23.000 clusters de Kubernetes. CPU média: 8%. O relatório Cast AI 2026 analisou clusters em produção e o número caiu de 10% para 8% em um ano. Você provisiona 12x mais compute do que usa. GPU está pior: utilização média de 5%, o que significa 20x mais capacidade alocada do que consumida. Nós analisamos os dados e o sinal é claro — o problema não é Kubernetes. É provisionar para o pico e pagar pelo ocioso.
A escala: 23.000 clusters, CPU a 8%, GPU a 5%
Segundo o relatório Cast AI 2026, que analisou 23.000 clusters em produção, a utilização média de CPU caiu de 10% para 8% em um ano. Você provisiona 12x mais compute do que usa. GPU está pior: utilização média de 5%, o que equivale a alocar 20x mais capacidade de GPU do que se consome.
Overprovisioning de CPU saltou de 40% para 69%. Overprovisioning de memória: 79%. Os engenheiros pedem recursos para pico. O pico nunca chega. O Cluster Autoscaler provisiona nodes para corresponder aos requests inflados, não ao uso real. Cada node provisionado para um pico que não ocorre é dinheiro parado.
O custo do idle: 83% da fatura de containers
Segundo a Datadog, 83% do custo de containers é idle. 54% do cluster parado. 29% do workload parado. O custo não está no workload que roda — está no workload que não roda, no node que espera, na GPU que ninguém consome.
Apenas 14% das empresas fazem chargeback de Kubernetes, segundo o relatório Cast AI 2026. 24% não monitoram custo de K8s de forma alguma. Você não consegue cortar o que não mede. E o que não é medido cresce — porque todo time pede mais recursos e ninguém devolve.
E o preço subiu. A AWS aumentou o preço de GPU Capacity Blocks em 15% em janeiro de 2026. Primeira vez em 20 anos que a AWS aumenta preço de GPU em vez de reduzir. GPU parada ficou mais cara no exato momento em que mais GPU está parada.
O Brasil: 27.742 reais por mês de GPU parada
No Brasil, cada dólar de cloud custa 5,60 reais. Um cluster H100 idle custa 4.954 dólares por mês. Em reais: 27.742 reais por mês de GPU parada. Não é um caso isolado — é a média de quem provisiona H100 para inferência e não chega nem perto de saturar.
Segundo dados de mercado brasileiro, 65% das empresas brasileiras não têm visibilidade do gasto de cloud. Apenas 19,5% adotaram FinOps. O resultado é previsível: sem visibilidade, sem rightsizing, sem chargeback, a fatura cresce até alguém perguntar de onde vem o número. Quando a pergunta chega, o desperdício já virou hábito.
O que a Tech86 implementa
Nós não vendemos monitoramento genérico. Implementamos cinco alavancas com efeito mensurável na fatura:
- Rightsizing automatizado. Corta CPU provisionada em 50% sem OOM kills. Analisamos o uso real e recomendamos requests no percentil 95.
- Spot para GPU. Menos de 2% das GPUs rodam em Spot hoje. Spot corta de 60 a 90% do custo de workloads tolerantes a interrupção.
- Karpenter. Provisiona nodes em 45 segundos. O Cluster Autoscaler leva de 3 a 4 minutos. Segundo a Salesforce, a substituição em 1.000 clusters EKS cortou 70% do custo.
- Desligar dev fora do horário comercial. De 20 a 30% da fatura vem de ambiente que ninguém usa à noite.
- FinOps com chargeback por namespace. Quando o time vê o custo, reduz de 15 a 20%.
Cada alavanca tem número. Não é promessa — é o que o relatório Cast AI 2026, a Datadog e a Salesforce já mediram em produção.
O caso ELO: chargeback em reais
A ELO, bandeira brasileira de cartões, lançou chargeback de Kubernetes em janeiro de 2026. Padronizou relatórios em reais. Recuperou 5 dias de analista por mês que antes eram gastos reconciliando faturas em dólar com custos em reais. O ganho não foi só financeiro — foi operacional. O time de FinOps parou de brigar com câmbio e passou a brigar com rightsizing.
O caso ELO confirma o padrão: quando o custo vira responsabilidade de namespace, o time age. Quando o custo fica em uma planilha global, ninguém age.
Conclusão: provisionar para o pico é o problema
Provisionar para o pico e pagar pelo ocioso é o problema. Kubernetes é a ferramenta. A ferramenta não é a causa do desperdício — o modelo de provisionamento é. Enquanto os requests forem inflados para um pico que não chega, o Cluster Autoscaler vai provisionar nodes para um evento que não ocorre e a fatura vai crescer junto com o medo de OOM kill.
Na Tech86, nós implementamos rightsizing automatizado, Spot para GPU, Karpenter, desligamento de dev fora do horário comercial e chargeback por namespace. O resultado é menos idle, menos nodes e menos reais parados. 27.742 reais por mês de GPU parada não é um destino — é um sintoma de um modelo de provisionamento que precisa mudar.