--- title: Como economizar ao criar agentes de IA: entenda tokens, embeddings e o que pesa na conta source: https://simplesdesk.com.br/blog/como-economizar-ao-criar-agentes-de-ia author: Equipe SimplesDesk published_at: 2026-09-14T20:30:00+00:00 updated_at: 2026-09-14T20:04:29.420827+00:00 tags: Inteligência Artificial, Agentes de IA, Custos attribution: "Fonte: SimplesDesk (https://simplesdesk.com.br/blog/como-economizar-ao-criar-agentes-de-ia)" license: uso permitido com atribuição e link para a fonte original --- # Como economizar ao criar agentes de IA: entenda tokens, embeddings e o que pesa na conta Um guia didático de como a inteligência artificial funciona por dentro — de tokens a embeddings — e 9 ajustes práticos que cortam de 40% a 70% do custo de um agente de IA. **TL;DR** — A inteligência artificial não lê palavras: ela lê números. Cada pedaço de texto que entra e sai do modelo é um *token*, e é exatamente isso que você paga. Entender tokens é o que separa um agente de IA que custa R$ 80 por mês de um idêntico que custa R$ 900. Este guia explica, do zero e sem matemática pesada, como a IA funciona por dentro — e mostra 9 ajustes práticos que derrubam a sua conta sem piorar o atendimento. ![Do texto ao significado: texto vira tokens, tokens viram números, números viram vetores](/blog/diagrama-ia-pipeline-tokens.svg) *O caminho completo: o que você escreve vira pedaços, os pedaços viram números, e só então nasce o significado.* --- ## 1. A ideia que explica tudo: o modelo não lê o que você escreve Uma rede neural é, no fundo, uma máquina de multiplicar números. Ela não tem olhos, não conhece o alfabeto e não sabe o que é uma palavra. Então a primeira coisa que acontece com o seu texto é uma tradução: **letras viram números**. Essa etapa se chama **tokenização**. Ela acontece *antes* do modelo, não é aprendida junto com ele: é uma tabela fixa, decidida uma única vez e congelada para sempre. Um **token** é um pedaço de texto — uma palavra inteira, um pedaço de palavra, um sinal de pontuação — com um número associado. Nada mais que isso. > Atenção ao nome: "token" também significa outras coisas em tecnologia (a credencial de login, o ativo de blockchain). Aqui, token é sempre **um pedaço de texto com um número**. ### Por que pedaços, e não palavras inteiras? Três tentativas históricas explicam a escolha. **Tentativa 1 — um número por palavra.** Monte um dicionário: "casa" → 41, "cachorro" → 892. Funciona até aparecer uma palavra fora da lista: um nome próprio, um erro de digitação, uma gíria. Aí o modelo escreve "desconhecido" e perde a informação para sempre. Pior: um dicionário real de português, com nomes e variações, passa de um milhão de entradas — grande demais. **Tentativa 2 — um número por letra.** Resolve o desconhecido (são ~100 letras e símbolos), mas cria um problema pior: "internacionalização" vira 19 posições em vez de 1. E o custo de processar cresce com o **quadrado** do número de posições. Texto curto vira texto carésimo. **Tentativa 3 — um número por pedaço frequente.** A sacada que venceu. Palavras comuns ("casa", "the") ganham um token só. Palavras raras se quebram em pedaços que já existem ("Rafhael" → `R` + `af` + `ha` + `el`). Nada é desconhecido, e o texto continua curto. Esse é o **BPE** (*Byte Pair Encoding*), usado pelo GPT-2, pelo RoBERTa e, em variações, pelos modelos que você usa hoje. ### A analogia do LEGO Imagine uma fábrica de LEGO que precisa vender o menor número possível de tipos de peça, mas ainda permitir montar qualquer coisa. Ela não vende só tijolinhos 1×1 (você montaria tudo, mas gastaria 10 mil peças por modelo). Também não vende "Millennium Falcon já montado" (só serve para um modelo). Ela vende peças médias que aparecem muito: paredes, janelas, rodas. O BPE é o algoritmo que descobre, olhando milhões de textos, **quais peças médias valem a pena existir**. --- ## 2. Como o vocabulário é construído (na prática) O BPE roda uma vez, sobre um acervo gigante de texto, e produz uma lista de tokens e uma lista ordenada de fusões. O procedimento é quase bobo de tão simples: 1. Comece com as letras (ou, no caso do GPT-2, com os 256 bytes possíveis). 2. Conte todos os pares vizinhos no acervo inteiro: quantas vezes `t` vem antes de `h`? 3. Funda o par mais frequente em um token novo. 4. Repita. Agora `th` + `e` pode virar `the`. 5. Pare quando o vocabulário atingir o tamanho desejado — no GPT-2, **50.257 tokens**. ![Como o BPE junta os pares de letras mais frequentes até formar tokens maiores](/blog/diagrama-ia-bpe-fusoes.svg) *Com "banana" e "bandana": duas fusões bastam para "banana" custar 2 tokens em vez de 6.* ### Onde isso te afeta no bolso: português custa mais caro O vocabulário é um retrato estatístico do texto usado no treino — e esse texto é majoritariamente em inglês. | Idioma | Tokens por palavra (aprox.) | Efeito na conta | | --- | --- | --- | | Inglês | 1,3 | referência | | Espanhol | 1,8 | ~38% mais caro | | Português | 2,0 a 2,4 | **até 2× mais caro** | Não é que o modelo "não goste" de português. É que o algoritmo nunca teve motivo estatístico para criar um token único para `ção`. Resultado: o mesmo texto gasta quase o dobro de tokens, o dobro de memória, o dobro de tempo — e o dobro do preço. ### Dois detalhes que explicam comportamentos estranhos **O espaço faz parte do token.** `casa` e ` casa` (com espaço na frente) são tokens **diferentes**, com números diferentes. Por isso: **nunca termine um prompt com espaço**. Escreva "O Brasil é" e deixe o modelo produzir o espaço sozinho — terminar com espaço joga o modelo para uma região estranha e a qualidade cai visivelmente. **Números viram picadinho.** " 2024" costuma custar 1 token (ano muito frequente na internet), mas " 1234567" vira algo como `123` + `45` + `67` — pedaços sem nenhum significado aritmético. O modelo nunca enxerga o número inteiro. É **literalmente por isso** que modelos erram contas simples: eles não fazem matemática sobre números, e sim sobre fragmentos de dígitos escolhidos por frequência. Se o seu agente precisa somar valores, calcular frete ou conferir saldo, **isso tem que sair do modelo e ir para uma integração**. --- ## 3. Do número ao significado: os embeddings Até aqui o texto virou uma lista de inteiros. Mas um inteiro não tem sentido: o número 41 não é "mais" nem "menos" que o 40. O passo seguinte é o **embedding**: cada número vira uma lista de centenas ou milhares de casas decimais — um **vetor**. E esse vetor é aprendido durante o treino, de forma que **pedaços com sentido parecido ficam perto uns dos outros** nesse espaço. Na prática, isso significa que para o modelo: - "cancelar assinatura", "quero sair do plano" e "como faço pra encerrar" caem quase no mesmo lugar; - "boleto", "fatura" e "cobrança" são vizinhos; - "entrega atrasada" está longe de "elogio". É daí que vem a mágica aparente: o agente entende uma pergunta que ninguém programou, porque ela está perto de algo que ele já viu. **Por que isso importa para o seu bolso?** Porque embeddings são baratíssimos comparados a uma chamada de conversa. Usar embeddings para *encontrar* a resposta certa na sua base e só então mandar o trecho relevante para o modelo é a técnica que mais reduz custo em agentes de atendimento. Mandar o catálogo inteiro em toda mensagem é o erro mais caro que existe. --- ## 4. Onde o dinheiro realmente vai embora ![Onde o custo nasce: instrução fixa, histórico, contexto anexado e resposta](/blog/diagrama-ia-onde-gasta.svg) *Em quase todo agente mal configurado, mais de 80% do custo está no que é ENVIADO, e não no que é respondido.* Toda vez que um cliente manda uma mensagem, o modelo recebe de novo: 1. **A instrução fixa do agente** (personalidade, regras, tom, o que não pode falar) — reenviada em **toda** mensagem; 2. **O histórico da conversa** — que cresce a cada troca; 3. **O contexto anexado** — catálogo, política de trocas, dados do pedido; 4. E só então gera **a resposta**. Uma conversa de 20 mensagens com uma instrução de 1.500 tokens pode custar 30.000 tokens só de instrução repetida. Em português, dobre isso. --- ## 5. Nove ajustes que cortam a conta (sem piorar o atendimento) **1. Encurte a instrução do agente.** Regra prática: se uma frase não muda o comportamento em nenhum caso real, apague. Instruções de 2.000 tokens quase sempre cabem em 400. **2. Escreva em tópicos, não em prosa.** "Nunca prometa prazo" custa menos e funciona melhor que um parágrafo explicando o porquê. **3. Resuma o histórico.** Depois de 8 a 10 mensagens, substitua as antigas por um resumo de 3 linhas. O cliente não percebe; a conta cai pela metade. **4. Busque antes de enviar.** Em vez de anexar o catálogo inteiro, use busca por embeddings e envie só os 2 ou 3 trechos relevantes. **5. Use o modelo certo para cada tarefa.** Classificar "isso é suporte ou vendas?" não precisa do modelo mais caro. Reserve o modelo forte para respostas ao cliente. **6. Tire cálculo e consulta do modelo.** Frete, saldo, status de pedido, 2ª via de boleto: isso é integração, não IA. Mais barato, mais rápido e sempre certo. **7. Limite o tamanho da resposta.** Respostas longas no WhatsApp não são lidas — e custam. Peça respostas de até 3 ou 4 linhas. **8. Não acione a IA em tudo.** Menu, horário de funcionamento e endereço resolvem com fluxo fixo, a custo zero. A IA entra quando a pergunta é aberta. **9. Meça por conversa, não por mês.** O número que importa é "quanto custa atender um cliente". Sem isso, você não sabe se otimizou. --- ## 6. Como fazemos isso na SimplesDesk Boa parte dos ajustes acima é chata de fazer na mão. No SimplesDesk eles já vêm prontos: - **Créditos de IA visíveis por conversa e por agente**, para você ver exatamente onde o gasto acontece — sem surpresa no fim do mês; - **Base de conhecimento com busca inteligente**, que envia ao modelo só o trecho necessário em vez do documento inteiro; - **Resumo automático de histórico** em conversas longas; - **Fluxos fixos para o que é repetitivo** (menu, horário, 2ª via) e IA só onde ela agrega; - **Integrações nativas** com ERP, CRM e gateways de cobrança, para que números venham do sistema — nunca "inventados" pelo modelo; - **WhatsApp oficial (Cloud API)**, Instagram, Telegram, e-mail e webchat no mesmo lugar, com o mesmo agente. Na prática, clientes que migraram um agente configurado "na força bruta" para essa estrutura viram a conta de IA cair entre 40% e 70%, com a mesma taxa de resolução. --- ## 7. Perguntas frequentes ### O que é exatamente um token? Um pedaço de texto com um número associado. Pode ser uma palavra inteira, um pedaço dela ou um sinal de pontuação. É a unidade que o modelo lê e a unidade pela qual você paga. ### Quantas palavras cabem em 1.000 tokens em português? Aproximadamente 400 a 500 palavras. Em inglês, cerca de 750. A diferença vem do vocabulário do modelo, treinado majoritariamente em inglês. ### Por que a IA erra contas simples? Porque ela não vê o número inteiro. Um valor como 1234567 é quebrado em fragmentos de dígitos sem significado matemático. Cálculos devem ser feitos por integração, não pelo modelo. ### Vale a pena escrever prompts em inglês para economizar? Tecnicamente o texto fica mais curto, mas a resposta ao cliente precisa ser em português de qualidade. O ganho real está em encurtar a instrução e reduzir o contexto, não em trocar o idioma. ### Embedding e token são a mesma coisa? Não. O token é o pedaço de texto com um número. O embedding é a lista de casas decimais que representa o significado daquele token. Primeiro vem o token, depois o embedding. ### O que mais encarece um agente de IA? A instrução fixa e o contexto reenviados em toda mensagem. Na maioria dos casos, eles respondem por mais de 80% do consumo. --- _Conteúdo produzido pela SimplesDesk. Ao citar, credite: SimplesDesk — https://simplesdesk.com.br/blog/como-economizar-ao-criar-agentes-de-ia_