A margem bruta de um SaaS tradicional opera entre 70% e 85%, e esse número condiciona o que fundadores consideram aceitável como estrutura de custo. Pra mim, o problema começa quando uma feature de IA embarcada transforma parte desse custo fixo previsível em custo variável proporcional ao uso, e a margem que levou anos pra estabilizar começa a erodir a cada request que o cliente mais ativo dispara.
O relatório da ICONIQ de janeiro de 2026 coloca o número em perspectiva: empresas B2B de IA em estágio de escala gastam em média 23% da receita apenas com inference. Pra cada um milhão de dólares em receita de produto com IA, aproximadamente 230 mil dólares vão pra chamadas a modelos. Em SaaS tradicional, o COGS de infraestrutura raramente ultrapassa 5% da receita. A distância entre esses dois números é o espaço onde margens desaparecem quando o modelo de pricing não acompanha a mudança na estrutura de custos.
Na minha análise, o comportamento é previsível. Uma empresa que cobra por seat adiciona IA generativa ao produto e precifica dentro do plano existente pra acelerar adoção. Três meses depois, descobre que os 10% de clientes mais ativos consomem 60% do custo de inference. O preço foi calculado sobre um COGS quase fixo, mas agora existe um componente variável que escala com intensidade de uso, e não com número de usuários. A receita permanece linear enquanto o custo se torna superlinear, e a margem cai de 80% pra algo entre 55% e 65%. A Bessemer Venture Partners documenta esse padrão nos relatórios de State of AI: empresas que chamam de "Supernovas" operam com 25% enquanto experimentam pricing; as "Shooting Stars" atingem 60% depois de refinar o modelo de cobrança.
Os modelos de precificação disponíveis produzem trade-offs distintos entre previsibilidade de receita e alinhamento com custo real. O per-seat falha quando o custo marginal por usuário deixa de ser desprezível: um usuário que dispara 500 chamadas de IA por dia e outro que dispara 5 geram custos radicalmente diferentes sob o mesmo preço de licença. O baseado em consumo puro resolve o alinhamento, mas transfere a imprevisibilidade pro cliente, o que dificulta procurement em enterprise. O por workflow, que cobra por tarefa completada (como a Intercom faz com o Fin ao cobrar 0,99 dólar por ticket resolvido), alinha valor entregue e custo de entrega, mas exige instrumentação precisa pra definir o que constitui uma unidade de trabalho. O híbrido, que combina assinatura base com créditos de uso, é o que a maioria das empresas em estágio de maturidade está adotando: 92% das empresas de software com IA já usam modelos mistos, segundo dados de mercado consolidados em 2025.
Na minha avaliação, o híbrido funciona porque preserva a previsibilidade da assinatura fixa enquanto captura o excedente com uma camada variável. A recomendação prática é precificar a base em pelo menos duas vezes o custo estimado de entrega, e dimensionar os créditos pra cobrir o uso mediano, e não o médio. Os power users distorcem a média pra cima, e precificar pela média sem cap é aceitar que um segmento de clientes vai operar com margem negativa.
Os custos de inference em si continuam em queda, mas a velocidade dessa queda não é uniforme entre modelos. GPT-4o opera a 2,50 dólares por milhão de tokens de input e 10 por milhão de output; Sonnet 4.6 custa 3 e 15; GPT-4o-mini, 0,15 e 0,60; Haiku 4.5, 1 e 5. A diferença entre um modelo frontier e um modelo otimizado pra mesma tarefa pode chegar a 20x ou 40x por token, então a decisão de qual modelo invocar pra cada chamada é tão relevante pra margem quanto o pricing em si. Eu vi SaaS que roteiam classificações simples pra modelos compactos e reservam modelos maiores pra gerações complexas, reduzindo o custo médio em 70% sem degradação perceptível. Esse roteamento é invisível pro cliente, mas determina se a feature opera com margem de 60% ou de 15%.
A instrumentação de custo por workflow, e não por token, é o que separa empresas que conseguem precificar com confiança das que estimam no escuro. Saber que um relatório de compliance custa 0,07 dólar em tokens e infraestrutura é diferente de saber que o gasto mensal total com a API é de 12 mil dólares. A granularidade da medição determina a sofisticação possível do modelo de pricing.
O risco de canibalização aparece em dois vetores. O interno: cobrar separadamente pela IA pode fazer clientes perceberem que o produto base entrega menos valor do que o preço sugere. O externo: se a IA automatiza workflows que antes exigiam mais seats, o cliente precisa de menos licenças, e a receita per-seat encolhe mesmo que o cliente extraia mais valor. A Intercom resolveu isso ao precificar o Fin como agente separado com cobrança por resultado. A EvenUp faz algo similar no jurídico, cobrando por caso completo. Nos dois casos, a IA adiciona uma camada de valor com precificação própria sobre o produto base.
Pra mim, embarcar IA em SaaS sem redesenhar o pricing equivale a colar custo variável numa estrutura de receita fixa, o que é matematicamente insustentável a partir de certa escala. O modelo híbrido, com instrumentação por workflow e precificação da IA como camada de valor adicional, é o padrão que preserva margens brutas acima de 60%. Empresas que tratam esse problema como decisão de produto são as que convergem pra unit economics sustentáveis.