Em janeiro de 2025 entrou em vigor, na União Europeia, o regulamento de resiliência operacional digital para o setor financeiro, conhecido pela sigla DORA. Entre outras exigências, o Regulamento (UE) 2022/2554 passou a obrigar bancos e seguradoras a manter uma estratégia de saída documentada para cada fornecedor crítico de tecnologia — um plano para migrar sem parar a operação, escrito antes de precisar dele.
No Reino Unido, o Banco da Inglaterra e a Autoridade de Conduta Financeira seguiram o mesmo caminho. Desde 1º de janeiro de 2025, fornecedores considerados críticos para o sistema financeiro britânico precisam mostrar como gerenciam a própria cadeia de dependências e como uma eventual saída seria conduzida sem ameaçar o setor. O próprio órgão regulador registrou que problemas ligados a terceiros foram a principal causa de incidentes operacionais relatados entre 2022 e 2023.
A lógica por trás dessas regras não é exclusiva de bancos. Toda empresa que constrói sua operação de IA em cima de um único fornecedor corre o mesmo risco que os reguladores endereçaram: descobrir, na hora de trocar, que sair é bem mais caro e mais lento do que entrar. E quem decide onde a IA vai operar dentro da empresa raramente pensa nisso antes de assinar o primeiro contrato.
A conta que só aparece na saída
Um levantamento da Zapier com 542 executivos nos Estados Unidos, citado pelo jornal The Register em abril de 2026, mostra a distância entre expectativa e realidade: 90% deles acreditavam que conseguiriam trocar de fornecedor de IA em até quatro semanas, e 41% apostavam em apenas alguns dias úteis. Na prática, apenas 42% das empresas que tentaram migrar de uma plataforma de IA para outra afirmam que a mudança correu bem.
A explicação do próprio levantamento é direta: quando a IA já está costurada aos processos internos, ligada a outros sistemas e ajustada a rotinas específicas, ela carrega dependências, exceções e pequenos ajustes que ninguém documentou. Cada um desses ajustes fica invisível até o dia em que o fornecedor muda — e vira trabalho de reconstrução.
E o fornecedor muda com mais frequência do que a empresa espera. Segundo a mesma reportagem, a Anthropic alterou em abril de 2026 a cobrança do plano corporativo do Claude, que deixou de ter preço fixo e passou a cobrar por uso — mudança que, segundo especialistas ouvidos pelo veículo, pode dobrar ou triplicar o custo de quem usa a ferramenta com intensidade. A OpenAI, por sua vez, elevou o preço por unidade processada do seu modelo principal de US$ 1,25 para US$ 5,75 na passagem de uma versão para a seguinte.
Nenhuma dessas mudanças é anunciada com antecedência suficiente para uma empresa trocar de fornecedor no mesmo ritmo. E quando alguém da diretoria pergunta por que não se troca, a resposta costuma ser parecida com a dos bancos europeus antes do DORA: porque ninguém desenhou o plano de saída antes de precisar dele.
Duas respostas que não bastam
A resposta mais comum é comercial: negociar um contrato mais longo ou um teto de reajuste. Ajuda no orçamento, mas não resolve o problema de fundo — um fornecedor pode descontinuar um modelo, mudar o comportamento dele ou reduzir o que oferece sem alterar uma linha do contrato de preço. Segundo o mesmo levantamento, a Anthropic retirou de circulação, com pouco aviso, mais de uma versão do Claude ao longo do último ano; a OpenAI fez o mesmo com uma ferramenta de geração de imagem, trocando o modelo por trás dela sem sequer citar a versão anterior pelo nome.
A segunda resposta comum é técnica: contratar mais de um fornecedor ao mesmo tempo, como seguro. Isso reduz o risco de uma indisponibilidade total, mas não resolve a troca — porque o que fica preso a um fornecedor raramente é a conexão técnica. É o roteiro que alguém passou meses ajustando: a forma exata de pedir, as exceções aprendidas testando e errando, a sequência de etapas que, na prática, aprendeu a funcionar com aquele modelo específico. Nada disso migra sozinho para o modelo seguinte.
Em outras palavras, os dois remédios mais comuns tratam o sintoma — preço e disponibilidade — e deixam intacta a causa: o conhecimento e as regras de como a empresa trabalha viraram parte do fornecedor, em vez de continuarem sendo parte da empresa.
Quando a IA já está costurada aos processos internos e ajustada a rotinas específicas, ela carrega dependências e pequenos ajustes que ninguém documentou.
O que precisa existir na prática
O conhecimento da empresa vive fora do modelo, com fonte e dono. Políticas, processos e roteiros ficam guardados num lugar da empresa, com fonte e versão vigente — não dentro do ajuste fino de um fornecedor específico. Trocar de modelo não apaga o que a empresa sabe.
As regras de trabalho ficam documentadas na plataforma, não na cabeça de quem usa o modelo hoje. Quem aprova o quê, em que ordem, com qual exceção: isso é regra da empresa, escrita e aplicada pelo ambiente que a IA usa — não um hábito que só existe porque alguém decorou o jeito certo de pedir a um modelo específico.
Cada tarefa é direcionada ao modelo de IA mais adequado, não a um só modelo fixo. Quando a plataforma decide, tarefa por tarefa, qual modelo responde, trocar um fornecedor por outro — ou usar os dois ao mesmo tempo, por custo ou por disponibilidade — é uma configuração, não uma reconstrução da operação inteira.
O contrato prevê como sair antes de a empresa precisar sair. Prazo de transição, formato de exportação dos dados e do que foi aprendido, aviso mínimo antes de uma mudança de preço ou de uma descontinuação: cláusulas assim custam uma negociação hoje e evitam um resgate caro depois.
A trilha de auditoria e o histórico ficam com a empresa, não só com o fornecedor. Registro de o que foi aprovado, por quem e por que, guardado no ambiente da empresa. Se o fornecedor do modelo mudar, a história do que a empresa construiu não some junto.
Nenhum desses mecanismos depende de adivinhar qual fornecedor vai subir o preço primeiro. É assim que a Skyller foi desenhada: o conhecimento da empresa fica guardado como ativo próprio, com fonte e dono, e cada tarefa é direcionada ao modelo de IA mais adequado — trocar de fornecedor vira ajuste, não reconstrução.
Poder de negociação de volta
O primeiro ganho é o mais direto: poder de negociação. Uma empresa que consegue trocar de modelo sem recomeçar a operação também consegue dizer não a um reajuste — e o fornecedor sabe disso desde a primeira reunião de renovação de contrato.
O segundo ganho aparece quando um fornecedor descontinua um modelo ou o serviço fica indisponível por algumas horas. Em vez de a operação parar até alguém remontar tudo manualmente, a tarefa é direcionada para outro modelo de IA já configurado para aquele mesmo tipo de trabalho, sem que quem pediu perceba a diferença.
O terceiro é financeiro, e o mais fácil de mostrar numa planilha: nem toda tarefa precisa do modelo mais caro. Uma pergunta simples de atendimento e uma análise complexa de contrato não exigem o mesmo esforço de processamento — e, com o direcionamento certo, a empresa paga o preço da tarefa, não o preço fixo de um único fornecedor para tudo. A Skyller, por exemplo, faz esse direcionamento por tarefa de forma contínua, sem que ninguém precise escolher o modelo manualmente a cada pedido.
O quarto ganho é menos visível, mas é o que sobra depois de anos: o conhecimento construído — os roteiros que funcionam, as exceções aprendidas, o histórico de decisões — continua pertencendo à empresa, e não evapora quando um contrato muda.
Cinco perguntas antes de assinar o próximo contrato
- Se este fornecedor sumisse amanhã, o que pararia de funcionar? Liste os processos que hoje dependem de um único modelo de IA, sem alternativa configurada.
- O que a empresa aprendeu está com a empresa ou está com o fornecedor? Roteiros, exceções e ajustes finos que só existem dentro de um modelo específico não são um ativo da empresa — são um refém dela.
- O contrato diz quanto tempo de transição a empresa tem se o preço mudar ou o modelo for descontinuado? Se a resposta for "não sabemos", essa é a primeira cláusula a renegociar.
- Cada tarefa está indo para o modelo de IA certo, ou tudo passa pelo mesmo por hábito? Tarefa simples com modelo caro é dinheiro perdido; tarefa complexa com modelo simples é risco.
- Quem, hoje, seria capaz de reconstruir a operação de IA da empresa sem uma pessoa específica? Se a resposta for um único nome, o conhecimento não está na empresa — está numa pessoa e num fornecedor.
