A inversão da tendência de preço em abril, com um lançamento de fronteira chegando mais caro por token, atingiu diretamente quem havia planejado com base na queda contínua dos dois anos anteriores.
Planejamento de produto com IA costumava embutir uma premissa confortável: o custo unitário cairia com o tempo, então aplicação inviável hoje ficaria viável no ano seguinte sem esforço de engenharia.
Com a premissa invertida, a viabilidade volta a depender de trabalho: reduzir o que se envia ao modelo, usar modelo menor para a parte previsível da carga, guardar resultado repetido em vez de recalcular.
É o mesmo conjunto de práticas que empresas grandes adotaram no período sob outro nome, ao anunciar roteamento entre modelos por custo e camadas de triagem barata antes do modelo caro.
A boa notícia para operação pequena é que essas técnicas não exigem escala nem contrato especial. Exigem medir onde o gasto está concentrado, que costuma ser um punhado de chamadas repetidas que ninguém revisou desde que funcionou pela primeira vez.