O Fim do Custo Marginal Zero: A Nova Realidade do Software

O software passou vinte anos operando como se atender mais um cliente quase não custasse nada. A IA está acabando com essa premissa.

Este é o primeiro de dez ensaios da série A Nova Física do Software, que serão publicados aqui em sequência.

Imagine dois clientes pagando o mesmo preço pelo mesmo produto de inteligência artificial. Um faz cem consultas por mês. O outro faz dez mil. No SaaS clássico, essa diferença de uso quase desapareceria na estrutura de custos. Em um produto de IA, ela pode separar um cliente rentável de outro que destrói margem.

O motivo é simples: cada consulta dispara inferência, consome processamento e gera uma conta. O usuário voltou a custar dinheiro de verdade.

E há um agravante. Uma empresa de inteligência artificial pagava US$ 263 por hora por capacidade de processamento. Meses antes da renovação, recebeu uma nova proposta: US$ 510 pelo mesmo serviço. Ela não consumiria mais. Não entregaria mais. Apenas pagaria quase o dobro pelo insumo.

O custo de servir deixou de ser apenas relevante. Passou também a ser volátil e, em boa medida, determinado por fornecedores que a empresa não controla diretamente.

Faça a conta em números redondos. Antes, 100 de receita deixavam 80 de contribuição. Com a IA, os mesmos 100 podem deixar apenas 45. O preço continua igual. O faturamento continua igual. O unit economics, não.

Boa parte da confusão atual nasce de analisar produtos de IA com os mesmos reflexos que funcionavam no SaaS clássico. Antes de discutir métricas, barreiras ou estratégia, é preciso aceitar a mudança mais básica: a lógica econômica do produto mudou.

Quando receita parecia com lucro

Por cerca de duas décadas, grande parte do software teve uma economia quase mágica.

O software tradicional tinha uma assimetria poderosa: custava caro para construir, mas pouco para distribuir. Depois da primeira versão, atender mais um cliente, ou o mesmo cliente usando dez vezes mais, acrescentava pouco à conta. Havia custos de hospedagem, suporte e implantação. Apenas não eram grandes o bastante para mudar a economia do negócio.

Foi essa propriedade que permitiu ao software, na expressão de Marc Andreessen, “eat the world”: uma vez escrito, ele podia chegar a milhões de usuários por um custo adicional mínimo. Não por acaso, um bom SaaS operava com margens brutas de 70% a 80%.

O que quase todo mundo esqueceu é que isso nunca foi uma lei do software. Foi apenas a característica de uma era: construir era caro, mas servir mais um cliente não custava quase nada.

Unit economics sempre separou duas coisas que o mercado preferiu tratar como iguais. Receita é o que o cliente paga. Valor é o que sobra depois de adquiri-lo e servi-lo.

No SaaS clássico, essa confusão custava pouco. Como servir o cliente era barato, receita e contribuição andavam quase juntas. A IA separou as duas.

Foi nesse mundo que o NRR virou o termômetro definitivo. Se servir o cliente custa quase nada, preservar receita é quase o mesmo que preservar lucro. Na IA, não é. NRR preservado não significa margem preservada.

O custo voltou

A IA muda essa lógica. Cada consulta dispara inferência; cada agente encadeado consome tokens. Isso é um custo de servir de verdade, um COGS que sobe com o uso.

As estimativas variam, mas apontam na mesma direção. Na leitura mais pessimista, as margens brutas ficam entre 0% e 30%. Nos dados reportados pelas próprias empresas de IA, chegaram a 45% em 2025. São números diferentes, mas todos distantes dos 70% a 80% do SaaS clássico.¹

A conclusão é a mesma: o usuário que mais usa o produto deixou de ser praticamente gratuito. Agora, ele pode ser justamente o mais caro.

Dizer que inferência custa dinheiro é a parte fácil. O problema é como esse custo se comporta: cresce com o uso, varia rapidamente e depende de fornecedores que a empresa não controla. Não basta mais contar clientes. É preciso entender o que cada cliente faz, quantas vezes faz e quanto processamento consome. O fornecedor aumenta o preço e sua margem encolhe. Nenhum cliente saiu. Nenhum desconto foi dado. Mesmo assim, os 'unit economics' do negócio pioraram.

Esse custo também não cai sozinho. Cache, roteamento, modelos menores e arquiteturas melhores podem reduzir a conta, mas exigem engenharia. No SaaS clássico, a eficiência vinha quase de carona com a escala. Na IA, ela precisa ser construída. Parte da margem está nas mãos do fornecedor. A outra parte depende da capacidade da empresa de entregar a mesma tarefa consumindo menos.

E há uma medida que importa mais do que parece: o custo por tarefa, não por token. Um modelo mais barato por token pode sair mais caro no fim se consumir muito mais tokens para chegar à mesma resposta.

Ao longo da série, vamos olhar para essa mudança por três lentes: quanto sobra de cada cliente, quem captura o dinheiro na cadeia e por que o avanço da tecnologia nem sempre aparece imediatamente nos resultados.

O custo de servir foi apenas a primeira conta que o software aprendeu a ignorar. A próxima é pior: nem sequer aparece no balanço.

1. A faixa de 0% a 30% é estimativa de Apoorv Agrawal (Altimeter) num seminário de Stanford. Os 45% são a margem bruta agregada que empresas de produtos de IA reportaram em 2025, pelo levantamento da ICONIQ (edição de julho de 2026, cerca de 290 empresas), com projeção de 53% em 2026 e 59% em 2027; é margem de empresa autorrelatada, não a fatia do profit pool, e o número específico da camada de aplicação, 60%, é projeção para 2027. O ponto que importa é que todas essas leituras ficam abaixo dos 70% a 80% do SaaS clássico. Fora da série, estimativas convergentes: margem bruta de SaaS historicamente ~75% ou mais contra ~50% em produtos de IA, e a taxonomia da Bessemer separa “Supernovas” de margem baixa ou negativa das “Shooting Stars” de ~60% (OnlyCFO, ago/2025); mesma direção, níveis conforme a fonte.