Por décadas, dívida técnica foi um custo que só engenheiros conseguiam ver. Estava na sessão de depuração de quatro horas, no arquivo que todo mundo tinha medo de tocar, na reunião para explicar por que aquela mudança simples levou três semanas. Real, documentado em retrospectivas, mas invisível em orçamento.
Os agentes de IA mudaram isso.
Quando um agente lê o código para escrever o próximo trecho, ele consome tokens. Quando o código é mal estruturado, o agente precisa de mais contexto, mais iterações, mais correções. Esse custo aparece na fatura todo mês, com data e valor exato. A dívida técnica de dez anos ganhou uma linha de orçamento.
A fatura que ninguém esperava
The Register publicou em junho os números que circulavam em conversas privadas há meses. Contas de agentes de IA que estavam entre US$20 e US$100 por desenvolvedor por mês subiram para entre US$2.000 e US$5.000. Em casos extremos, US$20.000 por mês, por pessoa.
O Gartner foi além: prevê que o custo de tokens para codificação com IA vai superar o salário médio de desenvolvedores até 2028. Em partes da Ásia, já supera.
Nitish Tyagi, analista sênior do Gartner, foi direto sobre o que esses números revelam. Não existe relação direta entre aumento no consumo de tokens e aumento em ganhos de produtividade. Mais tokens não é sinal de mais trabalho entregue. Às vezes é sinal de agente preso em ciclos de tentativa e erro.
Martin Fowler documentou o mesmo fenômeno nos bastidores de uma conferência de engenharia em julho de 2026. Uma empresa saiu de US$5 milhões para US$15 milhões por mês em dez meses. A projeção anual de outra chegou a US$120 milhões. Não porque construíram mais software. Porque os agentes encontraram um código que exige muito para ser lido.
O que come os tokens
Existe uma suposição de que o custo de IA concentra na geração: o modelo pensando e produzindo código novo. Os dados mostram o contrário.
Segundo análise publicada pela DevAgents OS em junho de 2026, a etapa de revisão iterativa consome 59,4% de todos os tokens em fluxos de trabalho agênticos. A re-leitura de contexto, o agente relendo arquivos já lidos para reposicionar o que está acontecendo, responde por 53,9% do consumo de entrada. Uma tarefa comum de feature pode acumular 2 milhões de tokens de entrada, com 80% deles sendo contexto recarregado repetidamente.
O padrão é claro: o agente não gasta mais tokens por ser mais capaz. Gasta mais quando não consegue entender o que está lendo.
Um módulo bem projetado, o agente lê uma vez e avança. Código acumulado em anos de atalhos, com nomes que só fazem sentido para quem escreveu, com dependências que ninguém mapeou, esse exige repetição. O agente volta ao mesmo arquivo, tenta de novo, pede mais contexto. A conta cresce.
Design virou diagnóstico financeiro
Nos bastidores da conferência que Fowler documentou, surgiu uma observação que me parece central para o que vem aí. Practitioners propuseram usar o consumo de tokens como proxy de qualidade de design. A ideia: se o agente está consumindo muito para trabalhar nesse módulo, o módulo provavelmente tem problema estrutural.
É a mesma lógica do lead time como proxy de fluidez do processo. Não mede qualidade diretamente, mas revela onde o atrito está.
A imagem que circulou no encontro foi esta: o diagrama de Venn entre Developer Experience e Agent Experience é um círculo. Boa modularidade ajuda humanos e agentes pela mesma razão. Código claro é código que comunica intenção. Agente sem intenção clara itera. Iteração custa tokens.
O argumento mais comum para ignorar design quando se usa IA é que o modelo dá conta de qualquer código. Dá, sim. Com mais iterações, mais re-leitura, mais tokens. Alguém paga esse custo todo mês.
O custo do código que não mergeia
Há um segundo vetor que os dados do LinearB tornam visível.
O relatório de 2026 analisou 8,1 milhões de pull requests em 4.800 times de engenharia em 42 países. A taxa de merge de PRs com assistência de IA foi de 32,7%. Para código humano: 84,5%. PRs com IA são 2,6 vezes maiores e ficam em fila por 16 horas antes de alguém começar a revisar, contra 200 minutos para código humano.
67,3% dos PRs gerados por IA não passam pelo ciclo de revisão.
O custo desse ciclo é duplo. Existe o custo de gerar o código que será rejeitado. E existe o custo de revisar e rejeitar, que inclui tempo de engenheiro sênior e, com frequência, um novo ciclo de geração para corrigir. Cada ciclo extra consome tokens: o agente relê o código, o histórico, os comentários de revisão, e tenta de novo.
Na minha leitura, o padrão por trás dessa taxa de rejeição é o mesmo da sessão de depuração cara: o agente trabalhou sem especificação que ancore o que o código precisa fazer. Sem isso, o agente gera algo plausível, mas desalinhado. Plausível passa no compilador. Desalinhado não passa no revisor.
O número que força a conversa
A fatura de token é o primeiro instrumento financeiro que coloca preço em design e especificação, mês a mês, com precisão de centavo.
Uma disciplina está emergindo que alguns chamam de Token FinOps, por analogia com o gerenciamento de custo de cloud. A ideia é rastrear gasto de tokens por commit, por PR, por feature, e correlacionar com indicadores como retrabalho, taxa de merge e defeitos. Quando você faz isso, a geografia do problema muda. Não é o modelo caro que está drenando o orçamento. É o módulo legado que ninguém refatorou, a especificação vaga que gerou três ciclos de revisão, a tarefa que o agente tentou seis vezes antes de produzir algo aceitável.
A dívida técnica sempre teve custo. Durante décadas, a maioria das organizações preferiu não calcular, porque o cálculo era difícil e os dados eram fragmentados. Agora o custo aparece na fatura todo mês.
O que muda com isso não é a resposta: investir em design e especificação sempre foi a resposta. O que muda é a conversa. Dívida técnica nas mãos de engenheiro virava debate de backlog. Na mão do CFO, vira prioridade.
Referências
- Lindsay Clark — AI coding agents could soon cost more than the developers using them (The Register, 24 jun 2026)
- Martin Fowler — Fragments: July 6 (martinfowler.com, 6 jul 2026)
- Mark Hull — 6 Strategies for Managing AI Coding Token Costs in 2026 (Exceeds AI, 11 jun 2026)
- Cristiano Ferreira — Token Debt: The New Hidden Cost of Agentic AI Engineering (DevAgents OS, 29 jun 2026)
- Ben Lloyd Pearson — 8 million pull requests reveal where engineering productivity breaks down (LinearB, 4 mai 2026)