Garry Tan, do Y Combinator, gasta até US$ 200 mil por ano em tokens

Garry Tan, presidente-executivo do Y Combinator, a aceleradora de startups mais influente do Vale do Silício, contou que gasta entre US$ 100 mil e US$ 200 mil por ano apenas com tokens, a unidade de consumo dos modelos de inteligência artificial. A informação foi publicada pelo TechCrunch nesta segunda-feira (2 de novembro) e vem de uma entrevista a ser exibida no podcast The Builders, de Walter Isaacson, na terça-feira seguinte. O próprio Tan reconhece que esse nível de gasto é um privilégio que poucas pessoas podem bancar.

O que Garry Tan disse

Segundo a reportagem, Tan já havia brincado antes que sofria de uma espécie de "ciberpsicose", de tão empolgado com os agentes de IA que, às vezes, mal dorme. Na entrevista, ele estima o valor anual que paga pelo consumo de modelos e explica como usa os agentes no dia a dia. Eles entram em vários projetos de trabalho e em tarefas de programação. Para a própria gravação do podcast, ele pediu a um agente que pesquisasse o entrevistador e preparasse as perguntas mais prováveis.

O uso também é pessoal. Tan afirma que mantém um agente com acesso ao e-mail, ao Dropbox e ao Apple Notes, incluindo notas de terapia acumuladas ao longo de 20 anos. Ele compara o agente a um "Grilo Falante" no ombro, que antecipa necessidades, sugere ideias e lembra de pontos que ele poderia deixar passar. A frase mostra a direção do discurso: o agente deixa de ser um chat ao qual se faz perguntas e passa a ser um assistente com contexto amplo, que age com autonomia crescente.

As 23 habilidades do gstack e o agente do Y Combinator

Para ajudar outras pessoas a entenderem o que os agentes conseguem fazer, Tan publicou no GitHub um conjunto de 23 habilidades do Claude Code, batizado de gstack. Ele também disse ter sido um dos primeiros a adotar o OpenClaw, ferramenta de agentes, e hoje se considera um usuário intenso. Dentro do Y Combinator, a organização usa um agente interno chamado Stray Light, descrito como tendo personalidade própria e um "cérebro da empresa". Segundo o TechCrunch, esse agente teria contexto sobre todos os fundadores que o YC já apoiou, sobre todas as pessoas que enviaram e-mail à aceleradora e sobre todas as candidaturas recebidas.

Esse tipo de arranjo, em que as habilidades ficam descritas em arquivos que o agente consulta, é o mesmo princípio dos padrões abertos de skills que vêm ganhando espaço. Se você quer entender a base técnica, vale ler o guia Agent Skills: o que são skills de agentes de IA e por que importam.

Agentes não são software tradicional, diz Tan

Um dos pontos centrais da fala é uma lição que Tan diz ter aprendido: as pessoas não deveriam tratar agentes de IA como software tradicional. Em sua visão, muita gente se preocupa tanto com repetibilidade e segurança que acaba perdendo justamente as qualidades que fazem os agentes parecerem humanos, como a capacidade de improvisar, ter estilo e reagir a situações novas. É uma opinião, não um fato medido, e ela entra em tensão com a realidade das empresas, que precisam de previsibilidade, trilha de auditoria e controle de acesso.

Essa tensão aparece em outras notícias recentes do Portal da AI. O 1Password for Agents existe exatamente porque agentes com acesso a credenciais criam um risco novo, e o Claude Duet, agente pessoal proativo da Anthropic, aponta para o mesmo tipo de assistente que Tan descreve. Dar acesso a e-mail, arquivos e anotações privadas, como ele faz, rende conveniência, mas também ampliaria bastante o estrago caso algo desse errado.

O custo como barreira

Tan afirma acreditar que agentes pessoais de IA vão se tornar comuns quando os custos caírem, e diz que os preços atuais são altos demais. A conta dele ajuda a dimensionar: US$ 200 mil por ano equivalem a cerca de US$ 16,7 mil por mês, valor que ultrapassa o salário de muitos profissionais qualificados. Para a maioria das pessoas, o uso de agentes cabe em uma assinatura mensal com limites, e o consumo pesado por API, em que se paga por token, é outra categoria de gasto.

O tema do consumo exagerado já apareceu aqui. Na notícia sobre o alerta da Amazon a engenheiros que inflavam métricas de uso, em Amazon alerta engenheiros sobre tokenmaxxing, o ponto era que gastar mais tokens não significa produzir mais valor. O caso de Tan é diferente, porque ele relata um uso que considera produtivo, mas vale a mesma pergunta: quanto desse consumo se converte em resultado concreto?

Crítica às ferramentas gratuitas das big techs

Segundo o TechCrunch, Tan também criticou os agentes gratuitos oferecidos por grandes empresas de tecnologia. Ele cita o controle que a Meta exerce sobre o algoritmo de suas redes sociais como motivo para preferir uma IA pessoal que o usuário controle e possa programar por conta própria. O argumento é conhecido: quando o produto é gratuito, o interesse de quem o oferece pode não coincidir com o seu. Ainda assim, a posição vem de alguém que dirige uma aceleradora ligada a várias empresas do setor, e deve ser lida com esse contexto em mente.

Por que isso importa para você

Mesmo sem gastar nada perto de US$ 200 mil, a história traz lições práticas para quem trabalha, empreende ou quer ganhar dinheiro com IA no Brasil. A primeira é que custo de IA é uma linha do orçamento a ser medida. Se você usa agentes por API em um negócio, acompanhe quanto cada tarefa consome, defina limites de gasto e compare com o tempo ou o dinheiro que a tarefa economiza. Para pequenas empresas, o guia como usar IA para reduzir custos operacionais mostra por onde começar sem estourar a conta.

A segunda lição é sobre o que delegar. Tan dá ao agente acesso a e-mail e anotações pessoais, mas isso não é um conselho a ser copiado sem cuidado. Antes de liberar acesso amplo, vale separar o que o agente precisa ver, usar contas com permissões mínimas e evitar colocar dados muito sensíveis, como informações de saúde, em ferramentas que você não controla. O artigo agente de IA pessoal: o que delegar e o que não delegar ajuda a traçar essa linha.

A terceira é entender a diferença entre automação fixa e agente. Para tarefas repetitivas e previsíveis, uma automação simples costuma sair mais barata e mais segura. Agentes valem mais quando a tarefa exige contexto e decisão. Veja a comparação em agente de IA, chatbot ou automação: qual a diferença. E, para quem pensa em transformar esse conhecimento em renda, o texto sobre como ganhar dinheiro criando e vendendo agentes de IA personalizados explora esse caminho.

O que observar daqui para frente

O primeiro ponto é a queda de preço. Tan trata o custo como o principal obstáculo para que agentes pessoais virem produto de massa, e a velocidade com que modelos mais baratos e eficientes chegam ao mercado vai decidir se isso acontece em meses ou em anos. O segundo é a disputa entre agentes que o usuário controla e agentes gratuitos de big techs, que deve ganhar força conforme mais empresas lançarem assistentes embutidos em seus produtos. O terceiro é a segurança: quanto mais acesso os agentes têm a dados pessoais e profissionais, mais relevante fica o debate sobre permissões, auditoria e proteção contra ataques.

Vale lembrar que os números e as falas citados aqui vêm da reportagem do TechCrunch sobre uma entrevista que ainda iria ao ar, e não foram confirmados de forma independente. Os valores de gasto são estimativas do próprio Tan, sem detalhamento de quais modelos ou ferramentas compõem a conta. Quando o episódio do podcast for publicado, podem aparecer mais detalhes sobre como ele organiza o uso e quanto desse gasto é pago pessoalmente ou por empresas ligadas a ele.