudaram de ideia. Múltiplas big techs buscam ativamente modelos mais baratos e estudam formas de impor limites de consumo por usuário (algo que plataformas de API já fazem via rate limits e token budgets no plano técnico, mas que agora começa a migrar para o plano de gestão de pessoas).
O que muda na prática
A discussão sobre limitar tokens por usuário não é nova no plano técnico. APIs de grandes modelos (OpenAI, Google, Microsoft Azure) já operam com lógica de cobrança por uso e permitem que empresas configurem limites por aplicação ou por chave de acesso. O que é novo, e significativo, é a sinalização de que esse controle pode virar critério de política interna de RH e gestão de equipes.
Isso tem implicações concretas para qualquer organização que adotou IA generativa em escala. O custo de IA por funcionário pode crescer na mesma proporção que a adoção, eliminando no processo o ganho de produtividade que justificava o investimento original.
O modelo de “libere o acesso e meça os resultados depois” já mostrou seus limites: sem uma camada de governança (que pode incluir limites de consumo, auditoria de uso ou definição de casos de uso prioritários), o orçamento de IA se torna imprevisível. E surge um dilema estratégico que já aparece na discussão do setor como “tokens ou pessoas”: empresas que cortaram headcount justificando a substituição por IA agora enfrentam a possibilidade de ver a conta de IA subir sem controle.
Se o custo da ferramenta também escapa, a equação que sustentava as demissões começa a ser questionada. Há ainda o risco reputacional e operacional de impor limites de consumo tarde demais (quando o dano ao orçamento já está feito) ou cedo demais (antes de a equipe ter extraído valor real das ferramentas).
O que isso revela sobre o momento do mercado
A sinalização de Mosseri é relevante não pela medida em si (que ainda não foi implementada e pode nem ser) mas pelo que representa sobre o estágio de maturidade do uso corporativo de IA generativa.
A fase de experimentação irrestrita, com incentivos ao consumo máximo e pouca atenção ao custo unitário, está chegando ao fim. O que vem depois é uma fase de gestão (onde o uso de IA precisa ser justificado pelo retorno que gera, monitorado como qualquer outra linha de custo operacional e dimensionado com critério).
Para startups, a gestão de custo de IA deixou de ser um problema de empresas grandes. Qualquer operação que usa modelos via API, ferramentas de automação ou agentes de IA precisa ter visibilidade sobre o que está sendo consumido, por quem e com que retorno. O erro de não fazer isso vai aparecer na régua de eficiência (especialmente em um momento de pressão por runway e capital escasso).
A discussão que Mosseri jogou para o mercado provavelmente não vai ficar restrita à Meta. O mercado está observando (e a próxima empresa a anunciar um token budget por funcionário pode ser a que está do seu lado).
