Responder um cliente pelo WhatsApp custa quanto?

Se ele mandou mensagem primeiro e você responde dentro de 24 horas, a Meta não cobra nada. A cobrança por mensagem existe para os modelos de marketing, utilidade e autenticação, que são os que a empresa inicia. Consultado em 20/07/2026.

O custo de IA cresce junto com o número de mensagens?

Cresce, mas não na proporção que se espera. O que pesa é o tamanho do histórico enviado em cada chamada, não a quantidade de mensagens curtas. Trinta conversas de uma mensagem custam mais que uma conversa de trinta.

Qual o custo que ninguém coloca na planilha?

O tempo de quem revisa e corrige o que a IA respondeu errado nas primeiras semanas. No primeiro mês ele supera o custo de token e de infraestrutura somados, com folga.

Existe custo de disparo em massa?

Sim, e é outra conta. Mensagem de marketing iniciada pela empresa é a categoria mais cara da tabela da Meta, e no Brasil custa cerca de 9x uma mensagem de utilidade. Categorizar errado é o erro mais caro que se comete ali.

Quanto custa automatizar o atendimento no WhatsApp com IA

Q: Preciso do modelo mais caro para atender bem?

Não na maior parte do fluxo. A diferença entre o modelo intermediário e o de topo é de cerca de 5x no preço por token, e boa parte do atendimento é tarefa fechada. O modelo caro se justifica onde existe julgamento, como decidir passar para um humano.

Automatizar o atendimento receptivo no WhatsApp com IA custa, por conversa completa, entre 3 e 11 centavos de dólar em modelo, dependendo de qual você usa. A parte que quase todo mundo assume ser o custo principal, a mensagem do WhatsApp em si, costuma ser zero.

Isso surpreende menos que a conclusão que vem junto: nenhum dos dois é o custo real do projeto.

Por que a mensagem sai de graça

Desde julho de 2025 a Meta cobra por mensagem entregue, e não mais por janela de conversa. As mensagens são divididas em quatro categorias, e só três delas são cobradas: marketing, utilidade e autenticação. A quarta, chamada de serviço, é a resposta que você manda para quem falou com você primeiro, dentro de uma janela de 24 horas. Essa não é cobrada.

Atendimento receptivo é exatamente isso. O lead viu o anúncio, clicou, mandou mensagem. Tudo o que a IA responder nas 24 horas seguintes não gera custo de plataforma.

A conta muda quando você inicia. No Brasil, uma mensagem de marketing sai por cerca de US$0,0625 e uma de utilidade por cerca de US$0,0068, uma diferença de aproximadamente 9x. É por isso que categorizar template errado é o erro mais caro que se comete nessa configuração, e vale conferir a tabela oficial por país antes de desenhar qualquer disparo.

A conta do modelo, com as premissas na mesa

Aqui é onde a maioria dos artigos inventa número. Então seguem as premissas, para você refazer a conta com as suas:

Conversa de 12 mensagens até a qualificação terminar
Cerca de 25 mil tokens de entrada somando todas as chamadas, porque cada chamada carrega o histórico anterior
Cerca de 2 mil tokens de saída no total
Sem cache de prompt, que reduziria a entrada de forma relevante

Com os preços públicos de julho de 2026:

Modelo	Entrada / saída (por milhão)	Custo da conversa
Haiku 4.5	US$1 / US$5	~US$0,035
GPT-5.6 Luna	US$1 / US$6	~US$0,037
Sonnet 5	US$3 / US$15	~US$0,105
Opus 4.8	US$5 / US$25	~US$0,175

A US$5,50 por dólar, apenas como referência (ajuste pelo câmbio do dia), a faixa realista fica entre R$0,19 e R$0,58 por conversa qualificada.

Coloque isso ao lado do que você paga por lead em tráfego pago. Se o seu CPL é de R$30, o custo de IA para atender esse lead é da ordem de 1% do que você já gastou para consegui-lo.

O número real, medido numa campanha

Essa faixa não é teórica. Numa campanha que rodamos para uma imobiliária (10 dias, julho de 2026, anonimizada), a IA custou R$50 para atender 100 leads, ou R$0,50 por lead, bem dentro da faixa estimada acima. Ali os leads eram baratos, R$3,50 de CPL, então a IA representou 14% do investimento total, não os 1% do exemplo anterior. Mesmo sendo a menor linha do orçamento, foi ela que respondeu os 100 leads em cerca de 45 segundos, dia e noite. A conta completa dessa campanha está em CPL não é o número que importa.

O que realmente pesa: contexto, não volume

A intuição diz que 100 mensagens custam 100 vezes uma mensagem. Não é o que acontece.

Cada chamada ao modelo carrega o histórico necessário para a resposta fazer sentido. Numa conversa longa, o que cresce é o tamanho desse histórico, não a quantidade de chamadas. Por isso 30 conversas de uma mensagem custam mais que uma conversa de 30 mensagens, mesmo com o mesmo total de mensagens.

A consequência prática é contraintuitiva: o cliente que conversa muito não é o caro. O caro é o volume de contatos que nunca passam do primeiro “oi”. Se você tem muito lead frio entrando, o problema não é o custo da IA, é a qualidade do tráfego que está gerando esse volume.

Vale conhecer também o cache de prompt, oferecido pelos dois provedores: ele cobra bem mais barato pela parte do prompt que se repete entre chamadas, que é justamente a instrução do agente. Em atendimento, onde a instrução é longa e fixa, isso derruba a fatia de entrada de forma significativa.

Onde economizar sem perder qualidade

A escolha de modelo não precisa ser única para todo o fluxo. Entre o modelo de entrada e o de topo há cerca de 5x de diferença no preço por token, e boa parte do atendimento é tarefa fechada, com pouca ambiguidade: entender o que a pessoa quer, coletar dois ou três dados, responder dúvida frequente.

O modelo caro se paga onde existe julgamento. Na prática, o ponto mais sensível é a decisão de passar a conversa para um humano: errar ali custa o lead inteiro, e o lead inteiro vale muito mais que a economia de tokens do mês.

O custo que ninguém coloca na planilha

Nas primeiras semanas, alguém precisa ler o que a IA respondeu e corrigir o que saiu errado. Esse tempo humano supera token e infraestrutura somados, com folga, no primeiro mês.

Ele cai rápido, mas não vai a zero, e é o único item da conta que escala com a sua atenção em vez de escalar com dinheiro. Quem ignora isso no planejamento descobre no mês 2, geralmente junto com a conclusão errada de que “a IA não funcionou”.

Não vale a pena se

Abaixo de um certo volume, a conta não fecha, e é honesto dizer isso. Se você recebe poucas conversas por dia e consegue responder em minutos, automatizar resolve um problema que você ainda não tem, e introduz um que você não tinha: manter o sistema de pé.

O limiar não é o custo, que é baixo demais para ser critério. O limiar é quantas conversas você deixa esfriar por não conseguir responder a tempo.

Quando um cliente me pergunta quanto custa a IA, ele quase sempre está fazendo a pergunta errada, e eu falo isso na hora. O custo do modelo é centavos e some ao lado do que ele já paga por um lead no tráfego. O número que decide não está na fatura da IA, está em quantos leads ele perde por demorar a responder, e esse costuma ser uma ordem de grandeza maior.

O erro que eu já vi acontecer mais de uma vez é a empresa cortar o custo no lugar errado: economiza no modelo, escolhe o mais barato pra tudo, e paga caro onde não devia, que é a hora de decidir passar pro humano. E teria um cuidado: nas primeiras semanas alguém precisa ler o que a IA respondeu e corrigir. Quem pula esse trabalho descobre no mês 2, junto com a conclusão errada de que “a IA não funcionou”.

O que fazer com esse número

Se o seu gargalo é responder rápido fora do horário comercial, o custo de IA não é o critério de decisão: ele é pequeno demais para ser. O critério é quantos leads você perde hoje por demora na primeira resposta, e essa conta costuma ser uma ordem de grandeza maior que a soma da fatura do modelo com a da Meta.

Meça o seu tempo médio de primeira resposta antes de olhar preço de token. Se ele estiver acima de 15 minutos no horário de pico, a discussão de custo de IA é a discussão errada.