Due Diligence de Unit Economics de IA: Custos de Inferência, Margens Brutas

A due diligence de unit economics de IA é a camada económica da due diligence tecnológica: o teste estruturado de saber se a receita de uma empresa-alvo cresce mais depressa do que os custos de entregar IA, à medida que a utilização aumenta. Situa-se abaixo da análise de produto e tecnologia e coloca uma pergunta mais restrita do que 'a IA é boa?'. Pergunta quanto custa, de facto, servir uma unidade incremental de trabalho entregue — um documento processado, uma consulta respondida, um fluxo de trabalho concluído — e se esse custo cai ou sobe à medida que a base de clientes se expande. As três variáveis centrais são o custo de servir, a sensibilidade da margem bruta e o poder de fixação de preços: quanto custa operar o fluxo de trabalho de IA, quão exposta está a margem a alterações nesse custo e se a empresa consegue manter ou aumentar os preços enquanto os custos se movem.

Esta camada merece um fluxo de trabalho próprio porque o custo das mercadorias de IA se comporta de forma diferente do custo das mercadorias do software tradicional. No SaaS clássico, servir um cliente adicional é quase gratuito, pelo que as margens brutas se agrupam em níveis elevados e a due diligence pode tratá-las como estáveis. Nos produtos de IA, uma grande parte do custo de entrega é variável e medida: cada fluxo de trabalho consome tokens, e cada token é faturado por um fornecedor de modelos ou pago como capacidade de cloud e GPU. Se as margens de uma empresa-alvo se parecem com as do software tradicional ou com algo materialmente mais fino é uma questão empírica sobre a sua própria arquitetura, contratos e mix de clientes, não uma lei de categoria.

A disciplina para as equipas de transação é evitar afirmações generalizadas em qualquer uma das direções. Um comentário que declare que o software de IA é estruturalmente de margem baixa é tão pouco testado como o pressuposto de que os produtos de IA têm margens de SaaS. Os benchmarks de venture capital publicados para 2025 mostram uma grande dispersão dentro da mesma categoria: algumas das empresas de IA que crescem mais depressa operam com margens brutas muito abaixo da norma do software, por vezes negativas ao nível da unidade, enquanto concorrentes de crescimento mais lento se situam muito mais próximos dos níveis do software convencional. Ambos os perfis existem na mesma categoria, ao mesmo tempo. A tarefa na due diligence é localizar a empresa-alvo nesse espectro usando os seus próprios números e, em seguida, testar a durabilidade da sua posição. Este é o complemento económico à perspetiva tecnológica apresentada no nosso quadro de due diligence de fosso competitivo de software AI-native.

Definição: testar se a receita cresce mais depressa do que os custos de inferência, de APIs de terceiros e de alojamento à medida que a utilização pelos clientes aumenta.

Variáveis principais: custo de serviço por fluxo de trabalho e por cliente, sensibilidade da margem bruta a alterações de custos e de utilização, e poder de fixação de preços para manter ou repassar alterações de custos.

Porquê agora: os resultados de margem são específicos de cada empresa e de cada produto, pelo que as médias setoriais e as narrativas de categoria são um mau substituto para a própria estrutura de custos da empresa-alvo.

Disciplina de due diligence: sem afirmações generalizadas sobre margens; o quadro abaixo trata a durabilidade da margem bruta como uma hipótese a ser demonstrada, não assumida.

O primeiro passo analítico é mapear onde se situa efetivamente o custo das mercadorias vendidas da IA. A rubrica visível é a despesa de inferência por token junto dos fornecedores de modelos, faturada por milhão de tokens a preços de tabela que variam conforme o nível do modelo. Em torno disso situam-se as taxas de modelos e de APIs de terceiros para embeddings, transcrição ou outros serviços especializados, o alojamento em cloud e em GPU para modelos auto-hospedados, o armazenamento vetorial e a infraestrutura de recuperação, e a camada de orquestração que encaminha os pedidos entre eles. Envolvendo tudo isto estão os custos humanos que os produtos de IA ainda comportam: tempo de engenharia em prompts e avaliação, apoio ao cliente e, em muitos casos, trabalho de revisão ou de controlo de qualidade sobre o resultado da IA.

A partir desta estrutura, constrói-se um custo variável por fluxo de trabalho e por cliente, o ponto em que esta análise se cruza com a due diligence financeira. Pegue num fluxo de trabalho representativo, meça os tokens consumidos por execução, aplique o preço combinado por token, acrescente a parte dos custos de alojamento, armazenamento e orquestração que escala com a utilização, e inclua o custo humano por unidade quando o resultado é revisto. Repetindo isto por segmentos de clientes obtém-se uma perspetiva de custo de serviço que pode ser confrontada com a receita por cliente para produzir a margem de contribuição por segmento. O resultado raramente é o que a gestão apresenta: a maioria dos materiais da gestão mostra uma margem bruta agregada, não um quadro de custos ao nível do cliente.

Uma conclusão consistente é que o verdadeiro custo de um fluxo de trabalho de IA excede a fatura bruta da API. A fatura de tokens é o número mais legível, pelo que ancora a maior parte da análise interna, mas subestima o custo de entrega de formas previsíveis. Os custos de recuperação e de armazenamento escalam com o corpus documental, não com a receita. A orquestração frequentemente chama modelos mais baratos várias vezes por cada resultado visível. Execuções falhadas, repetições e tráfego de avaliação consomem tokens que nunca chegam a um cliente. E a camada de revisão humana, quando existe, é um verdadeiro custo das mercadorias vendidas que nenhum registo de tokens captura. Um modelo de custo de serviço ao nível da due diligence parte, portanto, da fatura da API, mas tem de ser reconciliado por cima até ao custo de entrega totalmente carregado.

Despesa de inferência por token junto dos fornecedores de modelos, a preços que diferem acentuadamente por nível de modelo e compromisso de volume.

Taxas de modelos e de APIs de terceiros para embeddings, transcrição, filtragem de segurança e outros serviços especializados.

Alojamento em cloud e em GPU para modelos auto-hospedados ou ajustados, incluindo capacidade reservada em vez de consumida a pedido.

Armazenamento vetorial, infraestrutura de recuperação e orquestração, que escalam com o tamanho do corpus e a complexidade do fluxo de trabalho, e não com a receita.

Custos humanos e de apoio: engenharia de prompts, avaliação, revisão de resultados e sucesso do cliente, que fazem parte do custo de serviço embora nenhum registo de tokens os mostre.

A curva de deflação é a tendência mais bem documentada na economia da IA, e é genuinamente acentuada. A análise da a16z aos preços históricos desde o GPT-3 concluiu que, para um LLM de desempenho equivalente, o custo de inferência cai cerca de 10x por ano, com o custo de uma pontuação fixa no MMLU a diminuir por um fator de 1.000 em três anos.[1] O Stanford AI Index 2025 regista que o custo de consultar um modelo com desempenho ao nível do GPT-3.5 no MMLU caiu de 20,00 dólares por milhão de tokens em novembro de 2022 para 0,07 dólares em outubro de 2024, uma redução de mais de 280 vezes em cerca de 18 meses, e nota que, dependendo da tarefa, os preços de inferência de LLM caíram entre 9 e 900 vezes por ano.[2] Essa gama, e não qualquer múltiplo isolado de manchete, é o dado correto para um modelo de margem, que deve tratar a deflação como uma variável de cenário e não como uma constante.

Para a due diligence, a curva corta nos dois sentidos, e a questão não é se os preços caem, mas quem captura a queda. Se as margens brutas de uma empresa-alvo estão a melhorar principalmente porque o seu fornecedor de modelos continua a reduzir os preços de tabela, a melhoria é uma transmissão de uma tendência setorial, e não evidência de uma economia específica da empresa. Em mercados competitivos, os fornecedores tendem a competir essas poupanças: os clientes esperam que os preços caiam à medida que os custos do fornecedor caem, e os concorrentes praticam preços agressivos para ganhar quota de mercado. Uma ponte de margem que dependa de uma deflação contínua dos preços dos fatores de produção deve ser testada contra um cenário em que a deflação abrande, ou em que a concorrência force a empresa-alvo a transferir as poupanças para os clientes. Da mesma forma, uma empresa-alvo cujos custos estão a cair mas cujos preços estão fixados em contrato pode ser uma das verdadeiras vencedoras da tendência; o ponto é identificar, com evidência, em que lado da transmissão a empresa-alvo se situa.

A gestão também tem alavancas de eficiência que pode efetivamente acionar, e as perguntas da due diligence são quais delas a empresa-alvo utiliza e quanto vale cada uma. A a16z atribui a descida dos preços a várias forças independentes: melhor relação custo-desempenho das GPUs, quantização de modelos, otimização de software que reduz os requisitos de computação e memória, modelos mais pequenos treinados com mais dados, melhor afinação por instruções e a concorrência do open-source a comprimir as margens em toda a cadeia de valor.[1] Uma empresa-alvo pode encaminhar pedidos rotineiros para modelos mais pequenos e reservar os modelos de fronteira para casos difíceis, quantizar os modelos que aloja por conta própria, colocar em cache consultas repetidas e reduzir tokens desperdiçados através de uma melhor recuperação de informação. Cada alavanca tem um custo de engenharia e um risco de qualidade, pelo que o teste é verificar se a empresa-alvo tem um roteiro medido para estas alavancas ou se trata a queda dos preços como o seu único plano de margem.

A evidência da deflação: cerca de 10x por ano a desempenho constante, uma queda de mais de 280 vezes para qualidade ao nível do GPT-3.5 em cerca de 18 meses, e descidas de entre 9 e 900 vezes por ano, dependendo da tarefa.[1][2]

Quem captura as poupanças: a empresa-alvo retém os custos de produção em queda como margem, ou a concorrência de preços transfere-os para os clientes? A ponte de margem deve indicar qual das hipóteses, com evidência.

Alavancas de eficiência: encaminhamento de modelos, quantização, cache, otimização de prompts e de recuperação de informação, e modelos mais pequenos para o trabalho rotineiro. Quais estão implementadas, quais estão planeadas e quanto vale cada uma em pontos base de margem bruta?

O teste de stress: reavaliar o perfil de margem assumindo que a deflação dos preços dos fatores de produção abranda significativamente, e ver quanta parte do plano sobrevive.

As margens brutas agregadas escondem a distribuição mais importante num negócio de IA: a relação entre a intensidade de utilização e a rentabilidade. Numa estrutura de custos medida pela utilização, os utilizadores mais intensivos consomem mais tokens, pelo que os clientes que mais valorizam o produto podem ser os mais caros de servir. O teste da due diligence consiste em ordenar os clientes por decis de utilização e calcular a margem de contribuição por cliente — receita menos o custo variável integral de entrega — para cada decil. Se os decis superiores forem os mais rentáveis, o crescimento baseado na utilização está a compor a margem. Se os decis superiores estiverem em contribuição zero ou negativa, o crescimento está a destruir valor na margem e o modelo de preços está desalinhado com a estrutura de custos.

Margem de contribuição ilustrativa por decil de utilização. A forma desta curva, e não a margem bruta agregada, determina se o crescimento da utilização cria ou destrói valor. · Gerado por IA

O alinhamento do modelo de precificação é a segunda metade da análise, e pertence tanto à due diligence comercial quanto ao fluxo de trabalho financeiro. Contratos baseados em assentos desacoplam a receita do consumo: um cliente que dobra seu uso sob um preço fixo de assentos converte a queda dos custos unitários em ganho de margem, mas um cliente que quadruplica o uso pode tornar sua contribuição negativa. Contratos baseados em uso ou híbridos reacoplam a receita ao consumo e repassam os choques de custo, mas expõem o alvo à concorrência de preço sobre um insumo medido. Nenhum modelo é inerentemente superior; a questão é se a estrutura do contrato corresponde à estrutura de custos e se a precificação foi definida tendo em vista a análise de custo de atendimento acima.

Os dados de mercado mostram quão ampla é a dispersão específica de cada empresa. Os benchmarks de 2025 da Bessemer colocam as Supernovas de IA em rápida expansão com margens brutas de cerca de 25%, frequentemente negativas no nível unitário, contra cerca de 60% para as Shooting Stars, que crescem um pouco mais devagar.[3] Na camada de infraestrutura, a TechCrunch relata que a Anthropic espera uma margem de lucro bruto de 50% este ano e 77% até 2028, acima dos 94% negativos do ano anterior.[4] Um laboratório de fronteira e uma empresa de aplicação são negócios diferentes, mas o ponto para a due diligence é a própria dispersão: negócios na mesma categoria abrangem toda a gama, e a posição do alvo é determinada pelo seu próprio mix de uso, estrutura de contratos e disciplina de custos.

A mecânica de repasse completa o quadro. Quando os custos de insumos de IA sobem, seja por mudanças de preço em um provedor de modelos, restrições de capacidade ou consumo mais pesado, o alvo pode reajustar preços? Contratos com preço fixo e sem limites de uso absorvem o choque inteiramente. Contratos com precificação baseada em uso o repassam automaticamente. Compromissos anuais com janelas de renegociação ficam no meio-termo. As perguntas da due diligence são concretas: que parcela da receita é renovada nos próximos doze meses, o que as cláusulas de precificação realmente dizem, e a gestão testou a tolerância dos clientes a aumentos de preço que reflitam custos de entrega mais elevados?

A estrutura se reduz a cinco testes centrais, cada um dos quais deve poder ser respondido a partir de documentos e não da narrativa da gestão. Em conjunto, eles estabelecem se a receita cresce mais rápido do que o custo de atendimento, quais premissas sustentam o perfil futuro de margem da gestão e se a empresa pode repassar o aumento dos custos de IA aos clientes.

Receita versus custo de atendimento: a receita por cliente cresce mais rápido do que o custo variável totalmente carregado por cliente, em cada decil de uso, nos últimos oito trimestres?

Contribuição no nível do cliente: os clientes com maior uso são realmente os mais lucrativos, ou o crescimento está concentrado em clientes com contribuição baixa ou negativa?

Premissas da ponte de margem: o que exatamente impulsiona a melhoria projetada de margem pela gestão — deflação de preços de insumos, alavancas de eficiência, ações de precificação ou mix — e cada fator tem evidências?

Capacidade de repasse: a empresa pode repassar o aumento dos custos de IA aos clientes por meio de termos contratuais, precificação por uso ou reajustes na renovação, e que parcela da receita está protegida?

Dependência de fornecedor e precificação: quão exposta está a base de custos às decisões de preço, capacidade e produto de um único provedor de modelos, e que alternativas existem e a que custo de mudança?

A lista de solicitação de evidências deve entrar na data room cedo, porque esses documentos levam tempo para serem produzidos e são os que mais frequentemente estão ausentes. Faturas de nuvem e de API de todos os provedores, registros de uso de tokens por cliente e por fluxo de trabalho, uma demonstração de resultados no nível do cliente ou, no mínimo, atribuição de receita e custo por conta, contratos com provedores de modelos, incluindo termos de gasto comprometido e tarifas, e os documentos de política de precificação que regem reajustes e repasses. Onde um documento não existe, esse fato é em si uma constatação: um alvo que não consegue atribuir custo por cliente não consegue sustentar sua história de margem.

O risco de concentração na cadeia de valor da IA compreende-se melhor através de um exemplo prático retirado de um documento público. O S-1 da CoreWeave, apresentado antes do seu IPO em 2025, divulgou que a Microsoft era o seu maior cliente em 2023 e 2024, representando 35 por cento e depois 62 por cento da receita.[5] Os seus dois maiores clientes representavam em conjunto 77 por cento da receita de 2024, e os contratos take-or-pay comprometidos, tipicamente com duração de dois a cinco anos, representavam 96 por cento da receita nesse ano.[5] O próprio documento assinalou que qualquer alteração negativa na procura da Microsoft afetaria adversamente o negócio. A lição para a due diligence ao nível da empresa-alvo é estrutural: em todas as camadas da cadeia de valor da IA, um pequeno número de contrapartes controla insumos críticos, e as condições que definem — preços, capacidade, duração dos contratos — fluem diretamente para o custo das mercadorias de uma empresa dependente.

Aplicado a uma empresa-alvo, as questões a montante são diretas. O alvo depende de um único fornecedor de modelos ou de uma única nuvem para a maioria da sua despesa de inferência, e que parte dessa despesa está em tarifas comprometidas em vez de preços de tabela sob demanda? Os contratos de despesa comprometida compram estabilidade de preços e prioridade de capacidade, mas criam custos mínimos que persistem se a utilização decepcionar; os preços sob demanda flexibilizam com a utilização, mas expõem o alvo a movimentos de preços de tabela que não pode controlar. A análise de concentração deve também correr a jusante: um alvo cuja própria receita depende fortemente de um ou dois clientes herda a mesma fragilidade que a CoreWeave divulgou, com a exposição adicional de que os seus maiores clientes podem estar a negociar condições equivalentes com os seus concorrentes.

Os cenários de compressão de margem devem depois ser modelados explicitamente. O caso mais instrutivo recente é o da Anthropic, que, segundo o reporte do TechCrunch, espera uma margem bruta de 50% este ano, contra um valor de -94% no ano anterior, com uma meta de 77% até 2028.[4] Até um laboratório de fronteira com vantagens de escala e os seus próprios programas de eficiência trata a margem como uma trajetória a gerir, não como um número estável. Para uma empresa-alvo, os cenários a testar são: preços de insumos que deixam de cair ou sobem, padrões de utilização que se deslocam para um consumo mais pesado, um grande cliente a renegociar na renovação, e um fornecedor de modelos a alterar a sua estrutura de preços ou a descontinuar um modelo de que o produto do alvo depende.

Para o private equity e M&A, estas conclusões traduzem-se na estrutura do negócio. Onde a durabilidade da margem não puder ser plenamente comprovada, a avaliação deve refleti-lo, seja como um desconto, seja como um preço que assume o cenário de stress em vez do cenário da gestão. Estruturas de earnout podem vincular a contraprestação à margem bruta realizada, alinhando os vendedores com o perfil de margem que representaram. A cobertura de declarações e garantias deve abordar explicitamente os pressupostos de custos: a exatidão da atribuição de custos, as condições dos contratos com fornecedores de modelos e quaisquer obrigações de despesa comprometida que se tornem responsabilidade do comprador no fecho. Nada disto é adversarial; é a resposta padrão a uma estrutura de custos mais dependente de contratos do que a do software tradicional.

A estrutura converte-se num fluxo de trabalho sequenciado que vai do acesso à sala de dados ao comité de investimento. Cada passo corresponde aos testes e benchmarks definidos acima, e cada um produz um artefacto específico que a equipa de negócio pode defender.

Ingerir a sala de dados: conectar-se ao VDR e processar as faturas, contratos, modelos financeiros e materiais da gestão que contêm as evidências de custos, incluindo faturas de nuvem e de API, acordos com fornecedores de modelos e os documentos de política de preços da checklist acima.

Extrair as evidências de custos: extrair registos de utilização de tokens e itens de fatura entre fornecedores, e reconciliar a fatura bruta de API por cima até um custo variável totalmente carregado por fluxo de trabalho, cobrindo alojamento, armazenamento, orquestração e revisão humana.

Construir a visão de custo de serviço: construir a margem de contribuição por cliente e por decil de utilização, e confrontá-la com a receita por cliente para estabelecer se os utilizadores mais intensivos são os mais rentáveis.

Testar a ponte de margem sob stress: decompor o perfil de margem projetado pela gestão em deflação de preços de insumos, alavancas de eficiência e ações de preços, e reavaliá-lo num cenário de deflação abrandada, comparando com os dados de margem do BVP State of AI 2025.[3]

Empacotar as conclusões: reunir as conclusões sobre margem e concentração, os sinais de alerta e a análise de repasse num memorando fundamentado em evidências para o comité de investimento.

A Plausity apoia cada passo deste fluxo de trabalho. A Data Room Ingestion conecta-se ao VDR e processa faturas, contratos e modelos financeiros em minutos, para que as evidências de custos entrem na análise imediatamente, em vez de esperar por indexação manual. O AI-Analysis Engine lê e cruza esses documentos, ligando itens de fatura e registos de utilização ao modelo da gestão e destacando onde os números não batem certo. O Risk Radar avalia as conclusões por materialidade, impacto financeiro e relevância para o negócio, de modo que os riscos de compressão de margem e concentração de fornecedores sejam classificados juntamente com o resto do registo de riscos. O Report Builder redige o memorando fundamentado em evidências com rastreabilidade total das fontes até aos documentos subjacentes, e o Collaboration Hub mantém os fluxos de trabalho alinhados à medida que a visão de custo de serviço, a ponte de margem e os materiais para o IC se juntam. O resultado é uma análise de margem em que cada número remete para um documento na sala de dados, que é o padrão que os cinco testes acima exigem.

A Plausity é uma plataforma de Due Diligence e deal intelligence AI-native que ajuda firmas assessoras M&A, fundos VC e PE, equipas de corporate development e equipas de investment banking a estruturar evidências, findings e perguntas ao longo de uma Data Room. A Plausity apoia a extração de evidências, o source grounding, a gestão de findings e a preparação do Investment Committee — não substitui analistas, consultores nem profissionais de investimento, não fornece aconselhamento legal, fiscal, de auditoria, regulatório ou de investimento, e não toma decisões de investimento autónomas. Todos os findings requerem revisão humana.

Para explorar as capacidades subjacentes, veja o motor de análise IA da Plausity e a página Findings & Risk Intelligence. Para workflows por equipa, veja como os fundos VC e PE e as firmas assessoras M&A usam a Plausity em deals ativos.

1. [1] a16z.com — https://a16z.com/llmflation-llm-inference-cost/
2. [2] hai.stanford.edu — https://hai.stanford.edu/ai-index/2025-ai-index-report/research-and-development
3. [3] bvp.com — https://www.bvp.com/atlas/the-state-of-ai-2025
4. [4] techcrunch.com — https://techcrunch.com/2025/11/04/anthropic-expects-b2b-demand-to-boost-revenue-to-70b-in-2028-report/
5. [5] crn.com — https://www.crn.com/news/ai/2025/7-things-to-know-about-coreweave-s-s-1-top-customers-revenue-and-more