O Google adicionou, nesta semana, cobrança por uso, teto de gasto mensal por projeto e detecção automática de anomalia de gasto ao Gemini Enterprise. A mudança responde a um problema que times financeiros estão descobrindo agora: orçamento de IA baseado em licença por usuário não sobrevive ao gasto imprevisível de agente autônomo.
O que mudou
O Gemini Enterprise passa a oferecer cobrança pay-as-you-go, derrubando a mensalidade fixa — a empresa paga só pelo consumo real de tokens e computação, a preço padrão de API, mantendo o plano por licença como alternativa para quem prefere previsibilidade. Quem compromete um volume de gasto mensal ganha desconto de 10% no token num contrato de um ano, ou 20% num contrato de três anos, via o que o Google chama de Flexible Savings Plan. A novidade mais relevante para governança é o teto de gasto: administradores podem limitar o orçamento mensal por projeto, receber alerta em 50%, 80% e 100% do limite, e travar chamadas de API de agente automaticamente ao bater o teto — a menos que decidam liberar o excedente manualmente. Um recurso de detecção de anomalia completa o pacote: sinaliza projeto com gasto fora do padrão e aponta os três principais itens de consumo por trás do salto, dando a times financeiros e de engenharia visibilidade sobre o que mudou.
Por que isso importa
Gasto de IA baseado em agente não se comporta como licença de software tradicional. Um agente autônomo pode multiplicar chamadas de API em minutos — por design (mais tarefas, mais autonomia) ou por erro (loop, tarefa mal definida, ausência de limite) — e o modelo de orçamento por assento simplesmente não captura esse risco. O pacote do Google é, na prática, a aplicação ao gasto com agente da mesma disciplina que times de infraestrutura já aplicam a gasto de nuvem há mais de uma década: teto, alerta, atribuição de custo por projeto. Isso conecta direto com o achado da McKinsey que trouxemos aqui ontem — a maioria das empresas escalando agente de IA ainda não consegue medir o retorno financeiro. Parte do motivo é que elas também não têm visibilidade clara de onde o gasto está indo.
O impacto para o Brasil
Para empresas brasileiras migrando de piloto para produção com agentes de IA, o recado é prático: trate gasto com agente como gasto de infraestrutura de nuvem desde o primeiro dia — com teto, alerta e atribuição por projeto —, não depois de um susto no orçamento. Vale perguntar a qualquer fornecedor de IA que sua empresa avalia (não só o Google) se ele oferece esse nível de granularidade de controle de gasto; isso está deixando de ser diferencial e virando requisito básico de compra para quem escala agente além do piloto.
Leitura da Entercast
Esse lançamento amarra bem com o que vimos ontem na pesquisa da McKinsey: a fatia de empresas com impacto real de EBIT por IA ficou estável mesmo com adoção em alta, e parte do problema é a dificuldade de medir onde o valor (e o custo) realmente está. Some isso ao fio que seguimos o mês inteiro — da repactuação de preço da DeepSeek ao roteamento de modelo da AT&T — e o quadro fica claro: em 2026, gerenciar custo de IA deixou de ser "qual modelo é mais barato" e virou uma disciplina própria de governança financeira, no nível do workload de agente. Quem não constrói essa capacidade agora vai descobrir o próprio gasto do jeito mais caro: na fatura do mês seguinte.