Sua IA é cara, alucina e ninguém usa. Os três erros.

Em fevereiro de 2024, um tribunal canadense condenou a Air Canada a indenizar um passageiro porque o chatbot da empresa inventou uma política de reembolso que não existia. O valor da indenização foi modesto, pouco mais de oitocentos dólares canadenses. Mas o precedente foi caro: a partir daquela decisão, qualquer empresa que coloca um modelo de linguagem na frente do cliente responde pelo que esse modelo inventa.

A história importa menos pelo dinheiro e mais pelo que escancarou. A Air Canada não é uma startup. Tem time de tecnologia, comitê de risco, fornecedor de chatbot contratado. E ainda assim colocou um modelo no ar sem amarras, sem fonte de verdade, sem governança. Hoje, dois anos depois, a maior parte das empresas brasileiras que estão entrando em IA generativa está exatamente no mesmo lugar.

A diferença é que o Banco Central, a CVM e o EU AI Act já estão olhando.

Os números que invertem a intuição

A McKinsey publicou em março de 2025 o relatório anual State of AI. Setenta e oito por cento das empresas pesquisadas declararam usar IA em pelo menos uma função. Setenta e um por cento já operam com IA generativa.

Mas só 5% dos pilotos geram impacto mensurável em P&L. Apenas 5,5% dos respondentes afirmam que a IA contribui de forma significativa para o EBIT. Quase dois terços ainda não escalaram nada para além do laboratório.

Esse abismo entre adoção e resultado tem três causas estruturais, e nenhuma delas é o modelo escolhido.

A primeira é o custo invisível do token. A Anthropic mantém uma tabela pública de preços. Claude Opus 4.8 cobra US$ 5 por milhão de tokens de entrada e US$ 25 por milhão de saída. O Claude Haiku 4.5 cobra US$ 1 e US$ 5, cinco vezes mais barato. O Gemini 3 Flash do Google cobra US$ 0,50 e US$ 3,00, dez vezes mais barato que o Opus no input. Numa empresa que processa cem milhões de tokens por mês, a diferença entre rodar tudo no modelo top e segmentar por tarefa é a diferença entre US$ 2.500 e US$ 250 mil de fatura mensal.

A segunda é alucinação. O Hallucination Leaderboard da Vectara, que mede de forma padronizada quanto cada modelo inventa quando deveria resumir, traz um dado que costuma surpreender quem nunca mediu. O Claude Opus, modelo premium, alucina 10,1% das vezes. O Claude Sonnet, modelo médio, alucina 4,4%. O Gemini 2.0 Flash, modelo barato, alucina 0,7%. O modelo mais caro alucina quatorze vezes mais do que um modelo barato bem configurado. Pagar mais não compra menos invenção. Pode comprar mais.

A terceira é governança. O EU AI Act entrou em vigor em agosto de 2024 e suas obrigações para modelos de propósito geral passaram a valer em 2 de agosto de 2025. A partir de **2 de agosto de 2026, daqui a seis semanas, no momento em que escrevo este post, **a Comissão Europeia ganha o poder de aplicar multas. As sanções vão de € 7,5 milhões ou 1% do faturamento global para falhas de informação, € 15 milhões ou 3% para sistemas de alto risco mal documentados, e € 35 milhões ou 7% do faturamento global para usos proibidos, o que for maior.

Para qualquer fintech brasileira que opere ou processa dados de cidadãos europeus, isso é amanhã.

Some isso ao fato de que a IDC projeta US$ 3,4 bilhões de investimento em IA no Brasil em 2026, com 67% das instituições financeiras já em adoção e fica claro que estamos no momento em que muito dinheiro está sendo gasto rápido, em uma tecnologia que poucos times sabem operar com rigor.

Erro número um: queimar token sem perceber

A maior parte das empresas que vejo entrando em IA escolhe um único modelo, normalmente o mais conhecido, e roda absolutamente tudo nele. Classificação de email, resumo de chamado, busca semântica em base interna, geração de relatório executivo, conversa com cliente. Tudo no mesmo modelo, normalmente o mais caro.

A consequência é uma fatura mensal que cresce de forma não-linear com o uso, sem que o time entenda por quê.

A arquitetura correta é mundana: cada tarefa pede um modelo. Classificar a intenção de uma mensagem de cliente é trabalho que um Haiku ou um Gemini Flash resolve em milissegundos por US$ 0,50 a US$ 1 por milhão de tokens. Sintetizar uma análise de risco complexa, comparar três relatórios contraditórios, escrever um documento técnico denso, aí faz sentido pagar pelo Opus ou pelo Sonnet 4.6, porque a qualidade do raciocínio compensa o custo.

Quando se desenha assim, com prompt caching ativado (até 90% de desconto no token cacheado) e batch API onde a latência permite (50% off), o custo total da operação cai numa proporção que nenhuma equipe acredita até medir. Vi clientes saindo de US$ 80 mil/mês para US$ 7 mil/mês operando exatamente o mesmo volume, com a mesma qualidade percebida, só por especializar a chamada.

Erro número dois: tratar alucinação como bug, não como propriedade

Toda LLM alucina. É uma propriedade matemática, não uma falha de engenharia. O modelo está completando texto baseado em probabilidade. Se a probabilidade do que é verdadeiro é menor do que a do que parece verdadeiro, ele inventa.

A reação ingênua a isso é: vou trocar de modelo. A Vectara mostra que essa estratégia falha. Modelos novos não alucinam menos só por serem novos. Modelo caro não alucina menos por ser caro.

O que reduz alucinação é arquitetura. Especificamente, dar ao modelo uma fonte de verdade autoritativa e desenhar a aplicação para que ele consulte essa fonte antes de gerar a resposta. Em 2025 isso ganhou um nome e um padrão: Model Context Protocol, ou MCP, lançado pela Anthropic em novembro de 2024 como protocolo aberto.

O MCP define uma camada de servidores que expõem dados e funções ao modelo de uma forma padronizada. Em vez de cada aplicação inventar sua maneira de conectar a um banco de dados, a uma API interna, a um sistema legado, o modelo conversa com servidores MCP no padrão. Quando o usuário pergunta “qual a tarifa do plano X para o cliente Y”, o modelo não inventa. Ele consulta o servidor MCP que tem acesso ao sistema de tarifação, recebe a resposta canônica, e devolve.

A adoção do MCP foi excepcional. Em março de 2025 a OpenAI adotou o padrão. Em dezembro de 2025 a Anthropic doou o protocolo para a Linux Foundation, na recém-criada Agentic AI Foundation, cofundada com a Block e a OpenAI. Em doze meses, o ecossistema saiu de 100 mil para mais de 8 milhões de downloads e 5.800 servidores ativos. É um dos casos mais rápidos de consolidação de padrão na história da tecnologia recente.

Para fintechs, isso muda o jogo. O chatbot que responde sobre tarifas, limites, processos, fluxos KYC, não precisa mais especular. Ele consulta o servidor MCP da empresa, que devolve a verdade do core, da política, do compliance. A taxa de alucinação cai de dois dígitos para próximo de zero, não porque o modelo é melhor, mas porque ele parou de adivinhar.

Erro número três: tratar IA como projeto, não como capacidade

O terceiro erro é menos técnico e mais organizacional, mas vale dinheiro igual. A maior parte das empresas trata IA como um projeto isolado: contrata uma consultoria, faz um piloto, mede, segue ou desiste. Quando segue, normalmente não escala. Quando desiste, descarta o investimento.

A razão é que IA não é projeto. É camada arquitetural, como banco de dados, como mensageria, como observability. Não existe “projeto de banco de dados” depois que a empresa madurou. Existe “uso de banco de dados em cada serviço”. IA generativa, em três anos, vai ser igual.

O que distingue as empresas que estão no 5% que captura valor das que estão no 95% que não captura é exatamente isso: as primeiras tratam IA como capacidade transversal, com governança, com escolha consciente de modelo por tarefa, com auditoria do que entra e do que sai. Em dezembro de 2023 foi publicada a ISO/IEC 42001, primeira norma certificável de gestão de IA do mundo. Empresas como Microsoft, SAP e Almawave já obtiveram a certificação em 2025. Para companhias que querem vender pra empresa grande, ela vai virar pré-requisito de RFP em menos de dezoito meses.

Onde vive a Diletta nessa conversa

Em vinte anos construindo software, a Diletta atravessou três ciclos tecnológicos: mobile, cloud, e agora IA generativa. O que aprendi nesses três ciclos é que o atalho não existe, mas a curva de aprendizado pode ser comprimida quando o time que entra na sua empresa já fez isso quarenta vezes antes.

Nosso serviço de IA opera em três frentes que respondem diretamente aos três erros acima.

Especialização por modelo, não por marca. A arquitetura que entregamos roteia cada chamada para o modelo certo. Classificação simples vai pra modelo barato. Raciocínio complexo vai pro modelo top. Tarefa que pode esperar vai pra batch. Resultado que se repete vai pra cache. Não tem preferência ideológica entre Anthropic, OpenAI, Google ou modelo open source rodando local. Tem preferência pelo que entrega o resultado certo no menor custo.

MCP construído sob medida. Em vez de plugar um chatbot genérico na frente do seu sistema, construímos os servidores MCP que conectam o modelo às fontes de verdade da sua empresa: core banking, políticas, base de produtos, histórico do cliente, regras de compliance. O modelo deixa de adivinhar. Ele consulta.

Transferência de conhecimento. Squad da Diletta entra junto, mas sai junto também. O time interno do cliente termina o projeto sabendo operar, evoluir e auditar a stack. Quando vamos embora, o que fica não é uma caixa preta. É um time que sabe trocar de modelo em horas, que sabe medir alucinação por feature, que sabe ler a fatura de token e identificar onde está vazando.

Esse é o atalho real para a IA. Não é uma ferramenta nova. É um modelo de operação maduro, implantado em quatro a doze semanas, com governança alinhada ao que o regulador europeu e brasileiro vão exigir nos próximos doze meses.

Três perguntas que você deve se fazer

Termino como nos pilares anteriores: três perguntas que funcionam como termômetro.

Qual é a sua fatura mensal de token, segmentada por caso de uso? Se a resposta é um número agregado, sem visibilidade do que cada feature consome, você está pagando mais do que deveria. Provavelmente entre cinco e dez vezes mais.

Qual é a taxa de alucinação do seu chatbot ou copiloto interno, medida em produção? Se a resposta é “não medimos” ou “tem um filtro no final”, você está exposto a um caso Air Canada esperando para acontecer. E em 2026, com o EU AI Act ativo, o custo é outro.

Se o regulador bater à sua porta amanhã pedindo a documentação do seu sistema de IA, em quanto tempo você entrega? Se a resposta passa de quarenta e oito horas, você ainda não tem um sistema de gestão de IA. Tem um conjunto de pilotos. Em dezoito meses, ISO/IEC 42001 vai estar onde SOC 2 está hoje.

O ciclo da IA generativa vai dividir as empresas em duas categorias. As que entenderam que o jogo é arquitetura e governança, e as que continuaram comprando modelo achando que mais caro é melhor. As primeiras vão dominar o mercado nos próximos cinco anos. As segundas vão financiá-las com a fatura mensal.

A diferença entre as duas é uma decisão que se toma esta semana.

Fontes citadas neste post:

McKinsey & Company. The State of AI 2025: How organizations are rewiring to capture value. Março 2025. mckinsey.com/quantumblack
Anthropic. Pricing — Claude API. platform.claude.com/docs/en/about-claude/pricing
Vectara. HHEM Hallucination Leaderboard. github.com/vectara/hallucination-leaderboard
Anthropic. Introducing the Model Context Protocol. Novembro 2024. anthropic.com/news/model-context-protocol
Linux Foundation. Agentic AI Foundation — MCP governance. Dezembro 2025.
Court of British Columbia Civil Resolution Tribunal. Moffatt v. Air Canada, 2024 BCCRT 149. Fevereiro 2024.
Comissão Europeia. Regulamento (UE) 2024/1689 — AI Act. Aplicação progressiva 2024–2027. digital-strategy.ec.europa.eu
ISO/IEC. Norma 42001:2023 — Artificial Intelligence Management System. iso.org/standard/42001
IDC. Investimentos em IA no Brasil — projeção 2026. Fevereiro 2026.