A IA já acerta a sintaxe. O que sobrou pro humano é arquitetura e infraestrutura — e é exatamente aí que a produtividade multiplica e o custo aparece.
Resposta rápida: saber infraestrutura virou superpoder porque a inteligência artificial já resolve a sintaxe — o que ela não faz é decidir onde aquilo roda, quanto custa e como não cair. Quem junta infraestrutura com arquitetura entrega em escala, e mais: enxerga onde o dinheiro está vazando. Data center é negócio de energia, o contrato é em kW, e um processo sem limite de CPU vira conta de luz. Um cluster em NVMe que rodaria em SSD é dinheiro queimado todo mês. Um documento gravado duas vezes no índice é o dobro de espaço pago à toa. Nada disso é código — é infraestrutura, e não precisa de vinte anos de estrada pra começar a enxergar.
14 minutos, gravado direto, sem edição — do canal @josimarjmv, publicado em 28/08/2026. Se preferir o texto, está tudo abaixo.
Eu coordeno infraestrutura, time de desenvolvimento, suporte e vendas. Boto a mão na massa todo dia, e hoje eu produzo muito mais do que dez vezes o que eu produzia — ou do que dez pessoas produziriam sem inteligência artificial. Não é força de expressão nem número de palestra: é o que está acontecendo aqui, e eu pretendo medir isso direito. Estou levantando o ano inteiro pra publicar em dezembro uma retrospectiva comparando quanto me custou inteligência artificial num ano e o que eu fiz com ela contra o custo de mão de obra da equipe e o que ela entregou.
A pergunta que interessa é por quê. E a resposta não é a ferramenta. É que eu entendo de infraestrutura.
Hoje a inteligência artificial manda bem na sintaxe. Você não precisa mais se preocupar em lembrar como se escreve. Precisa se preocupar com outra coisa: o que ela está fazendo dentro daquela sintaxe. Quais bibliotecas entram e quais não deveriam entrar naquele código. E, acima de tudo, com a arquitetura — como o sistema vai funcionar de verdade.
Pra desenhar isso, seja num fluxograma, num diagrama, num mapa mental, tanto faz o nome, você precisa responder uma pergunta que nenhum modelo responde por você: qual infraestrutura vai rodar isso em produção? Quando você entende o poder da infraestrutura e junta com arquitetura, o céu é o limite. Aí você consegue ter o ambiente rodando de forma segura, com uma arquitetura resiliente — se cair de um lado, sobe em outro lugar, como se fosse multicloud.
Quem já tinha as duas competências antes da IA? A galera de DevOps. Não por acaso são os que vão pro exterior e ganham como sênior dos sêniores: entendem infraestrutura e desenvolvimento. Agora a IA colocou metade desse pacote na mão de qualquer pessoa. A metade que falta é a que virou escassa.
Eu falo isso pros meus clientes de rádio e TV há uma vida: rede social é terra alugada. Instagram, YouTube, WhatsApp — nada disso é seu. Canal que vive de plataforma some com uma mudança de política, e a gente tem visto banimento em massa de canal que só publica conteúdo gerado por IA.
A terra que é sua é a escritura do lote, o carro — e olha lá, se você não pagar IPVA o governo toma. No digital, a única coisa que ninguém te toma é o seu ambiente, a sua infraestrutura, a sua soberania. E isso não é discurso de quem quer te vender servidor: é a razão pela qual eu saí do aluguel. Eu vim do hardware, tinha loja de informática, montava e desmontava máquina — isso me deu confiança pra montar e desmontar servidor. Depois veio o código, PHP e Shell Script, cuidando de servidor. Aí eu aluguei nuvem, depois aluguei servidor, depois comprei os meus. A bagagem dessas três fases é o que me dá hoje um nível de conhecimento que eu mesmo acho assustador de tão útil.
Esse é o pedaço que quase ninguém que só escreve código enxerga, e é o que mais dá dinheiro enxergar.
Contrato de data center não é sobre quantos racks você ocupa. É sobre quantos kW de energia você contrata. O negócio principal do data center é energia — o resto é consequência. Quando você entende isso, uma decisão de software deixa de ser abstrata e vira linha na fatura.
O exemplo que eu vivo: o FFmpeg, que é a biblioteca que o mundo inteiro usa pra manipulação de vídeo — a gente usa aqui também —, é um comedor absurdo de CPU e GPU. Se você bota um processo desses pra rodar em loop, sem limite de recurso, ele consome a máquina inteira. Um servidor de 70 núcleos vai a 100% de uso o tempo todo. Daí a cadeia se fecha sozinha:
É por isso que dominar infraestrutura é entender custo, seja em nuvem ou on-premises. E entender custo muda o que você fala na reunião de arquitetura, na consultoria, na conversa com a equipe. Margem está apertada em todo lugar; quem chega com uma economia mensurada tem uma conversa diferente de quem chega com uma preferência técnica.
Não é teoria. São duas perguntas que eu já fiz aqui dentro, e as duas nasceram de conhecer infraestrutura, não código:
Por que o cluster de Mongo está em NVMe? NVMe é bem mais caro que SSD. Se tem jeito de tirar o Mongo dali e rodar em SSD, isso é dinheiro de volta todo mês. A própria documentação de produção do MongoDB trata SSD como a recomendação padrão — "Use SSD if available and economical", e registra boa relação preço-desempenho com SSD SATA. A pergunta certa não é "qual é o disco mais rápido", é "qual é o disco que esse workload precisa".
Por que o mesmo documento está sendo gravado duas vezes? Achei aqui um pipeline salvando o JSON inteiro na ingestão e de novo depois de processar — ou seja, dobrando o espaço em índice no Elasticsearch. Precisamos do Elasticsearch? Precisamos. Então a pergunta vira: como economizar espaço? E economizar espaço é economizar dinheiro.
Vale a nota técnica pra quem for atrás: o campo _source do Elasticsearch guarda, nas palavras da documentação oficial, "the original JSON document body that was passed at index time", e a mesma página reconhece que ele "does incur storage overhead within the index". Só que a documentação recomenda aumentar o nível de compressão do índice em vez de desligar o _source — desligar quebra as APIs de update, update_by_query e reindex, a exibição no Discover do Kibana e a possibilidade de reindexar pra mudar mapping. Ou seja: a economia existe, mas ela é uma decisão de arquitetura com consequência conhecida, não um interruptor.
Quem começou a juntar as duas pontas primeiro foi o pessoal de DevOps — infraestrutura baseada em código. Terraform pra subir as máquinas, Ansible pra montar o ambiente dentro delas. São dois exemplos de uma lista maior, mas o princípio é o mesmo: descrever a infraestrutura em arquivo.
Antes disso a gente subia servidor na mão, esquecia um passo, configurava errado — e descobria semanas depois, no pior momento. Padronizar em arquivo resolveu isso. E é essa padronização que sustenta a promessa de resiliência: subir o mesmo ambiente em outro lugar só é rápido quando o ambiente está escrito. Se a sua recuperação depende da memória de alguém, você não tem plano, tem sorte.
Você não precisa de duas décadas de estrada. Precisa começar hoje a estudar infraestrutura com um objetivo claro: saber encaixar a sua arquitetura no melhor custo-benefício de infraestrutura. Uma ordem que funciona:
Se você está começando agora e quer o mapa mais amplo do mercado que está se abrindo, eu detalhei as camadas e onde a vaga aparece em SaaS virou commodity: o que estudar em 2026. Se o seu problema é o passo anterior — o medo de botar no ar o que você construiu —, o caminho está em como eu perdi o medo de subir em produção. E se você quer ver esse raciocínio de custo aplicado num caso concreto e caro, a conta do endereçamento IP está em a máfia do IPv4. Prototipar ficou barato; o que continua caro é operar — é a mesma tese de o golpe do microSaaS de 2 dias.
Infraestrutura é superpoder. Saber dimensionar, entender de escovar bit, olhar pra uma arquitetura e enxergar a fatura que ela vai gerar — isso ninguém te toma, e nenhuma plataforma revoga.
Sobre a imersão de infraestrutura. É a ela que eu me refiro no fim do vídeo: três dias presenciais em São Paulo — sexta, sábado e domingo —, sem transmissão online e sem formato híbrido, porque esse conteúdo não se aprende pela tela. A ideia é passar o mapa da mina de montar a própria nuvem: BGP, dimensionamento, os problemas que eu já tive e o que deixa a operação redonda. No vídeo, de 28/08/2026, eu falo em turma inicial de 30 pessoas, com 45 a 46 interessados já na lista naquele momento, e investimento entre R$ 15 mil e R$ 20 mil; antes de abrir venda eu converso com cada empresa, porque nem toda empresa precisa disso. Data, valor e condição finais são os que estiverem na página — pré-inscrição em Imersão de Infraestrutura, e as outras três estão em todas as imersões.
_source guarda o corpo original do documento e, pela documentação, gera sobrecarga de armazenamento no índice. Se o pipeline salva o documento inteiro duas vezes, o espaço dobra. A recomendação oficial é aumentar a compressão do índice antes de desligar o _source — desligar quebra update, update_by_query, reindex e o Discover do Kibana.Baseado no vídeo "INFRAESTRUTURA É o Novo Superpoder da Era da IA", do canal @josimarjmv, publicado em 28/08/2026 (14 min), com transcrição própria das legendas do próprio vídeo. As citações técnicas foram conferidas nas fontes primárias: Production Notes do MongoDB e documentação do campo _source do Elasticsearch. Números de turma, valor e formato da imersão são os falados no vídeo naquela data — o que vale é o que estiver na página da imersão. Este texto é relato de experiência e leitura de mercado.