# Cloudflare Workers AI: como usar IA com custo, limite e controle > Entenda quando Workers AI faz sentido, como escolher modelo, controlar neurons, proteger dados e transformar IA em uma etapa segura do produto. **Autores:** Mauro Mequelussi **Publicado:** 2026-07-27T12:00:00.000Z **Atualizado:** 2026-07-27T12:00:29.863185219Z **Tags:** agentes-de-ia, workers-ai, custos, ia, cloudflare --- Workers AI permite chamar modelos de IA a partir de Workers sem administrar GPU, autoscaling ou endpoint próprio de inferência. Ele é útil quando a IA faz parte de uma etapa clara do produto: classificar uma conversa, sugerir resposta, gerar tags, criar embedding ou resumir um conteúdo. Ele não resolve sozinho qualidade de prompt, privacidade ou custo. No nosso runtime, o binding `AI` atende triagem, sugestão de resposta, auto-tag e recursos de IA em rotas Meta. A arquitetura mantém o modelo perto do Worker, mas continua exigindo limite diário, validação do usuário e observabilidade do resultado. ## Quando Workers AI faz sentido | Necessidade | Workers AI encaixa? | Observação | | --- | --- | --- | | classificar intenção ou sentimento | sim | comece com saída estruturada e avaliação | | sugerir resposta para atendimento | sim | rascunho humano antes de enviar | | gerar tags e resumo | sim | barato quando o contexto é limitado | | RAG sobre base própria | parcialmente | combine embeddings, busca e fonte citável | | agente que opera ferramentas críticas | não sozinho | precisa de política, aprovação e integração segura | | modelo proprietário específico | depende | compare catálogo, API externa e AI Gateway | ## Escolha o modelo pelo trabalho, não pelo tamanho Um modelo grande pode ser desnecessário para classificar uma mensagem em cinco categorias. Um modelo menor pode errar uma resposta que exige contexto comercial e tom de marca. Defina primeiro um conjunto de exemplos e uma métrica: taxa de aceitação do rascunho, erro de classificação, custo por mil tarefas e latência percebida. Para geração de texto, a documentação lista modelos como Llama, Mistral, Qwen e GPT-OSS no catálogo. Para embeddings, use um modelo compatível com o idioma e a dimensão da sua busca. Não copie nomes de modelo para produção sem verificar disponibilidade e preço atuais. ::callout{type="info" title="Uma boa saída de IA é uma proposta verificável"} Peça JSON com campos limitados, valide com schema e mantenha a fonte original. “Parece certo” não é critério para mover dinheiro, publicar conteúdo ou responder um cliente. :: ## Custo: neurons e unidades por modelo Workers AI inclui 10 mil neurons por dia em Free e Paid. Acima disso, Workers Paid cobra US$ 0,011 por mil neurons. A própria documentação também apresenta equivalentes por token e por modelo; por exemplo, a família Llama 3.3 70B tem custo por milhão de tokens muito maior que um modelo pequeno. A tabela muda com o catálogo, então o artigo e o produto devem apontar para a fonte oficial, não congelar uma estimativa em código. O jeito saudável de controlar custo é colocar limite por usuário, caso de uso e período. No nosso caso, ferramentas públicas têm teto diário e o binding de IA não é exposto como uma API livre. Registre modelo, tokens/neurons quando disponíveis, latência, decisão humana e erro — sem guardar dado pessoal bruto desnecessariamente. ## Exemplo: triagem de mensagens sem automatizar o atendimento 1. Uma mensagem chega pelo canal oficial e é armazenada segundo a política do produto. 2. O Worker envia apenas o texto necessário a um modelo de triagem. 3. O resultado passa por Zod ou schema equivalente: `categoria`, `urgencia`, `confianca` e `motivo curto`. 4. A interface mostra sugestão para a pessoa responsável. 5. Só uma ação humana ou uma regra aprovada envia mensagem externa. Esse fluxo é mais útil que um “bot autônomo” abstrato: reduz trabalho repetitivo, preserva controle e gera dados para avaliar se a automação merece crescer. ## Workers AI vs API externa vs modelo próprio | Caminho | Vantagem | Trade-off | | --- | --- | --- | | Workers AI | binding simples, operação serverless e catálogo integrado | catálogo e região dependem da plataforma | | API de modelo externo | variedade e recursos específicos | outra credencial, egress lógico e observabilidade separada | | modelo próprio em GPU | controle total | alto custo e operação complexa | | AI Gateway | governança/caching entre provedores | não substitui o provedor de inferência | ::read-more{slug="cloudflare-images-r2-otimizacao" label="Continuar: entregue imagens e capas sem gerar múltiplas cópias" placement="mid_content"} ## Prós, riscos e LGPD Workers AI reduz infraestrutura de inferência e integra bem com Workers. Em compensação, prompts ruins, entrada não confiável e ausência de avaliação continuam sendo falhas da aplicação. Para dados de clientes, minimize contexto, evite enviar identificadores desnecessários, documente finalidade e não use a resposta do modelo como única decisão de alto impacto. ## Checklist de produção - [ ] tarefa tem métrica e exemplos de avaliação; - [ ] prompt recebe somente dados necessários; - [ ] saída é validada com schema; - [ ] usuário e uso têm limite de custo; - [ ] falha do modelo tem fallback claro; - [ ] ações externas exigem aprovação; - [ ] modelo e preço são revisados antes de trocar versão. ## Perguntas frequentes ### Workers AI é gratuito? Há 10 mil neurons por dia incluídos. Para exceder a franquia, é necessário Workers Paid e há cobrança por neurons consumidos. ### Posso usar IA para responder WhatsApp automaticamente? Tecnicamente, pode integrar etapas. Produto e segurança devem definir quem recebe a mensagem, qual canal é autorizado, quando há revisão e como a resposta respeita a política do provedor. ### RAG é só chamar um modelo com um PDF? Não. Um RAG confiável exige extração, embeddings, busca, filtros de permissão, fontes citáveis e avaliação de resposta. ### Fontes e leitura recomendada - [Cloudflare Workers AI](https://developers.cloudflare.com/workers-ai/) - [Preços do Workers AI](https://developers.cloudflare.com/workers-ai/platform/pricing/) - [Catálogo de modelos](https://developers.cloudflare.com/workers-ai/models/)