A escolha do modelo virou decisão econômica e operacional.
A empresa que mede cada tarefa consegue trocar de modelo sem perder contexto, qualidade ou margem.
Leitores do Radar
Nem todo mundo quer mais conteúdo sobre IA.
Algumas pessoas querem critério.
... leitores já acessaram esta edição do Radar FSTech para separar sinal de ruído no universo da inteligência artificial.
Se você é uma delas, assine o Radar ou compartilhe com alguém que também deveria estar aqui.
O sinal principal
A margem está migrando para o plano de controle.
A Menlo Ventures estima que empresas gastaram US$ 37 bilhões com IA generativa em 2025. US$ 19 bilhões foram para aplicações e software construído sobre modelos.
Os fornecedores de modelos também estão ocupando o workflow. OpenAI inclui Codex, agentes de workspace, conhecimento da empresa e conectores em sua oferta corporativa. Anthropic inclui Claude Code, Cowork, conectores e pesquisa.
Quem constrói aplicações compra capacidade de fornecedores que podem avançar sobre o mesmo trabalho.
O mecanismo
Cada chamada carrega uma decisão de negócio.
Uma aplicação presa a um único modelo herda custo variável, limites de capacidade, mudanças de comportamento e o roadmap do fornecedor.
A documentação do OpenRouter mostra decisões por preço, latência, throughput, disponibilidade, retenção de dados e compatibilidade. Também permite fallbacks quando há erro, indisponibilidade, rate limit ou recusa.
Roteamento útil conecta tarefa, risco, qualidade, custo e avaliação.
Cada execução precisa deixar evidência: tarefa recebida, modelo escolhido, política aplicada, custo, tempo, resultado e avaliação.
O que muda
Meça margem por tarefa.
Duas contas com a mesma mensalidade podem consumir quantidades muito diferentes de inferência. Um agente que repete chamadas, carrega contexto desnecessário ou usa o modelo mais caro em toda decisão corrói margem.
A Menlo também encontrou que 76% dos casos de uso empresariais de IA são comprados. A aplicação pronta ganha velocidade, mas precisa controlar o workflow melhor do que o fornecedor de modelo.
Para a FSTech, isso reforça o padrão source -> object -> view -> action -> eval. O modelo executa uma parte da lógica. O sistema preserva contexto, regras, aprovação e consequência.
Ação recomendada
- Transforme a escolha do modelo em política.
- Meça custo e resultado por tarefa.
- Mantenha regras, permissões e estados fora do fornecedor.
- Crie evals com trabalho real.
- Exercite o fallback antes de precisar dele.
Se o fornecedor principal mudar amanhã, sua operação continua com evidência e margem controladas?
Em observação
Fornecedores avançam sobre aplicações.
Codex, Claude Code, Cowork, conectores e agentes ampliam a superfície competitiva dos laboratórios.
Roteamento vira infraestrutura empresarial.
Custo, latência, privacidade e disponibilidade passam a fazer parte da política de cada execução.
Fontes públicas
- Menlo Ventures, State of Generative AI in the Enterprise
- OpenRouter, Provider Routing
- OpenRouter, Model Fallbacks
- OpenAI, Introducing Codex
- Anthropic, Plans & Pricing
Comece pela base
Antes de dar ação ao agente, desenhe o plano de controle.
O Operational Ontology Starter Kit transforma contexto, regras e tarefas recorrentes em uma primeira ontologia operacional. Comece pela versão gratuita, depois avance quando precisar de templates, mapa de entidades e roteiro de implantação.
