IA e ROI: tokens, horas e pontos como proxies curiosos de valor

O problema dos proxies

A discussão sobre “retorno por tokens” repete dificuldades já conhecidas em métricas baseadas em horas, capacidade, fluxo e pontos. O problema central não é medir o insumo, mas estabelecer uma teoria de valor que conecte investimento, trabalho realizado e resultados econômicos. Tokens são especialmente atraentes porque têm contagem e preço precisos, mas essa precisão pode criar a ilusão de que o denominador necessário para calcular ROI está resolvido.

Horas ajudam a mostrar onde o esforço é alocado, mas não são perfeitamente intercambiáveis entre pessoas, competências, contextos ou momentos do dia. A alocação também não informa qualidade, eficiência ou eficácia: dez pessoas trabalhando dez horas não equivalem necessariamente a uma pessoa trabalhando cem horas, pois dependências, especialistas e decisões podem restringir todo o sistema. Além disso, a troca constante de tarefas impõe custos de contexto que os registros de tempo tendem a omitir. A relação entre tempo e resultado é não linear, e certos períodos de trabalho podem ampliar ou limitar opções futuras de maneira difícil de atribuir a um projeto específico.

Métricas de fluxo, como tempo de ciclo, tempo de entrega, limites de trabalho em andamento e vazão, podem apoiar a melhoria contínua, sobretudo quando o trabalho é segmentado por tipo e o sistema permanece relativamente estável. Porém, desenvolvimento de produto frequentemente envolve pesquisa, experimentação e descoberta, em que tentativas que não chegam à produção podem gerar conhecimento. A definição da unidade de trabalho, dos limites do sistema e do momento em que algo está “concluído” altera significativamente os números. Pontos de história deveriam servir apenas como ferramenta descartável para discussão, dimensionamento e verificação de compromissos próximos, não como medida de valor ou produtividade.

Uma alternativa para o investimento

Uma abordagem considerada mais defensável trata a equipe como unidade de custo, sem decompor artificialmente seu investimento em horas, pontos ou funcionalidades individuais. Cada equipe deveria estar ligada a um modelo causal que conecte insumos e indicadores antecedentes a fontes de crescimento diferenciado no médio e no longo prazo. Também seria necessário explicitar a demanda atendida, financiar áreas duráveis de foco, manter um caso de negócio que registre premissas, incertezas e critérios para mudar o investimento e avaliar equipes conforme seu estágio no ciclo de vida do produto.

O retorno seria acompanhado pela evolução de indicadores validados, isto é, sinais que sustentem a hipótese de valor, enquanto horas e métricas operacionais permaneceriam em seus usos próprios: identificar vazamentos de tempo, gargalos e problemas de fluxo. A receita não precisaria ser atribuída a cada unidade de trabalho.

O que tokens acrescentam

Tokens diferem do trabalho assalariado por se comportarem mais como custo variável, enquanto salários tendem a ser custos comprometidos no horizonte de planejamento. O trabalho humano pode formar conhecimento, relações, rotinas e memória organizacional; o gasto com IA pode deixar código, dados, fluxos ou propriedade intelectual, mas isso depende de a organização capturar esses ativos. O retorno marginal também pode cair: os primeiros investimentos podem atender casos óbvios e valiosos, enquanto gastos posteriores financiam aplicações menos produtivas.

A análise precisa considerar complementaridades entre pessoas e IA, custos de manutenção, excesso de produção, gargalos deslocados e consequências ao longo da vida do software. Assim, um caso de negócio sério deveria declarar qual mudança no sistema é esperada, sob quais premissas, com quais benefícios, custos, externalidades e efeitos posteriores. O ROI seria resultado dessa hipótese, não seu ponto de partida.

Equipe e IA

Avaliar conjuntamente salários e tokens pode levar a perguntas mais úteis: qual demanda está sendo atendida, que modelo causal conecta o trabalho ao valor, quais áreas duráveis recebem investimento e que evidências justificariam aumentar, reduzir ou redirecionar recursos. Esse tipo de modelo pode ser necessário para que equipes façam escolhas conscientes entre pessoas, modelos, ferramentas e outras formas de capacidade, embora algumas empresas ainda adotem explicitamente a substituição de trabalhadores como objetivo.