No Make, créditos são a unidade de cobrança usada para executar cenários e recursos da plataforma. Em muitos módulos não baseados em IA, uma operação equivale a um crédito; em recursos de IA, o consumo pode variar conforme tokens, modelo e tipo de conexão.
Por isso, copiar uma automação que funciona em um teste não basta para prever o custo. É preciso entender quantas vezes ela roda, quantos módulos executa e se existe processamento variável no caminho.
Créditos e operações não são exatamente a mesma coisa
O Make passou a usar o termo créditos como unidade de faturamento. Operações continuam sendo úteis para descrever as atividades feitas pelos módulos durante uma execução, mas o saldo consumido é acompanhado em créditos.
Para aplicativos não relacionados a IA, a regra padrão indicada pela documentação é simples: uma operação consome um crédito. Um módulo de upload de arquivo, por exemplo, pode consumir um crédito a cada execução, independentemente do tamanho do arquivo — salvo exceções informadas pelo próprio módulo.
A parte que exige mais atenção são os recursos com cobrança dinâmica: determinados recursos de IA, processamento de arquivos, páginas ou tempo de execução podem gastar valores diferentes em cada rodada.
O que faz um cenário consumir mais créditos
- Frequência do gatilho: um cenário que verifica dados a cada minuto pode executar muito mais vezes que um agendado por hora.
- Número de módulos: cada etapa que roda pode gerar novas operações.
- Iterações: processar uma lista de contatos, pedidos ou arquivos multiplica a execução de módulos.
- Tratamento de erros: novas tentativas e caminhos alternativos também podem gerar consumo.
- IA e conteúdo: prompts longos, respostas extensas e arquivos maiores podem elevar o uso quando a cobrança é dinâmica.
Como a IA muda a conta
Quando você conecta sua própria conta de um provedor, como OpenAI ou Anthropic, a documentação do Make informa que, nos planos compatíveis, há duas camadas a considerar: o Make cobra créditos pelas operações e o provedor de IA cobra separadamente pelos tokens.
Já nos recursos que usam o provedor de IA do próprio Make ou conexões automáticas, o consumo de créditos pode depender de tokens, operações e outros fatores de uso. Isso torna incorreto assumir que toda execução com IA terá o mesmo valor.
O melhor método é testar com entradas parecidas com as reais e registrar o consumo no histórico do cenário. Um teste com uma frase curta não representa um fluxo que resume PDFs, processa centenas de leads ou atende clientes durante o dia inteiro.
Exemplo de estimativa inicial
Imagine um cenário simples que recebe um formulário, consulta um CRM, cria um registro e envia uma mensagem. Se quatro módulos forem executados uma vez por envio e não houver iterações, a estimativa inicial é próxima de quatro operações — e, na regra padrão, quatro créditos — por formulário.
Mas essa é apenas uma base. Se o CRM retornar vários itens e o cenário percorrer cada um, ou se houver uma etapa de IA com cobrança dinâmica, o consumo real pode subir. Para planejar, use uma margem para reprocessamentos e exceções.
Práticas para controlar gastos
- Evite consultas desnecessárias. Prefira gatilhos por evento a verificações frequentes quando a integração permitir.
- Filtre cedo. Não envie para etapas caras dados que já podem ser descartados no início do fluxo.
- Limite lotes e iterações. Defina quantos itens podem ser processados por execução.
- Monitore cenários de IA separadamente. Eles podem variar muito mais do que automações convencionais.
- Crie alertas internos. Acompanhe a tendência de consumo antes de o saldo acabar.
Antes de automatizar, desenhe a unidade de volume
O erro mais comum é contar cenários em vez de contar eventos. Uma automação pode parecer pequena porque tem poucos módulos, mas processar milhares de pedidos, anexos ou contatos. A pergunta correta é: quantas vezes cada módulo será acionado em um mês normal e em um mês de pico?
Faça uma planilha simples com a origem do evento, média diária, pico diário, quantidade de módulos, repetições e eventuais chamadas de IA. O resultado não será uma previsão perfeita, mas já mostra quais etapas merecem otimização antes de a conta crescer.
| Tipo de fluxo | O que normalmente aumenta o consumo | Como reduzir desperdício |
|---|---|---|
| Formulário para CRM | Campos inválidos e consultas repetidas | Filtrar campos obrigatórios antes de consultar o CRM. |
| E-commerce | Pedidos com vários itens e reprocessamentos | Agrupar quando possível e registrar idempotência. |
| Relatório diário | Busca de muitos registros em cada execução | Usar data da última execução como referência. |
| IA para atendimento | Prompts longos, anexos e respostas extensas | Limitar contexto e direcionar casos complexos para humanos. |
Como testar sem distorcer a estimativa
Monte um conjunto de testes parecido com a realidade: mensagens curtas e longas, cadastros completos e incompletos, pedidos com mais de um item e situações que geram erro. Execute o cenário e observe o histórico. Depois multiplique pelo volume previsto, adicionando uma margem para picos.
Evite usar uma única execução bem-sucedida como prova de custo. Um cenário de IA que resume um texto de três linhas pode ter comportamento bem diferente ao receber um contrato, uma transcrição ou dezenas de mensagens de uma conversa.
Quatro ajustes que costumam reduzir custos
- Trocar varredura por gatilho: quando o aplicativo oferecer webhook, evite consultar a mesma fonte sem necessidade.
- Filtrar antes de enriquecer dados: verifique regras simples antes de chamar CRM, banco externo ou IA.
- Guardar um identificador de processamento: isso evita duplicar ações quando um evento é reenviado.
- Separar fluxos rápidos de fluxos pesados: o atendimento imediato não precisa esperar um relatório complexo terminar.
O que monitorar todo mês
Acompanhe créditos por cenário, erros, reexecuções e crescimento de volume. Se um fluxo tiver aumento repentino, investigue se a origem está enviando duplicatas, se houve mudança de regra ou se um loop está processando itens além do esperado. Controle de custo funciona melhor como hábito de operação, não como revisão feita apenas quando o saldo termina.
Perguntas frequentes
Um cenário parado consome créditos?
O consumo é associado à execução de recursos. O importante é verificar se há agendamentos, verificações periódicas ou tentativas automáticas que continuam rodando mesmo quando a equipe considera o fluxo “parado”.
IA sempre custa mais?
Não necessariamente por execução, mas costuma trazer mais variáveis. O uso pode depender de tokens, modelo, tamanho do contexto e tipo de conexão; por isso, exige medição com casos reais.
Conclusão
O Make pode ser previsível quando o cenário é curto e o volume é conhecido. A previsibilidade diminui à medida que entram loops, reprocessamentos e IA. A forma mais confiável de controlar a conta é modelar o volume real, observar os créditos por cenário e revisar o desenho da automação antes de apenas aumentar o plano.