Pular para o conteúdo

Consultoria em observabilidade de sistemas e IA

Descubra o problema antes do seu cliente. E gaste menos com isso.

Incidentes que demoram a ser encontrados, alertas que ninguém lê e uma conta de monitoramento que só cresce. Eu resolvo esses três problemas com a stack que você já tem, aberta ou comercial.

  • Menos tempo fora do arproblema achado mais cedo
  • Menos ruídoalerta só quando é para agir
  • Conta menortelemetria que gera decisão
Buldogue francês com metade do rosto em metal e um olho mecânico com anel laranja aceso
observando · 24/7

Experiência nas ferramentas que o mercado usa, abertas e comerciais.

Métricas e infraestrutura

  • Zabbix
  • Prometheus
  • Grafana
  • Mimir
  • PostgreSQL

Logs

  • Loki
  • Elastic
  • OpenSearch
  • Vector
  • Cribl

Traces e padrões abertos

  • OpenTelemetry
  • Tempo
  • Jaeger
  • Kafka
  • Kubernetes

Plataformas comerciais

  • Datadog
  • Splunk
  • New Relic
  • Dynatrace

IA em produção

  • LiteLLM
  • Langfuse
  • MCP

O que eu resolvo

Seis problemas que custam caro, e têm solução.

Se algum deles parece com o seu dia a dia, já temos assunto para a primeira conversa.

  • O cliente avisa antes do monitoramento.

    Depois: Alertas pelo que o usuário sente, com SLOs. O problema aparece antes da reclamação.

  • Centenas de alertas, e ninguém confia mais neles.

    Depois: Poucos alertas, cada um com dono e runbook. O plantão só acorda quando precisa agir.

  • A conta de Datadog, Splunk ou Elastic só sobe.

    Depois: Corte do que não gera visibilidade: logs repetidos, métricas sem uso e retenção além do necessário.

  • Horas para achar a causa de um incidente.

    Depois: Métricas, logs e traces ligados entre si. Da reclamação até o serviço culpado num só caminho.

  • IA em produção sem saber quanto custa nem se responde bem.

    Depois: Custo, latência e qualidade de cada chamada de modelo, por funcionalidade e por time.

  • Ferramenta saindo de suporte, ou espalhada em várias.

    Depois: Migração planejada e com plano de volta, terminando numa stack que o time domina.

Veja na prática

O que a observabilidade bem feita mostra para você.

Exemplos ilustrativos, com dados fictícios. Na conversa, eu mostro como seria com o seu ambiente.

Onde o tempo de resposta vai

Um pedido atravessa sete serviços. O trace mostra o gargalo verdadeiro.

POST /pedido · traceExemplo ilustrativo, com dados fictícios
  • gateway: 100% do tempo
  • api: 94% do tempo
  • auth: 9% do tempo
  • estoque: 12% do tempo
  • postgres: 7% do tempo
  • pagamento: 64% do tempo (gargalo)
  • kafka: 4% do tempo
Dois terços do tempo estão num serviço de terceiros. Sem trace, o time teria otimizado o banco. É isso que eu entrego: ver onde o tempo vai.

Alerta que pede ação

Antes, dezenas de avisos sobre máquinas. Depois, um só, sobre o que o cliente sente.

antes

  • 03:12CPU acima de 80% · web-04
  • 03:12CPU acima de 80% · web-07
  • 03:13Disco acima de 85% · db-02
  • 03:15Ping lento · switch-12
  • 03:16CPU acima de 80% · web-04
  • 03:18Fila acima de 1.000 · worker-3

+ dezenas iguais até o amanhecer

depois

03:14 · página de plantão

Pagamento: erros consumindo o orçamento do mês 14 vezes mais rápido que o normal

Dono: time de pagamentos · runbook anexado · trace do erro em 1 clique

Exemplo ilustrativo, com dados fictícios

Para onde vai a conta de logs

Na maioria dos ambientes, boa parte do volume pago ninguém nunca lê.

  • Logs de debug ligados em produção · 30% · cortável
  • Health checks a cada segundo · 18% · cortável
  • Mesmos logs enviados para dois destinos · 14% · cortável
  • Logs que alguém consulta · 38%
Exemplo ilustrativo, com dados fictícios

Quanto custa e como responde a sua IA

Cada funcionalidade com o seu custo, tempo e nota de qualidade. O problema aparece sozinho.

Quanto custa e como responde a sua IA
funcionalidademodelop95custo/100qualidade
Resumo de chamadamodelo A1,8 sR$ 0,4092%
Busca na basemodelo B0,9 sR$ 0,0888%
Atendimentomodelo A6,4 sR$ 2,1071%

Atendimento é o mais caro, o mais lento e o de pior nota: o primeiro a revisar.

Exemplo ilustrativo, com dados fictícios

Como eu penso

Toda observabilidade passa pelas mesmas cinco etapas.

O problema quase nunca é a ferramenta. É uma etapa que ficou para trás. Eu encontro qual é e começo por ela.

  1. etapa 1

    Sinais

    O que cada sistema emite: apps, servidores, Kubernetes, rede, bancos, modelos de IA.

    sintoma · serviços inteiros que não emitem nada útil.

  2. etapa 2

    Coleta

    Como os dados chegam: OTel Collector, agentes Zabbix, exporters, Vector.

    sintoma · cada time com um agente e um formato.

  3. etapa 3

    Correlação

    Métricas, logs e traces guardados e ligados entre si pelo mesmo contexto.

    sintoma · três ferramentas que não conversam.

  4. etapa 4

    Alertas e SLOs

    O que merece acordar alguém, medido pelo que o usuário sente.

    sintoma · centenas de alertas, e ninguém olha mais.

  5. etapa 5

    Decisão

    Runbook, painel executivo, post-mortem. Alguém age, e sabe por quê.

    sintoma · “estamos bem?” e ninguém sabe responder.

Como trabalhamos

Sem pacote pronto. Cada ambiente é um caso.

A cobrança é por hora, estimada depois que eu entendo a demanda. Você aprova o escopo e a estimativa antes de qualquer trabalho começar.

  1. 1

    Conversa

    30 minutos, sem custo. Entendo o problema e digo com franqueza se posso ajudar.

  2. 2

    Diagnóstico

    Olho o ambiente com acesso de leitura e converso com quem opera.

  3. 3

    Escopo e estimativa

    Uma página com o que será feito, o que você recebe e as horas previstas.

  4. 4

    Execução

    Junto com o seu time, com acompanhamento semanal e tudo versionado em código.

  5. 5

    Passagem

    Documentação, runbooks e treinamento para o time seguir sozinho.

Quem está por trás

Eu opero ambientes críticos no dia a dia. A consultoria é o mesmo trabalho, no seu.

Sou SRE com mais de 14 anos em infraestrutura e operações de TI, especializado em observabilidade de ponta a ponta (métricas, logs e traces) e, mais recentemente, em levar IA e LLMs para ambientes de produção com confiabilidade.

Trabalho no centro da monitoração, da automação e da integração de ambientes críticos de grandes clientes. Hoje o meu trabalho une arquitetura de observabilidade, confiabilidade e plataformas de IA.

O que eu faço

  • Arquitetura de observabilidade: OpenTelemetry, tracing distribuído (Grafana Tempo), logs e métricas com Splunk, Grafana, Prometheus, Datadog, Dynatrace, AppDynamics e Zabbix.
  • IA aplicada: LLM gateways, integração de modelos em plataformas, observabilidade de aplicações com LLM e automação de diagnóstico.
  • Infraestrutura como código e automação: Terraform, Ansible, Python, Shell Script e pipelines de CI/CD.
  • Cloud e containers: AWS, Azure, GCP, Kubernetes e Apache Kafka.
  • Arquitetura e integração entre ferramentas e sistemas, transição de novos clientes e desenho de soluções sob demanda.

Certificações

  • Zabbix Certified Professional (ZCP)
  • Zabbix Certified Specialist (ZCS)
  • AppDynamics Verified Core APM
  • IBM Netcool Operations Insight

Inglês avançado, com experiência em times e clientes internacionais.

Trinta minutos. Um próximo passo.

Conte o que está doendo. Se eu não for a pessoa certa, digo isso na conversa e indico um caminho.

Conversa de 30 minutos

Horários livres, fuso de Brasília, confirmação e lembrete por e-mail.

Ainda não é hora? Receba o radar por e-mail, a cada quinze dias.