Durante décadas, consultoras, auditoras, escritórios de advogados e outros setores de atividade habituaram-se a “vender horas”. Uma grande parte dessas horas decorrem de trabalho árduo (de mais baixo valor) que incluem tarefas tediosamente repetitivas, como inserção ou extração de dados, elaboração de relatórios e apresentações, pesquisa de informação, entre outras. Mas, a chegada da Inteligência Artificial (IA) tem vindo a mudar a forma como se produz, reduzindo o tempo necessário para a mesma tarefa, introduzindo mais qualidade, com maior precisão, mais “camadas” de análise e melhor evidência. Embora o contributo deixe de ser (apenas) trabalho humano direto e passe a incluir investimentos significativos em tecnologia de IA, a formulação do preço naqueles setores continua fortemente ancorada no custo‑hora. Perante os ganhos incrementais de produtividade que a IA está a provocar, esta forma de calcular os preços pode levar à redução dos valores cobrados, mas também à erosão das margens sempre que os custos de investimento em IA não estejam devidamente refletidos.
A investigação em pricing demonstra que as empresas orientadas para o valor (em vez de custo ou concorrência) tendem a apresentar melhor desempenho, sobretudo quando desenvolvem capacidades de quantificação do valor, isto é, quando conseguem medir e comunicar economicamente o valor entregue ao cliente (poupanças, risco mitigado, redução do ciclo, compliance, etc). Apesar disso, a adoção de value-based pricing contínua a ser em muitos serviços minoritária precisamente porque requer novas competências organizacionais, novas métricas e processos comerciais diferentes.
Mas como parar de “vender horas” e começar a vender “x% mais rápido”, “y% mais certo” ou z% mais seguro”? A literatura sobre justiça de preço mostra que os clientes reagem mal quando a lógica do preço lhes parece opaca ou oportunista. Por isso, as respostas possíveis passam por explicar a base do valor (resultado e risco, e não minutos) e por tornar a partilha dos “dividendos de IA” explícita.
Uma hipótese é dividir o trabalho em partes e apreçá-lo. Primeiro, o trabalho mais técnico e automatizável, com preços fixos ou por unidade. Depois, na fase criativa da solução, definir valores por projeto e, por fim; nos casos em que o cliente paga pelo resultado alcançado, criar um bónus se certos objetivos forem cumpridos. Para que isto funcione, é necessário calcular antes quanto valor económico o trabalho pode gerar (tempo poupado, erros evitados, mais clientes, menos risco) e deixar de usar as horas como base do preço. As horas devem servir apenas para controlo interno na gestão dos custos e para aprender onde a IA gera alavancas, e não como métrica contratual.
Para fazer a transição para novos modelos de preço, a empresa pode começar de forma simples, testando dois ou três serviços onde a IA já traga ganhos claros. Depois, pode transformar os serviços repetitivos em “produtos” com preços fixos e regras simples, adicionando componentes baseados em resultados quando isso fizer sentido. Em paralelo, deve preparar as equipas comerciais para explicarem e calcularem valor (não horas) porque a maior dificuldade é mudar a forma de pensar. Também é importante existirem regras internas claras sobre quando usar (e não usar) esta estratégia, e de um grupo responsável por aprovar exceções. Por fim, a comunicação ao cliente deve mudar e em vez de ser “vendemos horas”, a mensagem deve ser “entregamos resultados”, reforçada com exemplos e comparações que ajudem a criar confiança.
A tentação é olhar para a IA como mais uma automação e, portanto, reduzir preços proporcionalmente às horas poupadas. No entanto, se continuarmos a medir a oferta pelo custo-hora, transformamos ganhos de produtividade em guerra de preços, destruindo margem e, ironicamente, desincentivando o investimento em IA. Se, pelo contrário, migrarmos para value‑based pricing com métricas de resultados, partilha explícita do “dividendo de IA” e transparência contratual, criamos um círculo virtuoso de clientes com menos risco e mais previsibilidade, equipas com curvas de aprendizagem mais íngremes e empresas a capturar retorno justo sobre capital humano e de IA. É essa a transição inteligente, e possível, para mercados ainda hoje ancorados na lógica do “recurso humano”.
