Quanto custa uma pergunta aos seus dados
Perguntar ficou barato e frequente ao mesmo tempo — e é a frequência que domina a conta. Medimos onde o scan realmente vai, e o resultado inverte a intuição de quase todo mundo.
Quando os dados estão juntos e existe um conector, perguntar deixa de ser um projeto e vira um hábito. Isso é o ponto — e é também a origem de uma conta que ninguém tinha antes.
Toda pergunta é uma consulta, e toda consulta lê bytes. O custo não está no modelo de linguagem: está no volume varrido para responder.
Onde o scan realmente vai
Medimos isso na nossa própria plataforma, separando por quem originou a consulta. O resultado contraria a intuição:
| Origem | Execuções | Volume varrido |
|---|---|---|
| Conector de IA | 2.265 | 143,6 GB |
| Painel interno de mídia | não aplicável | 102,7 GB |
| Aplicação (telas do produto) | 142 | o restante |
As duas primeiras somavam 96% de todo o scan. A leitura importante não é que a IA seja cara por pergunta — cada consulta dela é pequena. É que ela pergunta dezesseis vezes mais.
Quando o custo por pergunta cai, o número de perguntas sobe mais rápido do que o preço desce. A conta é dominada pela frequência, não pelo tamanho.
Os quatro gastos que ninguém antecipa
- 01A pergunta exploratória. Antes de responder, a IA olha o que existe: lista tabelas, conta linhas, verifica valores distintos. São consultas pequenas e numerosas, e elas somam.
- 02O painel que recalcula sozinho. Vinte consultas atualizando de hora em hora rodam quase quinhentas vezes por dia, inclusive no fim de semana.
- 03O filtro ao vivo. Um relatório com filtro interativo costuma reexecutar todas as unidades a cada mudança de recorte — vinte consultas por clique.
- 04A consulta sem janela. Sem recorte de data, a pergunta varre o histórico inteiro. É o caso mais comum de uma pergunta simples custar caro.
As travas que funcionam
Nenhuma delas exige limitar quem pode perguntar, o que seria abrir mão do ganho.
- Janela padrão obrigatória. Toda consulta nasce com um recorte de data, e ampliar é uma escolha explícita.
- Teto de simultaneidade por projeto. Numa noite que medimos, um único projeto varreu 1,47 TB e mais de cem consultas foram barradas pelo teto — que fez exatamente o trabalho dele.
- Recalcular só o que foi visto. Painel que ninguém abriu não precisa estar fresco.
- Materializar o que repete. Pergunta que se repete todo dia deveria virar tabela pronta, não consulta nova.
- Medir por ator e por origem, não só o total. Sem esse recorte, você sabe que gastou e não sabe onde.
O erro de medição que atrapalha a decisão
Vale um aviso metodológico. É comum medir custo somando o consumo por dia e apresentar o total. Isso funciona para fluxo — consultas executadas, eventos ingeridos — e não funciona para nível.
Armazenamento é nível: somar o tamanho da base todo dia conta o mesmo objeto trinta vezes no mês. É um erro fácil de cometer e ele infla a percepção de custo justamente na linha que menos cresce.
O que isso significa na prática
A conclusão não é frear as perguntas. É que uma camada de dados com IA precisa nascer com governança de consulta: janela padrão, teto, cache com chave correta e medição por origem.
Sem isso, o primeiro mês é maravilhoso e o segundo vem com uma fatura que ninguém sabe explicar — e a reação típica é desligar o acesso, que joga fora o ganho junto com o custo.
No CrazyLeads toda consulta passa por um controle de admissão com teto por plano, o consumo é registrado por canal, origem e ator, e o relatório recalcula apenas o que alguém viu desde o último cálculo.