Quanto custa trocar atendimento humano por tokens? O caso Vivara em números, e onde dá para gastar bem menos

Em setembro, a Vivara contou em matéria da Consumidor Moderno como o Vick, seu agente de IA no WhatsApp, mudou a operação de atendimento. Os números divulgados pela empresa chamam atenção:

• o agente resolve sozinho 75% dos atendimentos; os outros 25% vão para uma equipe especializada;
• os contatos sobre “status do pedido” caíram de 40% para 10 a 14% do total;
• na Black Friday de 2025, com o agente no segundo mês de operação, o volume subiu mais de 50% e o repasse para pessoas ficou 13% abaixo do ano anterior;
• o CSAT ficou em 80 pontos.

A pergunta que todo gestor faz em seguida é: quanto isso vale em dinheiro? A matéria não traz volume, tamanho de equipe nem custo, então montamos um modelo com premissas explícitas. Ajuste para a sua operação e a conta se ajusta.

Premissas

A troca: pessoas por tokens

Com o agente resolvendo 75%, o volume que chega às pessoas cai de 50 mil para 12,5 mil atendimentos por mês. A equipe equivalente vai de algo como 83 para 21 atendentes, e o custo de pessoas, de R$ 400 mil para R$ 100 a 140 mil por mês (os casos que sobram são os difíceis, que levam mais tempo).

Mas o mais importante não é a média do mês, é o pico. Custo de pessoas é fixo e dimensionado pela demanda mais alta: na Black Friday, é contratar e treinar temporários. Custo de IA é variável: cresce com o volume, sem contratação. No caso da Vivara, sem o agente as pessoas teriam recebido 1,5 vez o volume do ano anterior; com ele, receberam 0,87. São cerca de 42% menos atendimentos humanos exatamente no pico, que é onde o custo fixo mais pesa.

Quanto custa o lado da IA

Aqui aparece um detalhe que quase ninguém separa: um agente de IA não faz uma coisa só. Numa conversa típica de atendimento, ele:

1. entende o motivo do contato;
2. decide se resolve sozinho ou se passa para uma pessoa;
3. busca dados (o pedido, a fatura, o protocolo);
4. escreve as respostas;
5. no fim, tabula o atendimento.

Nos agentes montados só com LLM (os modelos que geram texto), todas essas etapas passam pelo LLM, a cada mensagem, com o histórico da conversa inteiro no contexto. Uma conversa de umas dez mensagens consome facilmente 40 mil tokens de entrada.

Só que as etapas 1, 2 e 5 não precisam escrever nada. São decisões com resposta numa lista: qual o motivo, resolve ou transfere, qual tabulação. É exatamente o trabalho de um modelo de decisão, como o L17 Decide e o L17 Qualifica: leem o texto uma vez e devolvem a escolha com a probabilidade de cada opção, em dezenas de milissegundos, por cerca de R$ 0,0002 por decisão.

E a etapa 3, em boa parte dos casos, também não precisa de LLM: “onde está meu pedido” se responde com o dado do sistema num modelo de mensagem. O LLM fica só onde é preciso escrever de verdade.

A conta, por conversa

Estimativa de custo de tokens por conversa resolvida pela IA, com preços típicos de mercado para um LLM intermediário e para um LLM de ponta:

Para 37,5 mil conversas por mês (os 75% do exemplo), isso é a diferença entre R$ 30 mil e R$ 5 mil por mês com um LLM de ponta. Cerca de seis vezes menos, e com três ganhos que não aparecem na tabela:

• velocidade: a decisão sai em milissegundos, não em segundos, e a primeira resposta ao cliente chega antes;
• controle: a resposta é sempre uma das opções previstas, nunca um texto inventado;
• probabilidade calibrada: o “passar para a pessoa” deixa de ser uma regra fixa e vira um limite de confiança. Acima dele, a IA resolve; abaixo, transfere. É assim que se chega aos 75% sem sacrificar o CSAT.

Uma ressalva honesta

O custo técnico é pequeno em qualquer das arquiteturas, perto dos R$ 8 de um atendimento humano. Na prática, o que mais pesa na conta da IA costuma ser o modelo de cobrança do fornecedor: há plataformas que cobram por atendimento resolvido pela IA (a Intercom, por exemplo, anuncia US$ 0,99 por resolução). Por isso, ao comparar propostas, a pergunta certa é: quanto custa cada atendimento resolvido pela IA, comparado ao custo do atendimento humano na sua operação? E vale perguntar também quais etapas usam LLM e quais não precisariam.

O que o caso ensina

1. Medir o motivo do contato veio antes do resultado. Só dá para dizer que “status do pedido” caiu de 40% para 14% porque o motivo era medido. Tabulação confiável é pré-requisito, não detalhe.
2. O resultado aparece no pico. A melhor métrica não é a média do mês, é quanto de pessoas você deixou de precisar na Black Friday.
3. Nem toda etapa precisa de LLM. Separar decisão de conversa deixa a IA mais barata, mais rápida e mais previsível.

Como disse a própria Vivara: “Com a IA, sem uma base estruturada de dados, a gente só escala um dado ruim.”

Fontes

• Consumidor Moderno: Agente de IA da Vivara filtra 75% dos atendimentos e muda operação da companhia (24/09/2026)
• Consumidor Moderno: Menos tecnologia, mais resultado: como a Vivara elevou a produtividade em 80%

Os valores de custo são estimativas da Logo17 a partir das premissas acima, não números divulgados pela Vivara ou por seus fornecedores. Os números do caso são os informados pela empresa.