Precificação por seat na era da IA

Por Brian Tr · Atualizado em 5 de outubro de 2026

A precificação por seat cobra uma taxa fixa por cada pessoa que usa o seu produto. É a forma padrão de vender software B2B há duas décadas e se apoia em uma premissa silenciosa: quanto mais pessoas de um cliente usam o seu produto, mais valor ele recebe. A IA pressiona essa premissa. Se o seu software faz o trabalho em vez de ajudar uma pessoa a fazê-lo, o cliente pode precisar de menos gente, e um modelo de receita atrelado a pessoas começa a encolher conforme o seu valor cresce.

Isso não significa que os seats acabaram. Significa que o seat agora é uma escolha de precificação entre várias, e os fundadores precisam saber quando ele ainda serve e quando atua silenciosamente contra eles.

Este artigo trata de por que os seats venceram, da tensão que a IA cria, de onde os seats ainda fazem sentido, das adaptações comuns, do que a pesquisa diz que os fornecedores estão de fato fazendo e de uma tabela de decisão que você pode usar. Se quiser a mecânica clássica de contagem de seats e expansão, nosso guia sobre precificação por seat a cobre. Aqui o foco é o que a IA muda.

Por que o modelo por seat virou o padrão do SaaS

Os seats pegaram porque correspondiam à forma como o software criava valor. A Bain & Company disse isso com clareza em outubro de 2025: a precificação por seat funcionou bem historicamente porque a maior parte do software empresarial tornava os funcionários mais produtivos, e era fácil de entender, prever e orçar.

Três propriedades a fizeram pegar.

É simples de explicar. "US$ X por pessoa por mês" não exige calculadora. O comprador multiplica pelo headcount e obtém um número em dez segundos.

É previsível dos dois lados. As áreas financeiras conseguem orçar um número de seats. Os fornecedores conseguem prever a receita recorrente, que é o número que investidores e conselhos mais acompanham (nosso material básico sobre ARR e MRR explica por quê).

Cresce com o cliente. Quando o cliente contrata, você ganha mais sem uma conversa de vendas. A Bain descreve isso como um caminho natural de crescimento para os fornecedores à medida que os clientes adicionam funcionários.

E havia uma quarta propriedade oculta que importava mais do que alguém percebia: atender mais um seat custava quase nada. A atividade de um usuário não gerava uma conta significativa para o fornecedor, então uma taxa fixa por pessoa era praticamente margem pura. É a propriedade que a IA quebra primeiro.

A tensão estrutural que a IA cria

A IA ataca a precificação por seat de duas direções ao mesmo tempo. A Bain as enquadra como valor e custo.

O valor se afasta do humano

Muitos recursos e agentes de IA rodam em segundo plano e concluem tarefas com pouco ou nenhum envolvimento humano. O exemplo da Bain é a automação do atendimento ao cliente, que pode substituir por completo funções de suporte de nível inicial, o que significa que um medidor de preço por pessoa perde o sentido. Se o cliente precisa de menos pessoas para operar o software, a precificação baseada em headcount deixa de acompanhar o valor entregue. Mesmo onde o número de seats se mantém estável, a Bain observa que a IA pode entregar muito mais valor por seat, ou um valor totalmente desvinculado dos seats.

A pesquisa Growth Unhinged de Kyle Poyar com mais de 240 empresas de software, realizada em abril e maio de 2025, enuncia a lógica em uma linha: se a IA funciona como previsto, os clientes provavelmente precisam de menos pessoas e mais IA.

Eis a armadilha em números simples. Digamos que um cliente tenha dez atendentes de suporte no seu produto de helpdesk, a um preço por seat. Sua nova IA resolve metade dos tickets sem um humano. O cliente, razoavelmente, reduz para seis seats. Você entregou mais valor, e sua receita dessa conta caiu. Quanto melhor o seu produto funciona, menos você ganha.

O custo se aproxima do fornecedor

A segunda força é o custo. O playbook de precificação de IA da Bessemer faz o contraste diretamente: no SaaS clássico, atender mais um cliente custa praticamente nada, enquanto cada consulta de IA gera uma despesa nada trivial, que abrange computação e inferência, além do suporte com "humanos no circuito". A Bain faz a mesma observação: inferência, fine-tuning e P&D específico de IA carregam custos reais, e os fornecedores precisam monetizar os recursos de IA de uma forma que mais do que cubra o uso.

Sob um preço fixo por seat, o usuário intenso e o usuário leve pagam o mesmo. No SaaS clássico isso era aceitável, porque ambos custavam praticamente nada. Com a IA, o usuário intenso pode custar muitas vezes mais do que o leve. Você pode acabar com seus clientes mais engajados sendo os menos lucrativos.

Junte as duas forças e surge o problema central. A receita está atrelada a pessoas. O valor está migrando para a máquina. E o custo sobe com o uso da máquina, que o preço do seat não enxerga.

Onde o modelo por seat ainda funciona

A resposta honesta é que os seats ainda servem a muitos produtos. Algumas condições fazem deles uma boa escolha.

O humano ainda é quem faz o trabalho. Em uma ferramenta de colaboração, um produto de design, um CRM onde os representantes vivem o dia inteiro ou um espaço de projetos, cada pessoa que recebe valor é uma pessoa usando o produto. Os recursos de IA nesses produtos auxiliam o usuário em vez de substituí-lo. Um copilot que ajuda um profissional a trabalhar mais rápido é o caso mais claro. A Bessemer descreve os copilots como assistentes de IA que ficam ao lado de usuários humanos, normalmente precificados por seat ou por consumo, como no SaaS.

Os custos de IA por usuário são pequenos e limitados. Se os recursos de IA acrescentam um custo modesto e previsível por pessoa, embuti-los no preço do seat é seguro. Você pode precificar a média e aceitar alguma variação.

Os compradores valorizam a previsibilidade do orçamento. Muitas áreas financeiras prefeririam aprovar um número mensal conhecido a uma fatura medida que pode disparar. A pesquisa Growth Unhinged citou a previsibilidade como um dos motivos da popularidade dos modelos híbridos: ao ficar perto de um paradigma tradicional, os compradores conseguem estimar seus custos e sentir controle sobre os gastos. A Bessemer também lista o empacotamento da IA dentro de produtos baseados em seats como uma forma de manter a previsibilidade e administrar os custos de inferência.

O processo de compras é feito para seats. A Bain aponta que as equipes de compras dos clientes estão acostumadas a comprar software por headcount, não por valor, e que vender um modelo de uso ou de resultado significa mudar normas antigas e transferir linhas de orçamento da mão de obra para o software. Se seus compradores são conservadores, um preço familiar por seat remove um obstáculo de vendas.

Se o seu produto atende à maioria dessas condições, não rasgue sua precificação só porque o mercado está falando disso.

Quando os seats começam a doer

Observe estes sinais de que seu modelo por seat está desalinhado:

• Os clientes reduzem o número de seats depois de adotar seus recursos de IA.
• Suas contas de maior uso têm as menores margens.
• Os compradores descrevem seu produto como algo que substitui uma função, não que ajuda uma.
• Um preço de seat alto o bastante para cobrir os custos de IA deixa o produto caro demais para usuários leves, enquanto um preço baixo o bastante para eles dá prejuízo com os intensos.
• Os prospects perguntam: "O que pagamos se apenas duas pessoas fazem login mas o agente faz o trabalho?"

Qualquer um deles é um alerta. Dois ou três juntos significam que é hora de se adaptar.

Cinco formas de se adaptar sem abandonar os seats

A maioria das empresas não pula dos seats para os resultados. Elas ajustam em etapas. Estes são os padrões comuns.

1. IA embutida em planos de seat mais altos

O movimento mais simples: colocar os recursos de IA nos planos existentes e aumentar o preço do seat, ou reservá-los para um plano premium. É fácil de vender e de operar. O risco é que você está precificando a IA como um custo fixo por pessoa, então o uso intenso continua sem cobertura, e isso não faz nada contra a redução de seats.

2. Um add-on de IA por seat

Os clientes pagam o preço do seat pelo produto base mais uma taxa extra por usuário que recebe os recursos de IA. Isso mantém a lógica do seat e permite cobrar apenas de quem usa a IA. Funciona para copilots. Tem dificuldade quando o valor da IA não está atrelado ao usuário que a ativou.

3. Seat mais cota de uso

Cada seat inclui um pacote de uso de IA, como uma cota mensal de ações ou créditos, e os clientes pagam pelo excedente ou compram mais. É o formato híbrido mais comum. Protege sua margem contra usuários intensos e mantém uma base previsível. Nosso guia sobre precificação baseada em créditos aprofunda como cotas e créditos são projetados.

4. Seats de trabalhadores digitais

Alguns fornecedores precificam a própria IA como se fosse um membro da equipe: uma taxa mensal fixa por agente, ou por "função" preenchida. Isso mantém o vocabulário familiar do seat, o que ajuda o comprador que compara o custo com um salário. O ponto fraco é a unidade. A capacidade de um agente varia enormemente, então "um agente" pode significar quantidades muito diferentes de trabalho. Se você usar esse modelo, defina o que um trabalhador digital cobre, como um volume de tarefas por mês, para que a taxa corresponda a algo real.

5. Taxa de plataforma mais uso

Abandone as cobranças por usuário como medidor principal. Cobre uma taxa de plataforma pelo acesso, suporte e recursos avançados e depois meça o uso de IA. Poyar descreve isso como um modelo que fideliza os clientes e funciona bem quando a métrica de precificação está se tornando commodity ou não reflete todo o valor do produto. Alguns produtos vão além e incluem seats ilimitados na taxa de plataforma, o que remove o incentivo de os clientes racionarem quem recebe acesso.

Para a família mais ampla de opções e como combiná-las, veja precificação híbrida para produtos de IA e modelos de precificação de agentes de IA. A questão mais ampla de cobrar por consumo ou por resultados é tratada em precificação por uso vs por resultado para IA.

O que a pesquisa mostra que os fornecedores estão fazendo

Quatro dados dão um retrato fundamentado, junto com seus limites.

Os fornecedores estabelecidos são em sua maioria híbridos, não totalmente convertidos. A Bain analisou mais de 30 fornecedores de SaaS que estavam adicionando IA generativa, excluindo as empresas nativas de IA. Cerca de 35% haviam aumentado os preços por seat ao embutir a IA nos planos existentes. Cerca de 65% haviam acrescentado um medidor de IA, por uso ou acesso a recursos, sobre os seats. Nenhum monetizava a IA exclusivamente como um add-on separado, e nenhum havia migrado por completo para a precificação por uso ou por resultado. A amostra é pequena e cobre empresas já estabelecidas, então descreve como os fornecedores consolidados se movem, não o que as novas startups fazem.

Os seats perderam terreno rapidamente em uma pesquisa mais ampla. Na pesquisa Growth Unhinged de abril a maio de 2025, a precificação por seat como modelo principal caiu de 21 para 15% nos doze meses anteriores, as assinaturas de taxa fixa caíram de 29 para 22% e o híbrido subiu de 27 para 41%. Os respondentes eram leitores autosselecionados de uma newsletter, com uma empresa típica entre 1 e 20 milhões de dólares em ARR, então trate a direção como informativa e os números exatos como aproximados.

A precificação por resultado ainda é rara. Na mesma pesquisa, 5% disseram que seu modelo principal era baseado em resultado, enquanto 25% esperavam que fosse até 2028. O checklist CAMP de Poyar explica a diferença: a precificação por resultado exige resultados consistentes, atribuição, mensurabilidade e previsibilidade, e poucos produtos têm os quatro.

As empresas nativas de IA se afastam dos seats. O playbook da Bessemer diz que as empresas AI-native estão, em geral, abandonando a precificação de SaaS baseada em seats em favor de modelos baseados em uso, produção e resultado. É uma observação de um investidor de venture capital sobre seu portfólio, não um censo, mas combina com a lógica acima: produtos que fazem o trabalho têm menos motivo para contar pessoas.

Mais uma constatação da Bain merece a atenção do fundador: a transição é difícil. Sair dos seats exige telemetria de produto, sistemas de cobrança e finanças, remuneração de vendas reformulada e clientes dispostos a mudar a forma como compram. A ilustração da Bain é a de um fornecedor que oferece um agente de IA de US$ 40.000 que poderia, no futuro, substituir uma função de US$ 80.000. No curto prazo, o cliente precisa do funcionário e do agente, o que eleva o custo dele em 50% por um período indefinido. A menos que o fornecedor ajude a atravessar essa lacuna, com pagamentos diferidos, contratos flexíveis ou garantias de desempenho, a venda pode travar.

Fatos principais: precificação por seat na era da IA

• Entre mais de 30 fornecedores de SaaS que adicionam IA generativa (excluídos os AI-native), cerca de 35% aumentaram os preços por seat ao embutir a IA e cerca de 65% acrescentaram um medidor de IA sobre os seats; nenhum havia migrado por completo para a precificação por uso ou por resultado (Bain, outubro de 2025).
• A precificação por seat como modelo principal caiu de 21% para 15% em um ano, enquanto o híbrido subiu de 27% para 41%, em uma pesquisa com mais de 240 empresas de software (Growth Unhinged, abril a maio de 2025).
• A edição de 2026, uma pesquisa com mais de 230 empresas de software, encontrou 37% com precificação híbrida, contra 25% dos mesmos respondentes doze meses antes. As duas amostras diferem, então compare a direção, não os números exatos.
• Na mesma pesquisa, 5% usavam a precificação por resultado como modelo principal e 25% esperavam usá-la até 2028.
• O SaaS clássico atende um cliente extra a custo próximo de zero, enquanto cada consulta de IA gera uma despesa nada trivial (Bessemer).
• Os seats servem melhor quando o humano faz o trabalho, o custo de IA por usuário é pequeno e os compradores querem uma fatura previsível.
• A armadilha do seat: se a IA reduz o headcount do cliente, sua receita de seats pode cair mesmo com o seu valor subindo.

Uma tabela de decisão para fundadores

Use-a como ponto de partida, não como regra. Associe a situação do seu produto a um provável encaixe.

Duas regras práticas sustentam a tabela. Primeiro, mude o medidor só na velocidade que a sua medição permite. O conselho da Bain é construir telemetria antes de sair dos seats, porque você não consegue precificar o que não enxerga. Segundo, deixe os clientes se moverem no próprio ritmo. A Bain recomenda flexibilidade entre o gasto baseado em seats e o baseado em uso, para que o comprador possa administrar a transição.

Uma forma prática de migrar

Se os seus sinais indicam que os seats estão desalinhados, eis uma sequência que evita uma reprecificação de uma só vez.

1. Instrumente primeiro. Acompanhe o uso de IA por conta e por usuário, junto com o custo desse uso. Você precisa conhecer o custo dos seus usuários mais intensos antes de poder precificar para eles.
2. Acrescente uma cota, não uma reescrita. Inclua um pacote de uso de IA em cada seat e meça o que passar dele. Os clientes existentes veem pouca mudança, e você deixa de subsidiar os usuários mais intensos.
3. Teste uma taxa de plataforma em novos clientes. Aplique a nova estrutura em novos negócios, onde ninguém tem um preço antigo para comparar.
4. Mantenha uma âncora de seat ou de administração. Mesmo em um modelo conduzido por uso, um pequeno componente por seat ou por workspace é útil para a previsão, e os compradores o entendem. Para o leque mais amplo de opções, nossa visão geral dos modelos de precificação de SaaS é uma boa referência.
5. Revisite quando o produto mudar. À medida que sua IA assume mais do trabalho, o medidor certo se move com ela. A precificação é algo que você revisa a cada ano, não uma decisão tomada uma vez.

Se você ainda está decidindo se a precificação deve variar conforme o tipo de produto de IA que constrói, como as startups de IA ganham dinheiro mapeia os arquétipos, e o que é uma startup AI-native explica por que os produtos construídos em torno da IA enfrentam essa questão desde o primeiro dia. As empresas de SaaS que acrescentam IA a um produto existente enfrentam a mesma escolha pelo outro lado, como tratado em a questão da precificação de IA para SaaS.

A conclusão

Os seats precificavam pessoas porque as pessoas eram onde o software criava valor. À medida que a IA desloca esse valor para o próprio software, o seat se torna um indicador mais fraco. Mas continua sendo forte onde os humanos fazem o trabalho, e os compradores ainda gostam de sua previsibilidade. O caminho prático para a maioria dos fundadores é incremental: manter o que funciona, acrescentar uma cota de uso para proteger a margem e tirar o medidor principal do headcount apenas quando os seus próprios dados mostrarem que o vínculo entre seats e valor se rompeu.

Leitura relacionada

• Precificação por seat
• Modelos de precificação de SaaS
• Precificação por uso vs por resultado para IA
• Modelos de negócio de startups de IA explicados
• O que é uma startup AI-native?