Como Precificar Produtos de IA: Guia Definitivo com Dados Reais

Existem centenas de artigos sobre precificar produtos de IA. A maioria repete a mesma narrativa: "APIs são baratas, margens são altas, vida é boa". Alguns mostram tabelas bonitas com exemplos hipotéticos. Quase nenhum mostra números reais de uma operação que precificou múltiplos produtos, errou, ajustou e aprendeu.

Este guia é diferente.

Consolida tudo que aprendemos precificando cinco produtos AI-first na WM3 Digital entre dezembro de 2024 e maio de 2025. Inclui os CAC reais, as margens por produto, os modelos que testamos, o custo por token de cada modelo que usamos, o impacto da conversão USD/BRL e — o mais importante — as decisões que tomamos com base nesses dados.

Se você está construindo um produto de IA e precisa definir um preço, este guia oferece a estrutura completa, desde a análise de custo até a psicologia de preços, com dados reais como âncora.

Os números reais: CAC por produto

Antes de qualquer teoria, vamos aos dados. Esta é a tabela de CAC (Customer Acquisition Cost) efetivo de cada produto da WM3 em maio de 2025. O CAC efetivo considera o custo do preview (que é pago pela empresa) dividido pela taxa de conversão preview→pago.

Produto	Preço	Custo/preview	Conversão	CAC efetivo	Margem de aquisição
QR Code Hero	R$ 39	R$ 7,30	12,3%	R$ 59,35	34,3%
Raio-X de Landing	R$ 97	R$ 2,60	9,8%	R$ 26,53	72,6%
Tema 360	R$ 79	R$ 4,20	8,4%	R$ 50,00	36,7%
Landing Blueprint	R$ 147	R$ 3,90	7,6%	R$ 51,32	65,1%
Brand Snapshot	R$ 149	R$ 11,00	8,2%	R$ 134,15	10,0%

Esses números contam uma história que os artigos de "margens de IA" ignoram: nem todo produto AI-first tem CAC baixo. O Brand Snapshot, nosso produto mais caro, tem o CAC mais alto proporcionalmente — 90% do preço de venda vai para cobrir o custo de aquisição via preview. A margem líquida é de apenas 10% no primeiro ciclo.

O Raio-X de Landing é o oposto: CAC de R$ 26,53 contra preço de R$ 97. Margem de aquisição de 72,6%. É o produto mais eficiente do portfólio.

O que explica a diferença? Dois fatores: custo por preview e taxa de conversão. O Brand Snapshot usa geração de imagem (Imagen 3, 4 logos por rodada), o que encarece cada preview para R$ 11,00. O Raio-X de Landing é puramente textual (Claude), com custo por preview de R$ 2,60.

A lição que os dados revelam

Quando o custo por preview é alto, a matemática inteira muda. Você precisa de uma conversão proporcionalmente maior ou um preço proporcionalmente mais alto para manter a viabilidade. Se o custo por preview do Brand Snapshot fosse R$ 2,60 (como o Raio-X), o CAC cairia para R$ 31,71 e a margem de aquisição saltaria para 78,7%.

Isso significa que a escolha do modelo de IA e o design do fluxo de trabalho afetam diretamente a precificação. Não é possível separar engenharia de pricing em produtos AI-first.

Modelos de precificação: qual funciona para IA?

Existem quatro modelos principais de precificação para produtos digitais. Cada um tem implicações diferentes quando aplicado a produtos de IA. Testamos três deles na prática. Aqui está a análise comparativa.

1. Preview-First (o modelo que usamos)

O cliente recebe um resultado parcial gratuito e paga pelo resultado completo. O preview demonstra competência e cria urgência de migração para o plano pago.

Como funciona na prática:

• O usuário acessa o produto, insere seus dados (URL, brief, informações da marca)
• Recebe um resultado parcial em segundos — suficiente para ver a qualidade, insuficiente para resolver o problema
• Paga para desbloquear o resultado completo

Vantagens para IA:

• Elimina fricção de entrada: o cliente prova o produto antes de pagar
• Custo previsível: você sabe quanto cada preview custa e pode calcular o CAC
• Alta conversão: taxas de 7-12% são realistas com preview de qualidade
• Funciona no modelo pontual: o cliente paga uma vez e recebe o entregável

Desvantagens:

• O custo do preview é absorvido pela empresa: se a conversão cai, o custo escala
• Limita o tipo de produto: funciona para entregáveis pontuais, não para SaaS contínuos
• Exige disciplina de custo: sem monitoramento, o custo por preview pode sair do controle

Quando usar: Produtos pontuais de IA com entregável claro (diagnóstico, planejamento, conteúdo, design). Especialmente eficaz quando o custo por delivery é baixo (abaixo de R$ 5,00).

2. Modelo gratuito

Oferece um plano gratuito com limitações e um plano pago com recursos completos. É o modelo clássico de SaaS, popularizado por produtos como Slack, Notion e Canva.

Vantagens para IA:

• Gera base de usuários grande, o que é valioso para treinar e melhorar o produto
• Permite monetizar diferentes perfis de uso (leve vs. pesado)
• Escala bem com recorrência

Desvantagens:

• O custo da camada gratuita pode ser imprevisível em IA: cada interação gratuita consome tokens
• Difícil de equilibrar: limite muito baixo frustra, limite muito alto canibaliza o plano pago
• Exige infraestrutura complexa de faturamento, rate limiting e abuso

Na WM3, testamos e descartamos. A tentativa de criar um plano de assinatura para o Brand Snapshot (R$ 47/mês por até 5 diagnósticos) resultou em zero conversões em seis semanas. O problema não era o preço — era a frequência de uso. Diagnósticos de marca são inerentemente pontuais.

Quando usar: Produtos de IA com uso contínuo e frequente (chatbots, assistentes de escrita, ferramentas de análise recorrente). Não funciona para entregáveis pontuais.

3. Usage-Based (pagamento por uso)

O cliente paga pelo que consome — tokens, imagens geradas, análises realizadas. É o modelo que mais cresce em IA, popularizado pela OpenAI (API), Anthropic (API) e Midjourney.

Vantagens para IA:

• Margem natural: o cliente paga proporcionalmente ao custo de produção
• Escala automaticamente: quem usa mais paga mais
• Justo para o cliente e para a empresa

Desvantagens:

• Previsibilidade de receita é baixa: o cliente não sabe quanto vai gastar
• Fricção de entrada: "quanto vai custar?" é uma pergunta que o cliente faz antes de usar
• Exige infraestrutura de faturamento complexa (medidor de uso, cobrança por unidade)
• Difícil de comunicar: "R$ 0,02 por token" não é intuitivo para o cliente final

Na WM3, não testamos. O modelo faz sentido para produtos com uso variável e imprevisível. Nossos produtos são entregáveis fixos (um diagnóstico, um planejamento), não uso contínuo. O preview-first é mais adequado para nosso caso.

Quando usar: Produtos de IA com uso variável (geração de conteúdo em volume, análise de dados sob demanda, automação por fluxo de trabalho).

4. Seat-Based (por usuário)

O cliente paga por assento — R$ X/mês por usuário. É o modelo SaaS tradicional, usado por quase todas as ferramentas B2B.

Vantagens:

• Previsibilidade de receita: MRR baseado em número de assentos
• Simples de entender e de vender
• Natural para equipes

Desvantagens:

• Não reflete o custo real de IA: 10 usuários leves custam menos que 2 usuários pesados
• Compartilhamento de credenciais é comum (um plano de 1 assento para 5 pessoas)
• Pressão de preço: "por que pagar R$ 50/mês se posso usar o ChatGPT direto?"

Quando usar: Produtos de IA que são ferramentas de trabalho colaborativo — onde o valor está no acesso, não no uso. Exemplos: assistentes de código (GitHub Copilot), ferramentas de design (Figma AI), plataformas de automação (Zapier AI).

Comparativo direto

Modelo	Previsibilidade de receita	Fricção de entrada	Complexidade de faturamento	Melhor para
Preview-First	Média (pontual)	Baixa	Baixa	Entregáveis pontuais
Modelo gratuito	Alta (com recorrência)	Baixa	Alta	SaaS com uso frequente
Usage-Based	Baixa	Alta	Alta	Uso variável e imprevisível
Seat-Based	Alta	Média	Baixa	Ferramentas colaborativas

Na WM3, o preview-first é o modelo correto para o que construímos. Não é o único modelo viável para IA — mas é o que melhor se alinha com entregáveis pontuais de alta qualidade.

Estrutura de custo: quanto custa realmente rodar um produto de IA

Uma das maiores mentiras contadas sobre produtos AI-first é que "o custo é quase zero". Não é. O custo marginal por delivery é baixo, mas a estrutura completa de custo é mais complexa do que parece.

Custo por token: os modelos que usamos

Cada modelo de IA tem uma estrutura de preço diferente. Aqui estão os modelos que usamos na WM3 e os respectivos custos:

Modelos de texto (Anthropic Claude):

Modelo	Input (1M tokens)	Output (1M tokens)	Uso na WM3
Claude 3.5 Sonnet	US$ 3,00	US$ 15,00	Raio-X de Landing, Landing Blueprint, Tema 360
Claude 3 Haiku	US$ 0,25	US$ 1,25	Validações, classificações rápidas

Modelos de imagem (Google Imagen):

Modelo	Custo por imagem	Resolução	Uso na WM3
Imagen 3	US$ 0,02	1024x1024	Logos do Brand Snapshot (4 por delivery)
Imagen 3 (upscale)	US$ 0,04	2048x2048	Logos em alta resolução

Modelos OpenAI (uso secundário):

Modelo	Input (1M tokens)	Output (1M tokens)	Uso na WM3
GPT-4o-mini	US$ 0,15	US$ 0,60	Análises visuais leves (Brand Snapshot)
GPT-4o	US$ 2,50	US$ 10,00	Diagnósticos estruturados

Custo por delivery: decomposição real

Aqui está a decomposição de custo por delivery de cada produto, com os modelos utilizados:

QR Code Hero (R$ 7,30/preview):

Etapa	Modelo	Custo
Geração de 4 variações de QR Code	Imagen 3 (4 imagens)	US$ 0,08
Análise visual do conceito	Claude 3.5 Sonnet	US$ 0,04
Extração de dados + infraestrutura	—	US$ 0,08
Marca d'água + processamento	—	US$ 0,20
Total		US$ 0,40 (~R$ 2,20)

Raio-X de Landing (R$ 2,60/preview):

Etapa	Modelo	Custo
Extração de dados do conteúdo da landing	—	US$ 0,02
Análise de UX e copy (prompt completo)	Claude 3.5 Sonnet	US$ 0,18
Geração de diagnóstico estruturado	Claude 3.5 Sonnet	US$ 0,12
Infraestrutura	—	US$ 0,04
Total		US$ 0,36 (~R$ 1,98)

Tema 360 (R$ 4,20/preview):

Etapa	Modelo	Custo
Análise do nicho e concorrência	Claude 3.5 Sonnet	US$ 0,15
Geração de artigo (1.000+ palavras)	Claude 3.5 Sonnet	US$ 0,22
Geração de 3 posts para redes sociais	Claude 3.5 Sonnet	US$ 0,12
Geração de hooks e títulos	Claude 3 Haiku	US$ 0,03
Infraestrutura	—	US$ 0,06
Total		US$ 0,58 (~R$ 3,19)

Landing Blueprint (R$ 3,90/preview):

Etapa	Modelo	Custo
Análise do produto/serviço	Claude 3.5 Sonnet	US$ 0,12
Estrutura da landing (copy, seções, CTA)	Claude 3.5 Sonnet	US$ 0,25
Sugestões de SEO e layout	Claude 3 Haiku	US$ 0,04
Infraestrutura	—	US$ 0,05
Total		US$ 0,46 (~R$ 2,53)

Brand Snapshot (R$ 11,00/preview):

Etapa	Modelo	Custo
Extração de dados + capturas de tela do site	—	US$ 0,02
Análise visual da identidade	GPT-4o-mini	US$ 0,01
Diagnóstico estruturado da marca	GPT-4o	US$ 0,024
Geração de 4 logos (Imagen 3)	Imagen 3 (4 imagens)	US$ 0,08
Análise dos logos gerados	Claude 3.5 Sonnet	US$ 0,05
Geração de paleta e tipografia	Claude 3 Haiku	US$ 0,02
Infraestrutura + processamento de imagem	—	US$ 0,30
Total		US$ 0,504 (~R$ 2,77)

Nota: os valores em reais incluem margem de conversão e custos operacionais além do custo direto de API. O custo de API é apenas uma fração do custo total por preview — infraestrutura, processamento de imagem, extração de dados e contingência representam 40-60% do custo total.

Análise de margem por produto

A margem bruta por delivery é enganosa. Ela mostra o custo marginal de produção, mas ignora o custo de desenvolvimento, infraestrutura mensal e custo de aquisição via preview. A margem real é mais complexa.

Margem bruta por delivery (custo de API apenas)

Produto	Preço	Custo API/delivery	Margem bruta
QR Code Hero	R$ 39	R$ 2,20	94,4%
Raio-X de Landing	R$ 97	R$ 1,98	98,0%
Tema 360	R$ 79	R$ 3,19	96,0%
Landing Blueprint	R$ 147	R$ 2,53	98,3%
Brand Snapshot	R$ 149	R$ 2,77	98,1%

Esses números são impressionantes. E são a primeira coisa que todo fundador de produto AI-first vai te mostrar. Mas escondem a verdade.

Margem real (incluindo custo de preview e desenvolvimento)

A margem real precisa considerar: custo por preview (porque para cada venda, existem previews não convertidos), custo de desenvolvimento (ponto de equilíbrio) e infraestrutura mensal.

Produto	Preço	CAC efetivo	Horas de dev	Custo de dev	Ponto de equilíbrio (vendas)	Margem líquida estimada*
QR Code Hero	R$ 39	R$ 59,35	40h	R$ 8.000	340	Negativa no ciclo 1
Raio-X de Landing	R$ 97	R$ 26,53	50h	R$ 10.000	134	55,4%
Tema 360	R$ 79	R$ 50,00	120h	R$ 24.000	487	21,7%
Landing Blueprint	R$ 147	R$ 51,32	80h	R$ 16.000	142	49,7%
Brand Snapshot	R$ 149	R$ 134,15	60h	R$ 12.000	531	Negativa no ciclo 1

*Margem líquida estimada = preço - CAC efetivo - custo de infraestrutura por delivery (~R$ 3,00). Não inclui custo de desenvolvimento (que é fixo e precisa ser recuperado ao longo do tempo).

Dois dados saltam: o QR Code Hero e o Brand Snapshot têm margem líquida negativa no primeiro ciclo de venda. Isso significa que o custo de aquisição via preview é maior que o preço de venda. Esses produtos só se tornam rentáveis quando o cliente compra novamente (recompra) ou quando o custo de preview é reduzido.

Isso é normal? Sim, para produtos que servem como produto cunha (ponto de entrada). O QR Code Hero gera volume e alimenta o funil para produtos com margem melhor (Brand Snapshot, serviços). O Brand Snapshot tem alto custo de preview por causa da geração de imagem, mas o cliente que compra uma vez está qualificado para venda cruzada de serviços premium (identidade de marca completo).

O Raio-X de Landing é o produto mais saudável financeiramente: CAC baixo, preço alto, margem líquida confortável. É o produto que deveria receber mais investimento de tráfego.

Quando subir o preço (e quando não subir)

A decisão de subir preço é a mais tensa na operação de um produto AI-first. Subir muito e perder volume. Não subir e deixar dinheiro na mesa. Aqui estão os sinais que usamos para decidir.

Sinais de que está na hora de subir

1. A conversão está estável ou subindo no preço atual.

O Landing Blueprint estava em R$ 97 com conversão de 6,8%. Quando subimos para R$ 147, a conversão ficou em 7,6% — subiu. Isso era sinal claro de que o preço estava abaixo do que o mercado aceitava. O público que pagava R$ 97 era o mesmo que pagaria R$ 147.

2. O custo por preview subiu sem explicação.

No início de 2025, o custo do Brand Snapshot subiu de US$ 0,035 para US$ 0,08 por delivery. A causa foi um prompt mais pesado. Quando o custo de produção sobe e o preço permanece fixo, a margem encolhe silenciosamente. Subir o preço é a resposta natural — desde que o mercado aceite.

3. O volume de tráfego orgânico está crescendo.

Quando o SEO começa a gerar tráfego consistente, o custo de aquisição cai (porque o tráfego é grátis). Isso cria espaço para testar preços mais altos — se a conversão cair um pouco, o custo de aquisição ainda é baixo o suficiente para compensar.

4. Clientes estão perguntando por mais funcionalidades.

Quando clientes pedem funcionalidades que não existem no produto base, é sinal de que o valor percebido é maior que o preço pago. Essa demanda latente pode ser monetizada via reajuste de preço ou produto premium.

5. A concorrência está mais barata, não mais cara.

Se concorrentes entraram no mercado com preços menores, pode parecer contra-intuitivo subir. Mas se o seu produto é diferenciado (melhor qualidade, resultado mais completo, preview mais convincente), o preço mais alto funciona como sinal de qualidade — e afasta o público que compara por preço.

Sinais de que NÃO é hora de subir

1. A conversão caiu recentemente por razões desconhecidas.

Se a conversão está em queda e você não sabe por quê, subir o preço vai piorar a situação. Primeiro descubra a causa (tráfego piorou? preview quality caiu? sazonalidade?). Depois decida.

2. O CAC pago (ads) já está no limite.

Se você paga por tráfego e o ROAS está entre 2x e 3x, qualquer aumento de preço que reduza a conversão vai quebrar a matemática dos ads. Nesse cenário, o foco deveria ser otimizar o preview para aumentar a conversão — não subir o preço.

3. O produto ainda não atingiu adequação produto-mercado.

Se o volume de vendas é baixo e irregular, o problema não é preço — é produto. Subir o preço antes de ter um fluxo consistente de vendas é Otimismo em forma de planilha.

4. Você mudou o preview recentemente.

Se alterou o preview (mais ou menos conteúdo, novo formato, novo modelo), espere pelo menos 4 semanas para os dados estabilizarem. Mudanças no preview afetam a conversão, e a conversão afeta a percepção de preço.

Precificação psicológica para produtos de IA

A forma como o preço é apresentado afeta a conversão tanto quanto o valor numérico. Em produtos de IA, onde o custo de produção é opaco para o cliente, a ancoragem psicológica é ainda mais importante.

Anchoring pelo custo da alternativa humana

O preço de R$ 97 pelo Raio-X de Landing parece alto para um "texto gerado por IA" — até que você mostra a alternativa: uma consultoria de UX/otimização de conversão custa entre R$ 2.000 e R$ 5.000 pelo mesmo diagnóstico. O preço de R$ 97 é 2-5% do custo humano. Essa ancoragem transforma o preço de "caro" para "baratíssimo".

Na página de vendas do Raio-X, incluímos explicitamente: "Uma consultoria de otimização de conversão cobra R$ 3.000+ pelo mesmo diagnóstico. O Raio-X entrega em 30 segundos por R$ 97."

O efeito dos endings em 7 e 9

Testamos preços com endings diferentes. Os resultados:

Produto	Preço testado	Conversão	Observação
QR Code Hero	R$ 37	11,5%	Conversão menor que R$ 39
QR Code Hero	R$ 39	12,3%	Melhor resultado
QR Code Hero	R$ 40	11,1%	Queda significativa
Brand Snapshot	R$ 147	8,2%	Igual a R$ 149
Brand Snapshot	R$ 149	8,2%	Sem diferença vs R$ 147
Brand Snapshot	R$ 150	6,8%	Queda clara

R$ 149 não converte melhor que R$ 147, mas R$ 150 converte pior. O limite de R$ 150 é real. Para o Brand Snapshot, usamos R$ 149 porque soa como "um pouco menos de 150" — e a conversão confirma que funciona.

Bundling: quando empacotar produtos

Em abril de 2025, testamos um bundle: Raio-X de Landing + Landing Blueprint por R$ 197 (em vez de R$ 97 + R$ 147 = R$ 244 separados). O desconto era de 19%.

A conversão do bundle foi de 4,2% — menor que a soma das conversões individuais (9,8% + 7,6% = 17,4% de oportunidades). Mas o faturamento por visitante era maior: R$ 197 × 4,2% = R$ 8,27 por visitante vs. R$ 97 × 9,8% + R$ 147 × 7,6% = R$ 20,63 por visitante (se o cliente comprasse ambos separadamente).

O bundle funcionou mal porque o cliente que compra o Raio-X precisa de tempo para absorver o diagnóstico antes de decidir pelo Blueprint. Oferecer ambos de uma vez remove essa etapa natural de decisão. A lição: em produtos de IA com entregável analítico, o bundle de problema→solução precisa de tempo entre os passos.

Custo por token: a matemática que muda com o câmbio

Todos os custos de API são em dólar. Todos os preços de venda são em real. Quando o dólar sobe, o custo de produção sobe e a margem encolhe — sem que você mude nada no produto.

Impacto da conversão USD/BRL

Câmbio	Custo Brand Snapshot (US$ 0,504)	Preço R$ 149	Margem API
R$ 4,50	R$ 2,27	R$ 149	98,5%
R$ 5,00	R$ 2,52	R$ 149	98,3%
R$ 5,50	R$ 2,77	R$ 149	98,1%
R$ 6,00	R$ 3,02	R$ 149	98,0%
R$ 6,50	R$ 3,28	R$ 149	97,8%

A margem API quase não muda (98% → 97,8%). Mas o custo real por preview sim: de R$ 2,27 a R$ 3,28 — uma diferença de 44%. Em 1.000 previews por mês, isso é R$ 1.010 a mais em custos.

Para produtos com custo de preview alto (Brand Snapshot, R$ 11,00), a variação cambial afeta o CAC efetivo:

Câmbio	Custo/preview Brand Snapshot	CAC efetivo (8,2%)	Impacto na margem
R$ 5,00	R$ 9,80	R$ 119,51	Margem de 19,8%
R$ 5,50	R$ 11,00	R$ 134,15	Margem de 10,0%
R$ 6,00	R$ 12,20	R$ 148,78	Margem de 0,1%
R$ 6,50	R$ 13,40	R$ 163,41	Negativa

A R$ 6,00, o CAC efetivo do Brand Snapshot praticamente elimina a margem. A R$ 6,50, o produto opera no prejuízo em cada venda. Esse é um risco real de operar custos em dólar e receitas em real.

Como se proteger da variação cambial

1. Precificar com margem de câmbio. Ao definir o preço, assuma um câmbio 10-15% acima do atual. Se o dólar está a R$ 5,50, calcule como se estivesse a R$ 6,30. Essa margem de segurança absorve variações sem precisar reajustar preços constantemente.

2. Ter planos de reajuste predefinidos. Defina limites: se o dólar passar de R$ 6,00, reajustar preços em 10%. Se passar de R$ 6,50, reajustar em 20%. Isso remove a emoção da decisão — é um gatilho objetivo.

3. Reduzir dependência de modelos caros. A transição de GPT-4o (US$ 2,50/US$ 10,00 por 1M tokens) para Claude 3.5 Sonnet (US$ 3,00/US$ 15,00 por 1M tokens) foi neutra em custo para o Raio-X. Mas a migração de GPT-4o para Claude 3 Haiku (US$ 0,25/US$ 1,25 por 1M tokens) em tarefas leves reduziu o custo em até 80%. Sempre que possível, use o modelo mais barato que entrega qualidade aceitável.

4. Negociar preços de API para volume. Anthropic e OpenAI oferecem descontos para uso consistente acima de certos limites. Se seu volume mensal de tokens justifica, a negociação pode reduzir o custo em 15-25%.

Estrutura de precificação: a fórmula que usamos

Depois de seis meses de experimentos, erros e ajustes, esta é a estrutura de precificação que usamos na WM3 para novos produtos AI-first.

Passo 1: Calcular o custo por preview

Some todos os custos de uma interação: tokens de IA, processamento de imagem, extração de dados, infraestrutura. Adicione 20% de contingência (para variações de prompt e modelos).

Fórmula: custo API + custo infraestrutura + 20% contingência = custo por preview

Passo 2: Estimar a taxa de conversão

Para um novo produto, use 5% como estimativa conservadora. Produtos com preview de alta qualidade podem atingir 8-12%. Use 5% para o cálculo inicial — é melhor ser surpreendido positivamente.

Passo 3: Calcular o CAC efetivo

Fórmula: CAC efetivo = custo por preview ÷ taxa de conversão

Se o custo por preview é R$ 3,00 e a conversão é 5%, o CAC é R$ 60.

Passo 4: Definir o preço mínimo

O preço precisa ser pelo menos 5x o CAC efetivo para ter margem confortável. Se o CAC é R$ 60, o preço mínimo é R$ 300. Se o mercado não aceita R$ 300, você precisa reduzir o custo por preview ou aumentar a conversão — não reduzir o preço.

Passo 5: Ancorar no valor percebido

Compare o preço com a alternativa humana. Se uma consultoria de UX cobra R$ 3.000 e seu produto entrega um diagnóstico similar por R$ 97, o preço é 3% da alternativa. Use isso como argumento de vendas.

Passo 6: Testar para cima

Lance com um preço 30% acima do calculado no passo 4. Se a conversão não cair significativamente em 4 semanas, mantenha. Se cair, ajuste para baixo em incrementos de 10%.

Passo 7: Monitorar semanalmente

Acompanhe: custo por preview, taxa de conversão, volume de previews, CAC efetivo, faturamento por visitante. Se qualquer métrica variar mais de 20% em relação à semana anterior, investigue.

O que não abordamos (e que você deveria investigar)

Este guia foca na experiência da WM3 com produtos pontuais de IA no mercado brasileiro. Existem cenários que não dominamos e que merecem investigação separada:

• Produtos de IA com custo alto por delivery: geração de vídeo (Sora, Runway), imagem complexa (DALL-E 3, Flux), onde o custo por delivery é US$ 0,50-5,00 e a matemática é completamente diferente.

• SaaS AI-first com recorrência real: produtos como Jasper, Copy.ai e Midjourney provam que recorrência é possível com IA — mas exigem um tipo de produto diferente do que construímos.

• Pricing em dólar para mercado global: vender em USD elimina o risco cambial, mas introduz o desafio de competir globalmente com produtos americanos que têm custo de API menor (por estarem mais perto dos data centers) e acesso a capital mais barato.

• Modelos híbridos: combinar preview-first com modelo gratuito (preview gratuito + plano mensal para power users) é uma possibilidade que ainda não exploramos.

O pricing de produtos de IA não é uma ciência resolvida. É um campo em evolução, e as "boas práticas" de hoje podem ser obsoletas em seis meses. O que podemos afirmar com confiança é: os dados reais de operação são o único guia confiável. Teoria serve para formular hipóteses. Prática serve para validá-las.

Neste guia, compartilhamos as hipóteses que formulamos, as que validamos e as que falharam. Os números são reais. As lições são nossas. A estrutura é pragmática — não perfeito.

Se você está precificando um produto de IA agora, a melhor recomendação que posso dar é: comece com os dados acima como referência, mas construa os seus próprios. O pricing é uma função do seu produto, seu mercado, seus custos e seu público. Ninguém mais tem essa combinação.

Números baseados na operação real da WM3 Digital entre dezembro de 2024 e maio de 2025. Taxas de conversão, custos, câmbio e volumes refletem dados reais e são atualizados mensalmente.