En este artículo:

Construir com a OpenAI ou comprar um agente pronto? A conta real de build vs buy no atendimento

Construir com a OpenAI ou comprar um agente pronto? A conta real de build vs buy no atendimento

Construir com a OpenAI ou comprar um agente pronto? A conta real de build vs buy no atendimento

Bruno Cecatto

Bruno Cecatto

Bruno Cecatto

O custo do modelo é a menor parte da conta. O que pesa em build é o que ninguém orça: retrieval que não alucina, avaliação contínua de qualidade, integração com helpdesk e canais, fila e handoff humano, observabilidade e a pessoa que cuida disso toda semana. Só um engenheiro a 30% do tempo, somado a infraestrutura e API, já começa em R$ 10,5 mil por mês. Build compensa quando o atendimento é o seu produto; fora isso, é um time inteiro alocado em infra.

Qual é a conta que todo mundo faz, e o que falta nela?

A objeção de build vs buy chega quase sempre no mesmo formato: a empresa tem time de engenharia, a API da OpenAI é barata e qualquer pessoa sobe um protótipo de agente numa tarde com n8n ou Lovable. Tudo isso é verdade, e mesmo assim a conta sai errada, porque compara o preço do token com a mensalidade de um fornecedor e para por aí.

O modelo é a parte barata. Aqui dentro a gente também usa modelos de mercado por baixo da ClaudIA, então a decisão nunca foi Cloud Humans ou OpenAI. O que custa é o time que constrói, monitora e mantém o agente funcionando com qualidade mês após mês, e esse custo não aparece no protótipo porque o protótipo ainda não atendeu cliente de verdade.

O Ian contou na CXperts o caso de uma operação que passou três meses tentando construir um agente que nunca foi lançado. Não faltou competência técnica, faltou dono: quem tocava o projeto era a liderança de CX, sem squad dedicado e com a fila do dia a dia esperando. Esse tipo de projeto zumbi não entra em planilha nenhuma, e é ele que mais encarece o build.

O que você vai ter que construir além do modelo?

Um agente de IA de atendimento que opera em produção com cliente final, sem virar risco de reputação, depende de nove componentes. A API da OpenAI entrega o texto da resposta, e o resto fica com o seu time.

Componente

O que ele resolve

O que acontece quando falta

Base de conhecimento e retrieval (RAG, ranking, reescrita da pergunta)

Achar o trecho certo mesmo quando o cliente pergunta mal

A IA responde com a política antiga ou inventa uma

Guardrails e microagentes de controle

Tom de marca, detecção de frustração, risco reputacional

Uma resposta fora do tom vira print e reclamação pública

Score de confiança, fallback e handoff humano

Decidir quando responder, quando perguntar e quando transferir

Cliente preso em loop, ou tudo indo pra fila humana

Integração com helpdesk e sistemas internos

Criar ticket, consultar pedido no ERP, executar ação no CRM

A IA explica, mas não resolve

Canais (WhatsApp, chat, e-mail)

Adaptar formato, janela e contexto de cada canal

Funciona no chat do site e quebra no WhatsApp

Orquestração de modelos e versões

Trocar ou atualizar o modelo sem regressão

O fornecedor muda o modelo e o comportamento muda junto, sem ninguém perceber

Avaliação contínua e testes de regressão

Garantir que a correção de hoje não quebra o que funcionava ontem

Corrige um caso e quebra outros três

Observabilidade e métricas

Medir retenção real, CSAT e qualidade por canal

Dashboard verde com a operação piorando

Interface pro time de CX

Atualizar preço, política e fluxo no mesmo dia, sem engenharia

Toda mudança de produto vira ticket na fila de tech

E tem um décimo item que não é software: alguém que acorda toda semana pensando em regressão, alucinação e política nova, porque produto, preço e processo mudam o tempo todo e o agente precisa mudar junto. Na Cloud Humans é um time técnico de quase 50 pessoas fazendo só isso, e ainda tem coisa que a gente não resolveu. Com um engenheiro dividindo o tempo com o produto principal, a pergunta deixa de ser se o time consegue construir e vira se ele quer manter isso pra sempre.

Quanto custa build e buy em 12 meses?

O cenário de build que eu uso nessa conta é conservador de propósito, e está publicado na nossa comparação entre Cloud Humans e fazer dentro de casa. Um engenheiro CLT custa em torno de R$ 25 mil por mês com encargos, e dedicando 30% do tempo ao agente são R$ 7,5 mil. Com mais R$ 3 mil de infraestrutura e API de LLM, o piso fica em R$ 10,5 mil por mês, ou R$ 126 mil em 12 meses.

Esse número ainda não tem integração, refatoração, bug, iteração nem custo indireto, e quando essas linhas entram é comum ele passar de R$ 180 mil a R$ 250 mil no ano, pra um agente simples e limitado. Repara que o cenário tem só um engenheiro parcial, sem produto, QA, segurança e sem a interface pro time de CX que aparece na tabela acima. Também não entra o custo de oportunidade, que é tudo o que esse engenheiro deixou de entregar no produto principal enquanto cuidava do agente.

Do lado do buy entram a assinatura da plataforma e o tempo do time de CX cuidando de conteúdo e regras, que existe nos dois cenários. A diferença mais visível está no relógio: a implementação da ClaudIA leva em média 21 dias, e a base de clientes opera com 65% de automação média. No build, esse relógio só começa a contar quando os nove componentes estão de pé.

Em que casos construir o próprio agente é a escolha certa?

Build não é sempre errado, e tem três situações em que eu construiria.

A mais clara é quando a IA é o seu produto ou está ligada ao core do negócio. Um SaaS de e-commerce que cria uma IA pra ajudar o cliente dele a vender mais está construindo o próprio diferencial, e aí faz todo sentido ter o time de engenharia em cima. Tirar dúvida de usabilidade, resolver pendência financeira e emitir segunda via de boleto não é core, e ainda exige um nível de consistência alto pra não virar problema de reputação.

O segundo caso é a empresa que já tem squad de IA dedicado e escala que justifique o investimento. As três regras que o Ian propôs servem de teste: se o que você vai construir não for de 3 a 10 vezes melhor do que o mercado entrega, compra; se não é core, só constrói com squad dedicado; se o payback passa de 12 a 24 meses, compra.

E tem a operação pequena e de baixa exposição, com pouco volume, jornada simples e um bot que funciona como primeiro filtro e manda pro canal oficial quando não sabe responder. Ali o build resolve bem, e o ponto de virada costuma chegar quando o suporte passa de 3 a 5 pessoas, com processo definido entre CX, financeiro e tecnologia.

Mesmo nesses casos, vale responder antes a pergunta que o Ian deixou na mesma edição da CXperts: o que você vai parar de fazer no produto pra manter isso vivo?

Dá pra comprar a plataforma e construir os agentes?

Dá, e é o caminho que funciona pra maioria das empresas que tem engenharia e não quer ficar refém dela no atendimento. Você compra a camada que precisa funcionar sempre, aquela que ninguém quer consertar numa sexta à noite, e constrói o que é exclusivo do seu negócio.

Na ClaudIA essa divisão aparece na arquitetura multiagente. Um agente supervisor lê a conversa e encaminha pro especialista certo, e cada especialista tem as ferramentas e os fluxos de que precisa pra resolver um tipo de pedido de ponta a ponta. Por baixo, dezenas de microagentes cuidam do que a tabela lá em cima chama de guardrail, como detecção de frustração, controle de tom, verificação de consistência e classificação de risco. Essa camada, junto com canais como o WhatsApp, handoff, observabilidade e troca de modelo, é o que você compra.

O que fica com você é o que nenhum fornecedor conhece melhor: as integrações com o seu backoffice via API, as regras do negócio, o conteúdo e os especialistas que resolvem os casos que só existem na sua operação. A Lia, por exemplo, manteve o próprio Zendesk e colocou a ClaudIA pra operar em cima dele. E quem cuida dessa parte no dia a dia não precisa ser a engenharia, é o CX Engineer, a pessoa de CX que transforma recorrência em agente.

Se você tem engenharia e acesso à API da OpenAI, usa os dois no que move o seu produto. No atendimento, eu compraria a base e colocaria o time pra construir o que é seu.

Perguntas frequentes

Usar a API da OpenAI direto é mais barato do que contratar uma plataforma?

Só no custo do token. Quando entram engenheiro, infraestrutura, integração e manutenção, o build de um agente simples parte de R$ 126 mil no primeiro ano, antes de contar o custo de oportunidade do time.

Quanto tempo leva pra colocar um agente próprio em produção?

O protótipo sai em dias. Chegar em produção com handoff, integração com helpdesk e métrica confiável depende de squad dedicado, e sem dono o projeto costuma travar antes do lançamento.

Dá pra começar construindo e migrar pra uma plataforma depois?

Dá, e pra operação pequena e de baixa exposição é um caminho razoável. O sinal de migrar é o suporte crescer, ganhar processo entre áreas e passar a carregar risco de reputação.

Preciso trocar de helpdesk pra usar uma plataforma pronta?

Não necessariamente. A Lia manteve o Zendesk e colocou a ClaudIA pra operar em cima dele, com as integrações que já tinha.

Quer ver como um agente pronto se comporta antes de colocar o seu time pra construir um? Mande uma mensagem pra ClaudIA no WhatsApp: você conversa com a mesma IA que atende os nossos clientes e testa na prática o que ela entende, resolve e quando passa pra um humano.

SOBRE EL AUTOR

11 de febrero de 2026

11 de febrero de 2026

Bruno Cecatto

Bruno Cecatto

Bruno Cecatto

Founder @ Cloud Humans - Estou capacitando empresas de rápido crescimento a expandir seu atendimento ao cliente com menos recursos.

Founder @ Cloud Humans - Estou capacitando empresas de rápido crescimento a expandir seu atendimento ao cliente com menos recursos.

Founder @ Cloud Humans - Estou capacitando empresas de rápido crescimento a expandir seu atendimento ao cliente com menos recursos.

LinkedIn

11 de febrero de 2026

11 de febrero de 2026

Conoce

Cloud Humans.