Modelo de negócio

Assinatura com créditos: como precificar um produto cujo custo varia a cada uso

Por Ruan Braz · 17 de junho de 2026 · Leitura de ~9 min

Todo modelo de assinatura carrega uma premissa escondida: a de que o custo de servir mais um uso é próximo de zero. Para vídeo gravado, isso é quase verdade. Para IA generativa, é mentira, e uma mentira que inverte o sinal do seu melhor cliente. Na Overlens, o assinante mais engajado do Overpass é também o mais caro, e sozinho ele pode ficar deficitário. O modelo híbrido de assinatura mais créditos foi a forma menos ruim que eu encontrei de resolver isso sem punir quem usa.

A conta que a assinatura pura esconde

Quando você vende acesso a 400 horas de conteúdo, o custo marginal de um assinante a mais é o CDN e um pouco de suporte. Centavos. É por isso que plataforma de conteúdo escala tão bem: quanto mais gente assiste, melhor fica a margem, e o cliente que consome muito é o cliente que renova.

Com IA generativa isso se inverte de forma brutal. Cada trilha personalizada que o Overpass gera consome tokens de entrada e de saída. Cada podcast derivado consome síntese de voz. Cada mapa mental e cada PDF consomem outra rodada de geração. O custo mora no ato, e o ato é justamente o que a pessoa faz quando o produto está funcionando.

Traduzindo para a operação: numa assinatura pura, o usuário que abre a plataforma trinta vezes no mês é o seu ativo. Numa assinatura com IA por dentro, ele pode ser o seu passivo. Um único assinante rodando geração pesada todo dia consegue consumir, em custo de infraestrutura, mais do que os R$ 2.000 anuais que ele pagou. Isso é aritmética de token. E o pior é que você só descobre no fechamento do mês, quando a fatura do provedor chega agregada e você não sabe direito qual comportamento a gerou.

Assinatura pura te dá margem previsível e comportamento imprevisível. Com IA por dentro, o comportamento imprevisível vira custo, e a previsibilidade desaparece junto.

As três saídas ruins que eu descartei antes de chegar no crédito

Antes de desenhar o modelo atual, eu considerei três alternativas. O descarte de cada uma carrega mais informação que a escolha final.

A primeira era o limite rígido. Você usa até X gerações por mês, depois trava. É a mais simples de implementar e a mais fácil de comunicar. O problema é que ela é binária num produto que não é binário. A pessoa que está no meio de um projeto e bate o teto na terceira semana joga a frustração no projeto, e não no limite. Projeto interrompido no meio produz um cliente que desiste de aprender, o que é bem pior do que um cliente insatisfeito.

A segunda era a degradação silenciosa de qualidade. Passou de certo volume, você roteia para um modelo mais barato e não conta para ninguém. Muita gente faz isso. É financeiramente elegante e eu acho eticamente indefensável. A pessoa está construindo um projeto real em cima do que a plataforma devolve; entregar uma trilha visivelmente pior sem avisar é sabotar o trabalho dela para proteger a minha margem. Se eu preciso mudar a qualidade do que entrego, eu tenho que dizer isso na cara.

A terceira era o pay-per-use puro, sem assinatura. Some o custo variável, adicione margem, cobre por geração. Resolve o problema financeiro de forma perfeita e destrói o produto. Aprendizado exige exploração, e exploração exige errar sem taxímetro rodando. Ninguém experimenta uma trilha nova sabendo que cada tentativa tem preço de balcão.

Como o híbrido funciona na prática

O que ficou em pé foi uma composição de duas camadas com funções diferentes. A assinatura do Overpass dá acesso ao acervo, com as mais de 400 horas sobre criação, empreendedorismo, nexialismo, metacognição, análise de dados e visão sistêmica. Esse é o pedaço de custo marginal quase zero, e é ele que sustenta a promessa de "entra e usa à vontade". Nessa camada não existe medidor nenhum, e isso é deliberado.

Junto com a assinatura vem uma cota mensal de créditos. Créditos são gastos nas operações caras: gerar a trilha personalizada de um projeto específico, misturando conteúdo humano do acervo com conteúdo sintético, e produzir os materiais derivados daquela trilha, como podcast, PDF e mapa mental. Se a cota acaba e a pessoa quer continuar, ela compra crédito extra.

Repare no desenho: a fronteira entre o que é medido e o que não é medido não foi traçada por conveniência técnica. Ela foi traçada exatamente onde o custo variável começa. Consumir o que já existe é ilimitado. Fazer a máquina produzir algo novo e único para você tem preço. Essa regra é explicável em uma frase, e produto que você não consegue explicar em uma frase não vende.

O alinhamento é o argumento principal, não a economia

Se eu tivesse que defender o modelo com um único argumento, o financeiro ficaria em segundo plano. O que sustenta tudo é que o crédito está atrelado a projeto, e projeto é a unidade onde o valor acontece.

A Overlens inteira é construída sobre Project Based Learning: o projeto vem antes do currículo, e não depois. Quando a pessoa gasta crédito, ela está gastando no momento exato em que decidiu construir alguma coisa. O dinheiro sai quando o valor entra. Isso é raro em educação, onde o padrão é o oposto: você paga na matrícula e o valor talvez apareça em algum lugar dos próximos seis meses, se você tiver disciplina.

Esse alinhamento também me dá um sinal operacional que nenhum dashboard de retenção dá. Quando o consumo de crédito cai, a leitura é direta: a pessoa parou de tocar projeto. Isso é uma informação acionável de verdade, e é bem mais honesta do que tempo de sessão, que qualquer produto consegue inflar deixando um vídeo rodando sozinho.

Definir a cota inicial foi a decisão mais difícil de todas

Aqui é onde eu ainda estou pensando, e onde eu já errei em duas direções. A cota tem duas restrições que puxam para lados opostos. Ela precisa ser generosa o bastante para que a pessoa não sinta ansiedade: se o assinante médio termina o mês encostado no teto, o produto virou uma experiência de escassez, e escassez é péssima para aprendizagem. E precisa ser apertada o bastante para que o percentil mais pesado de uso não coma a margem inteira da base.

O jeito que eu encontrei de calibrar isso foi parar de olhar para a média. Média em consumo de IA é inútil, porque a distribuição tem cauda longa: a maioria usa pouco e uma minoria usa muito. O que importa é onde fica o percentil 90 e o que acontece com o percentil 99. Minha regra de bolso hoje é que a cota deve cobrir com folga larga o comportamento de quem toca um projeto sério por mês, e que quem estoura sistematicamente deveria estar em outro degrau da escada de valor, provavelmente no Bootcamp ou no combo, onde o acompanhamento humano justifica outro patamar de custo.

Posso estar errado nessa. É perfeitamente possível que a resposta certa seja cota diferenciada por tipo de projeto em vez de cota única, e eu não testei isso ainda.

Crédito visível demais estraga o produto

Esse foi o efeito colateral que eu não previ, e é o mais interessante de todos.

Quando você mostra saldo de crédito com muito destaque, o usuário para de explorar. Basta que ele veja o crédito; nem precisa acabar. O número na tela transforma cada clique numa microdecisão econômica. "Será que vale gastar para gerar o mapa mental disso?" A pessoa que faz essa pergunta trinta vezes por mês está gastando em contabilidade a energia cognitiva que deveria estar indo para o aprendizado. E o custo disso não aparece em lugar nenhum do meu P&L, mas aparece na retenção três meses depois. É um problema de metacognição, no fundo: a atenção da pessoa é um recurso mais escasso que o crédito dela, e um contador piscando na interface sequestra essa atenção para a coisa errada.

O que eu faço hoje é um meio-termo desconfortável. O saldo existe e é sempre consultável, mas não fica gritando na tela principal. O aviso aparece quando o consumo passa de uma faixa relevante da cota, e não a cada operação. E o preço na hora do clique só aparece nas operações grandes, como gerar uma trilha nova inteira. A lógica é a mesma de um plano de dados de celular: você não pensa em megabyte enquanto navega, você pensa quando chega o aviso de 80%.

Não estou satisfeito com essa solução. Ela reduz a ansiedade mas aumenta a chance de surpresa, e surpresa também é ruim. Esse é um trade-off que eu não sei resolver bem ainda. Só sei que, dos dois males, o contador onipresente é o pior, porque ele danifica o comportamento que o produto inteiro existe para provocar.

Por que crédito e não plano por volume

Existe uma alternativa óbvia que eu quero endereçar, porque ela aparece toda vez que discuto isso: por que não vender planos por faixa de uso, tipo básico, intermediário e avançado, cada um com seu volume?

Porque a pessoa não sabe qual faixa ela é. Ninguém que está entrando numa plataforma de aprendizagem consegue estimar quantas trilhas personalizadas vai querer gerar em três meses. Plano por faixa transfere para o cliente uma previsão que ele não tem como fazer, e o resultado padrão é que ele escolhe o mais barato, se frustra, e culpa o produto.

O crédito resolve isso porque é elástico por baixo. Todo mundo entra no mesmo lugar, e quem descobre que precisa de mais compra mais, no momento em que já sabe por que precisa. A informação chega antes da decisão. A diferença aqui está na arquitetura de escolha: o valor total pago pode até ser o mesmo, mas a experiência de chegar lá é completamente diferente.

Tem um custo nisso, e é justo declarar: previsibilidade de receita. Faixa fixa me daria MRR limpo. Crédito extra me dá uma linha de receita variável que eu não consigo projetar bem com poucos meses de histórico. Eu troquei previsibilidade de planilha por qualidade de decisão do cliente. Faria de novo, mas não vou fingir que foi de graça.

O modelo vai quebrar quando o custo do modelo cair

Aqui está a parte que quase ninguém discute quando fala de precificação de produto com IA: você está calibrando uma cota contra um custo que está em queda estrutural.

Se o custo por token do modelo que eu uso cair pela metade, a minha cota atual vira absurdamente generosa. Isso parece uma boa notícia, e é, com margem sobrando, por uns dois trimestres. Depois vira problema, porque passa a existir um descolamento entre o que a cota permite e o que o preço cobra, e algum concorrente vai repassar essa queda antes de mim. Preço que ficou frouxo demais é tão perigoso quanto preço apertado demais, só que o dano demora mais para aparecer.

Então eu já assumo que vou redesenhar isso mais de uma vez. Trato como manutenção prevista, do mesmo jeito que ninguém acha estranho revisar tabela de preço quando o câmbio se move. A diferença é que aqui o movimento é sempre na mesma direção, e é rápido.

O que eu tento manter estável no meio disso é a estrutura. A regra "acervo é ilimitado, geração é medida, crédito está atrelado a projeto" pode sobreviver a várias mudanças de tabela. O tamanho da cota, o preço do crédito extra e o que exatamente conta como operação cara, esses vão mudar. Se eu ancorar a comunicação na estrutura em vez dos números, cada reajuste vira um ajuste de parâmetro em vez de uma quebra de contrato psicológico com quem já assina.

O que eu diria para quem está desenhando isso agora

A pergunta que organiza tudo não é "quanto custa meu token". É: onde exatamente, no fluxo do meu produto, o custo variável começa? Se você conseguir traçar essa linha num lugar que o usuário entenda intuitivamente, e que coincida com o momento em que ele percebe valor, o resto do modelo se desenha quase sozinho. Se a linha cair num lugar arbitrário, nenhuma engenhosidade de precificação salva.

E aceite que você vai errar a calibragem. Eu errei. A diferença entre errar e quebrar é ter construído uma estrutura que aguenta ser recalibrada sem que o cliente sinta que mudaram as regras do jogo no meio.

Se você quiser ver de onde vem a base desse raciocínio, eu escrevi sobre por que copiar o modelo de assinatura da Netflix quebra escolas online e sobre como misturar conteúdo humano e sintético sem virar lixo. Os dois são pré-requisitos para entender esse desenho. Tem mais sobre como eu penso negócio e sistemas na página sobre e no canal.