Os novos assistentes pessoais de inteligência artificial estão se tornando mais fáceis de desejar justamente quando suas empresas ainda não descobriram como cobrar por esse desejo. O Muse, da Meta, atraiu milhões de downloads em poucos dias. A OpenAI reformulou a interface do ChatGPT com o Dots, tentando transformá-lo em presença cotidiana. A Instinct alcançou uma avaliação de dez bilhões de dólares apostando em agentes que agem em nome do usuário. A razão disso é que a promessa que caminha junto a eles é sedutora, pois promete entregar à máquina as pequenas obrigações que consomem pedaços do dia, sejam elas reservar viagens, cancelar assinaturas ou organizar compromissos, e receber de volta o tempo que gastávamos fazendo tudo isso manualmente. Deste modo, o entusiasmo sobre esse novo setor de penetração dos agentes de IA é real; o problema é que entusiasmo e receita são coisas diferentes.
Isso ocorre, pois a diferença entre a fase anterior da IA e a que começa agora pode ser resumida em uma distinção simples, mas economicamente decisiva, veja só: um chatbot que explica como cancelar uma assinatura melhora a informação disponível para que, com isso, o usuário possa executá-la. Porém, um agente que acessa o site, localiza o contrato, navega pelos menus, confirma a identidade e conclui o cancelamento assume o trabalho em si. Desta forma, essa descrição demonstra que, no primeiro caso, o modelo processa uma pergunta e devolve uma resposta. No segundo, executa dezenas de operações encadeadas, desde a consulta ao modelo de LLM várias vezes, o acesso a ferramentas externas, a verifica de resultados intermediários, e as tentativas sucessivas que aparecem quando algo falha.
O problema disso é que cada etapa consome capacidade computacional, de tal forma que a conveniência que o usuário percebe como instantânea é, para o provedor, uma cadeia de custos que cresce na proporção exata da utilidade entregue.
Esse mecanismo cria um paradoxo que está no centro do problema de negócio dos assistentes pessoais, porque o cliente mais satisfeito tende a ser o mais caro de atender, uma vez que quem delega poucas tarefas consome, obviamente, pouca capacidade e gera, diretamente, pouca fidelidade a ferramenta do agente. Por outro lado, quem delega muitas tarefas se torna dependente do serviço, mas, também, multiplica os custos operacionais a cada tarefa executada. Assim, em casos de planos feitos sob um modelo de assinatura fixa, a receita remessada à operadoras dos agentes de IA permanece a mesma enquanto o consumo do usuário (principalmente o do mais ativo) pode crescer indefinidamente. É como um buffet livre em que os pratos ficam progressivamente mais caros de preparar, ou seja, quanto mais o cliente come, mais o restaurante perde. Você poderia argumentar, diante disso, que limitar o consumo resolve esse descompasso financeiro, mas essa prática contradiz a proposta do produto, que é justamente eliminar os limites da rotina do usuário por meio do agente de IA (seja o Muse ou o Dtos da OpenAI).
Corroborando, os dados de penetração sugerem que a maioria dos consumidores ainda não cruzou a linha entre usar e pagar por IA. Segundo o PNC, 2,2% dos domicílios americanos na sua base mantinham assinaturas de IA generativa em maio de 2026, com um gasto médio mensal de 31 dólares. São números que mostram crescimento em relação aos 22 dólares de dois anos antes, mas que revelam uma conversão desproporcional ao tamanho do entusiasmo. Logo, milhões experimentam serviços de IA. Mas poucos pagam. E a razão não é necessariamente que o produto seja ruim, mas que a distância entre “útil” e “indispensável” é maior do que parece: uma pessoa pode reconhecer que o assistente ficou melhor sem concluir que precisa pagar mais por ele, especialmente quando versões gratuitas já resolvem parte do que ela precisa.
Claramente, a capacidade avança dentro do laboratório, mas o valor percebido em face desse avanço precisa avançar, em conjunto, dentro da rotina das pessoas - o que é uma tarefa muito difícil para as empresas, pois, cada vez mais, os modelos estão se tornando uma espécie de “commodity”, pois todos conseguem fazem de modo semelhante as tarefas usuais de nosso dia a dia. Por isso, justificar preços maiores se torna, frente a competição, muito difícil, afinal, por qual motivo eu pagaria mais por algo que eu já posso obter num preço mais barato?
É por isso que o mercado corporativo atrai tanto os laboratórios de IA. Tal fenômeno ocorre porque clientes-empresas conseguem calcular quanto custa preparar uma proposta comercial, atender um cliente ou produzir um relatório, e comparar esse custo com o preço da automação. Com isso, a justificativa para pagar por uma IA que automatize todo o processo aparece em horas economizadas, não em uma espécie conveniência abstrata. Juntamente, porém, contratos empresariais trazem exigências de integração, suporte e confiabilidade que elevam o custo de aquisição (é muito mais difícil e custoso - custo de capital humano mesmo - captar clientes corporativos, como bancos, por exemplo, do que convencer uma pessoa comum a assinar um serviço de IA), de modo que a migração para o corporativo amplia a receita por cliente sem resolver automaticamente a equação como um todo.
É interessante, nessa ótica, observar a Meta, que oferece uma terceira via para esse problema que merece nossa atenção. Uma empresa com um negócio publicitário do tamanho do seu pode tratar o assistente como uma porta de entrada, não como produto isolado ou final. Logo, se o Muse aumenta o tempo de uso das plataformas ou participa de decisões de compra do seu usuário que acontecem dentro do ecossistema, ele produz um valor intangível que não aparece na assinatura dos clientes, mas aparece na receita de seus anúncios. Sob essa lógica, um produto gratuito (como o Muse é, mas o mesmo vale para produtos que não possuem um alto retorno) não significa ausência de modelo de negócio. Significa que o modelo de negócio está em outro lugar. Isso ocorre diante da vantagem de quem já possui bilhões de usuários e uma máquina publicitária que, também, um poder que pode sustentar essa experiência por mais tempo do que qualquer startup independente.
Mas é a proposta de cobrar uma porcentagem das transações onerosas (de compra, via exemplo) realizadas pelo agente que introduz a pergunta mais incômoda de todas. Se o assistente recebe comissão de quem vende, a quem ele realmente serve quando recomenda? A resposta oficial será que a recomendação é baseada no melhor interesse do usuário. A resposta econômica é que, quando diferentes fornecedores oferecem comissões diferentes, existe um incentivo estrutural para que o sistema favoreça o negócio mais rentável para a plataforma. Isso não torna toda sugestão suspeita. Mas transforma a transparência sobre esses incentivos em uma condição de sobrevivência da confiança depositada ao agente, e, vale ressaltar, que confiança é o único ativo que um assistente pessoal não pode perder, porque ninguém delega a rotina a alguém em quem não confia.
A medida de base fática, a Instinct já opera esse tipo de modelo de monetização (frequentemente chamado de take rate) para rentabilizar seu assistente pessoal autônomo de inteligência artificial.
Entre no canal Entrelinhas no WhatsApp e siga nosso Instagram: informação rápida, em tempo real, que tangibilizam as transformações.
Enfim, talvez seja essa a contradição que definirá os próximos capítulos dessa corrida. Os assistentes estão tentando ocupar o espaço entre aquilo que desejamos e aquilo que efetivamente fazemos, assumindo um parceria ao lado do usuário no momento de organizar uma viagem, o que acarreta, por consequência, em sua participação ativa da escolha do hotel no processo - realizando a reserva e o pagamento. Portanto, com uma “secretária” tão útil assim, ficam fácil afirmar que quem administra uma rotina se torna difícil de substituir. Esse espaço em que a IA começa a ocupar é economicamente valioso. O problema é que conquistá-lo exige um produto tão útil que o usuário não queira abandoná-lo, mas sustentá-lo exige uma receita que o usuário, até agora, demonstra pouca disposição de fornecer. Um assistente pode se tornar indispensável na vida de alguém muito antes de conseguir pagar pela própria operação. E a distância entre essas duas coisas é, possivelmente, o problema de negócio mais importante que a inteligência artificial enfrenta neste momento.
Soluções existem, haja vista o modelo de comissões ou o de vitrine (usado pela Meta). Mas traz consigo desafios: comissões diluem confiança, e, no caso da Meta, nem todo mundo possui uma máquina de publicidade como o Instagram. Em vista disso, o que um agente pessoal da OpenAI pode fazer para lucrar com usuários rotineiros?
