Saltar para o conteúdo
Na The Agentic List 2026Saiba mais
Maven AGI
Manter vs. comprar

Qualquer pessoa pode construir um agente de IA. Mas consegue mantê-lo?

Construir é a parte fácil, e mesmo isso é difícil. A verdadeira fatura chega depois do lançamento, quando os modelos mudam, as APIs deixam de funcionar, o conhecimento fica desatualizado e as respostas do seu agente passam a ser responsabilidade sua. É isso que significa mantê-lo.

O ciclo de vida de um agente interno
Ilustrativo
Desde que abriu esta página, manter a solução da calculadora abaixo já custou
0,00 $
Em tempo real, a 521 $ por dia em produção. Altere os valores da calculadora e o cálculo é atualizado.
O segundo dia nunca acaba

Construir é um projeto. Manter é um trabalho permanente.

A investigação em software afirma-o há décadas: é na manutenção, e não no desenvolvimento, que se gasta o dinheiro. Em média, representa cerca de 60 % do custo do ciclo de vida de um sistema, variando entre 40 % e 80 % consoante o sistema. [1]

Os agentes de IA acrescentam novos tipos de manutenção. O modelo pode mudar sem que uma única linha do seu código seja alterada. [3] E quando o seu agente dá uma resposta errada, a resposta é sua. [6]

agent-ops.log
Em direto
Seg 02:14ERROR
provider Versão do modelo descontinuada. Os prompts otimizados para ela estão agora a desviar-se.
Seg 09:40WARN
eval Mesmo conjunto de testes, nova versão do modelo: precisão de 84,0 % → 51,1 % [3]
Ter 11:05ERROR
crm A API de origem alterou um campo. Falha na criação de pedidos.
Ter 16:32WARN
knowledge Sincronização parada. O agente está a responder com base numa política desatualizada.
Qua 08:17ERROR
guardrail O agente descreveu uma política tarifária que a companhia aérea não tinha [6]
Qua 13:50WARN
infra Limite de pedidos atingido. Conversas em fila de espera.
Qui 10:02INFO
security A equipa de segurança da informação abriu uma nova revisão do acesso do agente aos dados.
Qui 18:44WARN
team O engenheiro que construiu o sistema de recuperação demitiu-se. Nenhum runbook encontrado.
Sex 03:29ERROR
cost Gastos em tokens novamente acima do orçamento.
Semana ilustrativa. Cada linha corresponde a uma categoria de falha documentada nas fontes abaixo.
Calculadora de custo de propriedade

Calcule o custo de ser proprietário.

Comece pelo seu plano de desenvolvimento. Os valores predefinidos da investigação estão assinalados; os seus pressupostos podem ser alterados como entender.

4
O seu pressuposto
6
O seu pressuposto
133 000 $
Valor predefinido da investigação: 133 080 $, a mediana nos EUA para programadores de software [7]
70%
Valor predefinido da investigação: 70 %, sendo o restante composto por benefícios [8]
60%
Valor predefinido da investigação: 60 %, num intervalo entre 40 % e 80 % [1]
3
O seu pressuposto
Custo total de propriedade
950 000 $Custo total de propriedade: 950 000 $
Desenvolver (primeiro dia)
380 000 $
Manter (todos os dias seguintes)
570 000 $
Custo por dia em produção
521 $
Anos-engenheiro consumidos
5,0
O custo de oportunidade

São 5,0 anos-engenheiro que não são dedicados ao seu produto principal. Cada sprint dedicado à infraestrutura de agentes é um sprint que não é usado para lançar as funcionalidades que geram crescimento e receita.

Como funciona: o custo total por engenheiro é o salário dividido pelo peso dos salários. O custo de desenvolvimento é engenheiros × custo total × tempo de desenvolvimento. O custo de propriedade decorre do peso da manutenção, pelo que, a 60 %, equivale a 1,5× o desenvolvimento. Inclui apenas custos com pessoas: a utilização de modelos, o alojamento, as ferramentas e os custos com incidentes aumentariam o total.

Aquilo de que é realmente proprietário

O agente é a caixa pequena.

Engenheiros da Google demonstraram que, em sistemas de machine learning reais, o código do modelo é uma pequena fração do sistema. O resto é tudo o que o rodeia, e é aí que se acumula o custo contínuo de manutenção. [2]

Manutenção
Atualizações de modelos
Os fornecedores descontinuam e alteram modelos segundo o seu próprio calendário.
Qualidade
Avaliações e testes de regressão
Cada alteração exige novos testes com conversas reais.
Conteúdo
Sincronização do conhecimento
As políticas mudam todos os dias. Respostas desatualizadas são respostas erradas.
Sistemas
Integrações
Os CRM e os sistemas de pedidos e de encomendas lançam alterações incompatíveis.
Sua
Lógica do agente
A parte que pretendia desenvolver.
Risco
Salvaguardas e conformidade
O que o agente diz, foi a sua empresa que o disse.
Operações
Monitorização e piquete
Alguém é chamado quando algo falha às 2 da manhã.
Confiança
Revisões de segurança
Acesso a dados, retenção e auditoria, revistos vezes sem conta.
Pessoas
Conhecimento na cabeça das pessoas
Quando quem desenvolveu sai, o contexto vai com essa pessoa.
Estudos independentes

Não acredite apenas na nossa palavra.

9 conclusões de fontes externas publicadas: investigação académica, estudos de mercado, uma decisão judicial, uma referência do setor e análises de analistas. Os valores são apresentados tal como foram publicados.

O custo de ter um agente de IA próprio

As fontes incluem
Harvard Data Science Review
O’ReillyBC Civil Resolution Tribunal
Parte 1 · Estudos independentes e registos públicos

Custo de manutenção

60%

A manutenção representa, em média, cerca de 60 % do custo do ciclo de vida de um sistema de software, variando entre 40 % e 80 % consoante o tipo de sistema. A maior parte corresponde a melhorias motivadas pela alteração de requisitos.

Fonte: David Wood, “The 60/60 Rule”, em 97 Things Every Project Manager Should Know, O’Reilly Media. [1]

Deriva do modelo

84% → 51%

Na mesma tarefa de distinguir números primos de compostos, a precisão do GPT-4 caiu de 84,0 % em março de 2023 para 51,1 % em junho de 2023. Os autores concluem que o comportamento dos LLM pode mudar substancialmente num curto espaço de tempo e exige monitorização contínua.

Fonte: L. Chen, M. Zaharia, J. Zou, “How Is ChatGPT’s Behavior Changing Over Time?”, Harvard Data Science Review, 2024. [3]

Sucesso: desenvolver vs. comprar

67%

As ferramentas de IA compradas a fornecedores especializados tiveram sucesso em 67 % dos casos. Os desenvolvimentos internos tiveram sucesso com um terço dessa frequência. O estudo baseou-se em 150 entrevistas a líderes, num inquérito a 350 colaboradores e na análise de 300 implementações públicas de IA.

Fonte: MIT NANDA, The GenAI Divide: State of AI in Business 2025, segundo a Fortune, 18 de agosto de 2025. [4]

Do piloto à produção

88%

88 % das provas de conceito de IA observadas não chegam a uma implementação em larga escala. Por cada 33 provas de conceito de IA lançadas por uma empresa, apenas 4 passaram à produção.

Fonte: estudo da IDC com a Lenovo, segundo a CIO.com, 25 de março de 2025. [9]

Responsabilidade pelo agente

812,02 C$

Um tribunal da Colúmbia Britânica condenou a Air Canada a pagar uma indemnização, juros e custas depois de o chatbot do seu website ter dado a um cliente informações erradas sobre tarifas por luto. O tribunal rejeitou o argumento de que o chatbot era uma entidade separada, responsável pelas suas próprias declarações.

Fonte: Moffatt v. Air Canada, 2024 BCCRT 149, British Columbia Civil Resolution Tribunal, 14 de fevereiro de 2024. [6]
Parte 2 · Perspetiva de analista: Gartner

Cancelamento de projetos

40%+

A Gartner prevê que mais de 40 % dos projetos de IA agêntica sejam cancelados até ao final de 2027, devido ao aumento dos custos, a um valor de negócio pouco claro ou a controlos de risco inadequados.

Fonte: Gartner, comunicado de imprensa, “Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027”, 25 de junho de 2025. [5]

Tempo até à produção

8,2 meses

A Gartner concluiu que, “em média, apenas 48 % dos protótipos de IA chegam à produção” e que passar de um protótipo de IA à produção demora “em média 8,2 meses”.

Fonte: Gartner, Survey Shows How Generative AI Puts Organizational AI Maturity to the Test, Leinar Ramos, Anthony Mullen, Bern Elliot, 23 de abril de 2024.

Investimento inicial

A Gartner estima o investimento inicial para desenvolver agentes de IA entre 2,5 e 4,3 milhões de dólares, face a 1,5 a 2,7 milhões de dólares para os comprar.

Gráfico criado pela Maven AGI com base em estudos da Gartner. Fonte: Gartner, How to Calculate the Value and Cost of AI Agents, [Analyst names], [Publication date].

O esforço contínuo

Manutenção dos modelos
Talento de IA escasso
Capacidade da equipa
Auditorias de conformidade

Desenvolver implica assumir a manutenção dos modelos que caberia a um fornecedor, contratar talento de IA escasso e suportar auditorias de conformidade mais exigentes. A Gartner alerta para o risco de sobrestimar a capacidade da equipa para manter tudo isto.

Fontes: Gartner, How to Calculate the Value and Cost of AI Agents; Choosing Between an Agent Harness or Framework to Build AI Agents; 2027 Planning Guide for Software Architecture and Integration. [Analyst names], [Publication dates].

Metodologia. Os valores são apresentados tal como publicados por cada fonte e não foram ajustados pela Maven AGI. Os gráficos são ilustrações criadas pela Maven AGI a partir dos valores citados. As referências completas constam das Fontes.

As publicações de investigação da Gartner consistem nas opiniões da organização de investigação da Gartner e não devem ser interpretadas como declarações de facto. GARTNER é uma marca registada e marca de serviço da Gartner, Inc. e/ou das suas afiliadas nos EUA e a nível internacional, sendo aqui utilizada com autorização. Todos os direitos reservados.

Quem assume o quê

Controle a experiência. Não a infraestrutura.

Trabalho contínuoSe desenvolver internamenteSe comprar a Maven AGI
Atualizações e descontinuação de modelosOs seus engenheirosMaven AGI
Testes de regressão após cada alteraçãoOs seus engenheirosMaven AGI
Atualização do conhecimentoOs seus engenheirosMaven AGI
Manutenção das integrações à medida que as API mudamOs seus engenheirosMaven AGI
Salvaguardas, conformidade e auditoriaOs seus engenheirosMaven AGI
Revisões de segurança e controlos de dadosOs seus engenheirosMaven AGI
Monitorização e piqueteOs seus engenheirosMaven AGI
As suas políticas, a voz da sua marca e a experiência do clienteVocêContinua a ser você
Comprar não é uma caixa negra
Desenvolva por cima o que é seu.

Através do portal de programadores da Maven, os clientes criaram as suas próprias experiências de chat e integrações personalizadas, como o WhatsApp. Tem o controlo de um desenvolvimento próprio, numa plataforma mantida a funcionar por outros.

Mantenha os seus engenheiros focados no que o diferencia.

A Maven AGI disponibiliza agentes que controla, sem o trabalho de os manter a funcionar. Os nossos clientes entram em produção em dias ou semanas, não em meses.

Fontes

  1. David Wood, “The 60/60 Rule”, em 97 Things Every Project Manager Should Know, O’Reilly. oreilly.com
  2. D. Sculley et al. (Google), “Hidden Technical Debt in Machine Learning Systems”, NeurIPS 2015. neurips.cc
  3. L. Chen, M. Zaharia, J. Zou, “How Is ChatGPT’s Behavior Changing Over Time?”, Harvard Data Science Review, 2024. hdsr.mitpress.mit.edu
  4. MIT NANDA, “The GenAI Divide: State of AI in Business 2025”, segundo a Fortune, 18 de agosto de 2025. fortune.com
  5. Gartner, comunicado de imprensa, “Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027”, 25 de junho de 2025. Cobertura: sdtimes.com
  6. Moffatt v. Air Canada, 2024 BCCRT 149: 812,02 C$ em indemnização, juros e custas. mondaq.com
  7. U.S. Bureau of Labor Statistics, Occupational Outlook Handbook: salário anual mediano dos programadores de software, maio de 2024. bls.gov
  8. U.S. Bureau of Labor Statistics, Employer Costs for Employee Compensation, junho de 2026: os salários representaram 70,0 % dos custos dos empregadores do setor privado. bls.gov
  9. Estudo da IDC com a Lenovo: por cada 33 provas de conceito de IA, 4 chegaram à produção, segundo o CIO.com, 25 de março de 2025. cio.com