O 80/20 dos Custos de Tokens de IA

Estava gastando mais do que esperava em tokens de IA antes de olhar pra onde o dinheiro estava indo.

Descobri que a maior parte do meu uso de tokens vinha de poucos workflows. E boa parte disso era desperdício.

O Problema Que Ninguém Rastreia

A maioria dos desenvolvedores usando assistentes de IA não faz ideia de quanto gasta. O custo é abstraído. Você paga uma assinatura ou bate em uma API e não pensa em tokens individuais.

Mas tokens acumulam. Rápido.

Uma sessão típica de coding pode usar:

  • 50K tokens lendo contexto de arquivos
  • 30K tokens em conversa ida e volta
  • 20K tokens em outputs de ferramentas (git status, ls, resultados de grep)
  • 10K tokens em resposta realmente útil

São 110K tokens pra talvez 10K tokens de valor. Uma proporção de 10:1 de overhead pra output.

Onde Vive o Desperdício

Depois de rastrear meu uso por um mês, encontrei três fontes principais de desperdício:

1. Carregamento de contexto redundante

Toda vez que começava uma conversa nova, a IA relia arquivos que tinha acabado de ler. O mesmo arquivo de 500 linhas sendo carregado várias vezes. Mesmo README. Mesmos arquivos de config.

2. Outputs de ferramentas verbosos

Comandos como git status com muitos arquivos, ou ls -la em diretórios grandes, despejam milhares de tokens no contexto. A maior parte dessa informação não é relevante pra tarefa atual.

3. Padding conversacional

”Claro! Fico feliz em ajudar com isso. Deixa eu dar uma olhada no código e ver o que está acontecendo aqui…” São 30 tokens de nada antes da resposta real começar.

As Correções

Para contexto redundante:

  • Use persistência de sessão quando disponível. Mantenha a mesma conversa em vez de começar do zero.
  • Seja explícito sobre qual contexto a IA já tem. “Você já leu o módulo de auth” evita uma releitura.
  • Estruture o trabalho em sessões focadas. Uma tarefa por conversa, não tudo misturado.

Para outputs de ferramentas verbosos:

  • Filtre outputs antes de chegarem no contexto. Um git status que mostra só arquivos alterados ao invés da árvore completa.
  • Use comandos direcionados. grep -l pattern pra encontrar arquivos, depois head -20 file ao invés de ler tudo.
  • Faça proxy de ferramentas através de filtros que removem informação irrelevante.

Para padding conversacional:

  • Configure modos de output terso se seu assistente de IA suportar. Respostas diretas, sem formalidades.
  • Peça formatos específicos. “Responda em uma frase” ou “Só o comando, sem explicação.”
  • Use system prompts que desencorajam preenchimento.

Medindo Seu Uso

Você não consegue otimizar o que não mede. Veja como começar:

Se usando uma API diretamente:

Logue toda requisição e resposta com contagem de tokens. A maioria das SDKs expõe isso nos metadados da resposta.

const response = await anthropic.messages.create({...});
console.log({
  input_tokens: response.usage.input_tokens,
  output_tokens: response.usage.output_tokens,
});

Se usando Claude Code ou ferramentas similares:

Cheque o sumário da sessão depois de trabalhar. Procure padrões no que consome mais tokens.

Rastreie ao longo do tempo:

Um único dia não te conta muita coisa. Rastreie por uma semana. Identifique quais workflows são caros e por quê.

O Princípio de Pareto em Ação

Quando analisei meu uso, encontrei:

  • 3 workflows específicos representavam 70% do meu gasto de tokens
  • 2 desses workflows podiam ser otimizados sem mudar como eu trabalho
  • O terceiro precisava de uma abordagem totalmente diferente

As correções:

  1. Workflow de code review: Estava carregando arquivos inteiros quando só precisava do diff. Mudei pra carregar só as linhas alteradas. 60% de redução nesse workflow.

  2. Workflow de debugging: Estava deixando a IA ler qualquer arquivo que quisesse explorar. Adicionei um passo de confirmação pra arquivos grandes. 40% de redução.

  3. Workflow de documentação: Estava pedindo pra IA escrever docs lendo o codebase inteiro. Mudei pra uma abordagem incremental: outline primeiro, depois preencher seções. 80% de redução, melhor qualidade de output.

Workflows Conscientes de Tokens

Quando você está ciente de custos de tokens, começa a desenhar workflows diferente:

Incremental ao invés de abrangente. Não peça pra IA entender tudo de uma vez. Construa entendimento em etapas.

Leituras direcionadas ao invés de exploração ampla. Aponte a IA pra arquivos específicos ao invés de “olhe o codebase.”

Outputs estruturados ao invés de forma livre. Respostas JSON com campos específicos são mais eficientes que explicações em prosa.

Cache onde possível. Se você vai fazer a mesma pergunta de novo, salve a resposta localmente.

O Cálculo de ROI

Digamos que você gasta $150/mês em tokens de IA. Você implementa as otimizações acima e corta pra $50/mês.

São $100/mês economizados. $1.200/ano.

Mas o ganho real não é o dinheiro. É espaço na janela de contexto. Quando você não está desperdiçando tokens em overhead, consegue encaixar mais informação útil em cada sessão. A IA tem mais espaço pra raciocinar sobre seu problema real.

Menos tokens gastos em ruído significa mais tokens disponíveis pra sinal.

Começando

  1. Meça primeiro. Passe uma semana rastreando pra onde seus tokens vão antes de otimizar.

  2. Mire nos maiores ofensores. O princípio de Pareto se aplica. Alguns workflows geram a maior parte do custo.

  3. Automatize as correções. Vigilância manual não escala. Construa as otimizações nas suas ferramentas. Ferramentas como RTK podem filtrar automaticamente outputs verbosos de comandos, cortando 60-80% do desperdício de tokens sem mudar como você trabalha.

  4. Re-meça. Verifique se as correções funcionaram. Às vezes “otimizações” só movem o custo pra outro lugar.

Eficiência de tokens não é sobre ser pão-duro. É sobre ser intencional com o recurso mais restrito no desenvolvimento assistido por IA: espaço na janela de contexto.