greenai.guide

Início › Artigos › IA agêntica e desperdício de tokens

Artigo

IA agêntica e desperdício de tokens

Atualizado · 5 min de leitura

Em resumo

Agentes de IA executam tarefas em muitas etapas, chamando modelos e ferramentas repetidas vezes, de modo que um único pedido pode usar muitas vezes mais tokens que um chat. Sistemas multiagente multiplicam isso e, quando os agentes entram em loop ou não se entendem, os tokens são desperdiçados. Orçamentos, limites de etapas, detecção de loops e modelos do tamanho certo mantêm os agentes úteis sem gastar energia à toa.

Pontos-chave

  • Um agente faz muitas chamadas ao modelo por tarefa, então seu uso de tokens, e de energia, pode ser muitas vezes maior que o de um único chat.
  • Sistemas multiagente multiplicam de novo o uso de tokens, o que só compensa em tarefas valiosas e complexas o bastante para exigir isso.
  • Agentes podem ficar presos em loops ou repetir trabalho, consumindo tokens sem avançar.
  • Limites rígidos de etapas, tokens, tempo e gasto, além de um monitoramento capaz de interromper uma execução travada, são salvaguardas básicas.
  • Dimensionar bem significa usar um único agente, um modelo pequeno ou nenhum agente quando a tarefa permitir.

Agentes de IA são sistemas que trabalham rumo a um objetivo em várias etapas, escolhendo quais ferramentas chamar e o que fazer em seguida. Eles podem fazer reservas, pesquisar, escrever código, testá-lo e tentar de novo. Essa autonomia é útil, mas cada etapa é mais uma chamada a um modelo, e os custos se acumulam de um jeito que não acontece em um único chat.

O que torna os agentes caros?

Um agente chama um modelo muitas vezes por tarefa, e cada chamada costuma incluir o histórico crescente da tarefa até ali. O uso de tokens, e portanto de energia, cresce a cada etapa, chamada de ferramenta e nova tentativa.

Um token (unidade de texto) é um pedaço de texto, mais ou menos parte de uma palavra, que um modelo lê ou escreve. Cada token processado custa computação. Em um chat, uma pergunta gera uma resposta. Em um agente, um único pedido pode disparar dezenas de chamadas ao modelo: planejar, pesquisar, ler resultados, escrever, verificar e revisar.

A Anthropic descreveu isso em 2025, em um relato sobre a construção do seu sistema de pesquisa multiagente. Ela relatou que os agentes normalmente usavam cerca de quatro vezes mais tokens que interações de chat, e os sistemas multiagente cerca de quinze vezes mais. Também constatou que, no seu benchmark de navegação, o uso de tokens sozinho explicava 80% da variância no desempenho: os sistemas se saíam melhor em grande parte porque gastavam mais.

Essa é uma troca justa para uma tarefa difícil e valiosa. Para uma tarefa simples, é desperdício.

Há evidências sobre o uso de energia dos agentes?

As primeiras pesquisas apontam na mesma direção. Kim, Shin, Chung e Rhu (2025) compararam fluxos de trabalho agênticos, com várias rodadas, com a inferência de rodada única, do ponto de vista da infraestrutura de data center. Eles constataram que os agentes usavam bem mais energia, que os ganhos de precisão mostravam retornos decrescentes à medida que mais computação era gasta, e que os custos de infraestrutura de escalar agentes dessa forma poderiam se tornar insustentáveis.

Números medidos em implantações reais ainda são escassos, porque os provedores raramente os publicam. Veja a medição é o gargalo.

Como os agentes desperdiçam tokens?

Fazendo trabalho que não faz a tarefa avançar. Padrões comuns incluem:

  • Loops. Um agente repete a mesma ação, ou dois agentes ficam devolvendo um problema um para o outro.
  • Verificação em excesso. Cada etapa é revisada por outra chamada ao modelo, mesmo onde um teste simples bastaria.
  • Inchaço de contexto. Documentos inteiros, logs ou saídas de ferramentas são carregados em todas as etapas seguintes.
  • Tempestades de novas tentativas. Uma falha dispara tentativas repetidas, às vezes em modelos cada vez maiores.
  • Delegação em excesso. Uma tarefa é dividida entre muitos agentes quando um só daria conta.

Cemri e colegas (2025) analisaram mais de 1.600 rastros anotados de sete frameworks multiagente e identificaram 14 formas distintas de falha desses sistemas, agrupadas em três categorias: problemas na especificação do sistema e da tarefa, desalinhamento entre agentes e falhas na verificação da tarefa. Cada modo de falha é também uma forma de gastar tokens sem obter resultado.

Um sandpit de IA verde realizado no Reino Unido em 2026, com matemáticos, cientistas da computação e representantes da indústria, discutiu o mesmo problema: enxames de agentes podem ficar presos, enviando uns aos outros saídas sem sentido e queimando centenas de milhares de tokens. A questão de pesquisa em aberto levantada foi como detectar, matematicamente e cedo, que um grupo de agentes está travado, para que alguém ou algo possa interrompê-lo.

Isso importa comercialmente, além de ambientalmente?

Sim; custo e energia sobem juntos. Em junho de 2025, o Gartner previu que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, devido a custos crescentes, valor de negócio pouco claro ou controles de risco inadequados. O desperdício de tokens contribui diretamente para o primeiro desses fatores.

Que salvaguardas mantêm os agentes sob controle?

Limites rígidos, monitoramento e uma forma de parar. São controles básicos de engenharia, e a maioria dos frameworks de agentes oferece suporte a alguns deles.

Salvaguarda O que faz
Limite de etapas Limita o número de chamadas ao modelo em uma execução. O OpenAI Agents SDK, por exemplo, tem uma configuração max_turns que interrompe a execução quando é excedida.
Orçamento de tokens ou de gasto Interrompe ou escala uma execução quando ela ultrapassa um custo definido.
Limite de tempo Encerra execuções que demoram muito mais que o esperado.
Detecção de loops Sinaliza ações repetidas ou mensagens quase idênticas entre agentes.
Observador externo Um processo separado e barato, ou uma pessoa, que acompanha o progresso e pode interromper a execução: o "botão vermelho".
Corte de contexto Resume ou descarta o histórico antigo para que cada chamada leia menos tokens.

Os limites devem falhar com segurança: quando um orçamento se esgota, o agente deve parar e relatar o que tem, e não tentar de novo em silêncio.

O que significa dimensionar bem um agente?

Usar o sistema menos elaborado que resolve a tarefa. Antes de construir um sistema multiagente, percorra esta lista de cima para baixo:

  1. Nenhum agente. Um script fixo, uma busca ou uma única chamada ao modelo resolvem?
  2. Uma chamada com ferramentas. Uma única chamada ao modelo, com um bom prompt e que possa usar uma ferramenta, muitas vezes basta.
  3. Um agente. Um único agente com limite de etapas.
  4. Vários agentes, só para tarefas amplas, valiosas e realmente paralelas.

Em qualquer desses casos, use modelos pequenos para subtarefas simples, como classificação, extração e formatação, e reserve os modelos grandes para o raciocínio difícil. Há um porém: um modelo pequeno demais pode falhar e obrigar a refazer a execução em um modelo maior, e, em uma cadeia longa, uma falha pode desviar as etapas seguintes. Definir esse limiar é uma decisão de projeto que vale a pena testar. Veja como escolher o modelo certo e orquestração em vez de geração.

O que fazer agora

  • Registre os tokens por tarefa concluída, incluindo novas tentativas e execuções que falharam, para cada agente que você usa.
  • Defina limites de etapas, tokens, tempo e gasto em todo agente antes de colocá-lo em produção.
  • Adicione detecção de loops e uma forma de uma pessoa interromper a execução.
  • Comece com o projeto mais simples que funcione e adicione agentes só quando a tarefa precisar.
  • Encaminhe subtarefas simples para modelos pequenos. Veja use a IA com eficiência.
  • Se você compra ferramentas agênticas, pergunte aos fornecedores como eles limitam e relatam o uso de tokens: veja compras (aquisição) sustentáveis de IA.

Perguntas frequentes

O que é IA agêntica?

Sistemas de IA que perseguem um objetivo em várias etapas, decidindo por conta própria quais ferramentas chamar e o que fazer em seguida, em vez de responder a um único prompt. Muitas vezes chamam um modelo de linguagem várias vezes por tarefa.

Por que agentes de IA usam tantos tokens?

Cada etapa envia de volta ao modelo o histórico crescente da tarefa, e os agentes podem chamar ferramentas, verificar o próprio trabalho e tentar de novo. Sistemas multiagente também trocam mensagens entre agentes, e cada uma custa tokens.

Como impedir que um agente de IA desperdice tokens?

Defina limites para o número de etapas, tokens, tempo e gasto; detecte loops e ações repetidas; use modelos pequenos para subtarefas simples; e mantenha uma pessoa capaz de interromper a execução.

Fontes

  1. How we built our multi-agent research system, Anthropic (2025)
  2. Why do multi-agent LLM systems fail?, Cemri et al. (2025)
  3. The cost of dynamic reasoning: demystifying AI agents and test-time scaling from an AI infrastructure perspective, Kim, Shin, Chung and Rhu, HPCA 2026 (2025)
  4. Gartner predicts over 40% of agentic AI projects will be canceled by end of 2027, Gartner (2025)
  5. Running agents (max_turns), OpenAI Agents SDK documentation (2025)

Junte-se a nós

Ajude a reduzir o impacto da IA no planeta

Receba novos guias, editais de financiamento e listagens dos diretórios por e-mail, cerca de uma vez por mês. Ou adicione seu produto, curso, doutorado ou pesquisa aos diretórios.

Sem rastreamento. Cancele a inscrição com um clique. Outras formas de participar · Privacidade