O artigo publicado hoje pela CFO da OpenAI, Sarah Friar, é o reconhecimento mais explícito que a empresa já fez de um problema real: a maioria das empresas que adotou IA nos últimos dois anos ainda não sabe medir se está tendo retorno. A métrica dominante — custo por token — é a errada, porque um modelo mais barato por token pode ser mais caro por resultado se errar com mais frequência e exigir mais tentativas e revisão humana. O framework proposto tem quatro métricas que, juntas, formam o que a Friar chama de "Inteligência Útil por Dólar":
Quanto trabalho útil é feito?
Quantos chamados de suporte foram resolvidos? Quantas revisões de contrato foram feitas? Quanto tempo foi devolvido para as pessoas? A IA só cria valor quando tokens se transformam em trabalho que as pessoas podem usar.
Qual o custo por tarefa bem-sucedida?
Some o custo total de completar o trabalho (modelo + tempo da equipe + revisão + retrabalho) e divida pelo número de tarefas que atingiram a barra de qualidade. Esse é o custo real — não o custo por token.
Com que frequência a IA acerta?
Classifique cada resultado em: pronto para usar, precisa de correção, ou precisa de escalada humana. Esses três números dizem mais sobre confiabilidade do que qualquer benchmark de precisão de modelo.
Cada dólar compra mais trabalho conforme escala?
Acompanhe o mesmo fluxo ao longo do tempo. Se o trabalho concluído cresce mais rápido que o custo total enquanto a qualidade se mantém, cada dólar de IA está produzindo mais valor.
O artigo também revela dados concretos sobre o GPT-5.6, lançado na semana passada: o modelo Sol atingiu 72,7% no índice DeepSWE — benchmark de engenharia de longa duração — superando o Claude Fable 5 (69,9%) com 36,2% menor custo estimado de API. Em eficiência de tokens, o GPT-5.6 Sol usa 54% menos tokens de saída que o principal modelo concorrente no mesmo índice, o que ilustra diretamente a métrica 2 do scorecard: modelo mais caro por token pode ter custo por tarefa bem-sucedida mais baixo.
📐 A fórmula do custo por tarefa — aplique agora
Some todos os custos: modelo de IA + tempo da equipe na tarefa + revisão + retrabalho + latência
Conte apenas as tarefas que atingiram a barra de qualidade definida (não as tentativas)
Divida o custo total pelo número de tarefas bem-sucedidas
Custo real por tarefa = Custo total ÷ Tarefas bem-sucedidas
Para gestores e PMEs brasileiras, o scorecard resolve um problema concreto: como justificar o investimento em IA para o dono ou para o conselho sem apelar para métricas vagas como "economia de tempo estimada". A métrica 3 — classificar resultados em "pronto para usar", "precisa de correção" e "precisa de escalada" — é especialmente útil para quem usa IA em atendimento ao cliente, revisão de documentos ou geração de relatórios, porque transforma a percepção subjetiva de qualidade em número rastreável. Para entender quanto custa implementar agentes de IA no Brasil e calcular o payback, veja nosso guia: Quanto custa um agente de IA em 2026? Tabela de preços reais por projeto.
🖊️ Na nossa avaliação
O scorecard da Sarah Friar é o documento mais útil que a OpenAI publicou para gestores — e não é coincidência que a CFO tenha escrito esse artigo exatamente agora. O mercado está em um ponto de inflexão: as empresas que adotaram IA em 2024 e 2025 estão sendo pressionadas a mostrar ROI real. A resposta "estamos economizando tempo" não está mais convencendo conselhos que precisam ver número. O framework de quatro métricas é direto, aplicável e serve para qualquer setor — do atendimento ao cliente à contabilidade. A parte mais honesta do artigo é o reconhecimento implícito de que custo por token foi a métrica errada o tempo todo. O próximo passo para qualquer empresa que usa IA é escolher um workflow, definir o que é "feito" nesse workflow, e começar a medir.
📩 Receba análises como esta toda semana no seu e-mail Assine o Algoritmo Diário — gratuito, sem spam