O que as equipes dizem sobre trabalhar com a Aríon
Relatos de times que analisaram seus gastos com computação GPU e usaram os resultados para tomar decisões mais embasadas.
Voltar ao início38
engajamentos concluídos
4,7
média de satisfação (de 5)
100%
entregues no prazo acordado
4+
anos de atuação no Brasil
Depoimentos
O que os clientes relatam
Fernanda Pacheco
Head of ML Platform · São Paulo, SP
Contratamos a Revisão de Gastos porque nossa fatura de GPU tinha subido cerca de 40% em dois meses sem que nenhuma novidade óbvia justificasse. O relatório que recebemos identificou que boa parte da variação vinha de jobs de desenvolvimento rodando em instâncias de produção. Não era um problema complexo, mas a gente não tinha parado para olhar com esse nível de detalhe. O formato do relatório foi fácil de apresentar para o CTO — isso fez diferença.
maio de 2025
Bruno Menezes
Infrastructure Engineer · Recife, PE
O Plano de Otimização foi útil, especialmente a parte de comparativo spot/on-demand para o nosso perfil de treino. Algumas recomendações a gente já sabia que precisava fazer, mas ter isso documentado com as estimativas de impacto ajudou a priorizar o que atacar primeiro. O prazo foi cumprido, o consultor foi direto ao ponto. Só acho que poderia ter mais exemplos de como implementar os agendamentos sugeridos.
abril de 2025
Ana Carvalho
VP of Engineering · Belo Horizonte, MG
Estamos na assessoria trimestral há dois trimestres e o que mais valorizo é ter um ponto de referência externo quando surge alguma dúvida operacional. O mercado de GPU muda com frequência — novas instâncias, mudanças de precificação spot — e é difícil para o time interno acompanhar isso em cima das demandas normais. O briefing trimestral da Aríon cobre exatamente o que é relevante para o nosso perfil, sem encher a caixa de entrada com informação que não se aplica.
maio de 2025
Ricardo Nunes
CTO · Porto Alegre, RS
Contratamos antes de uma rodada série A para ter os custos de infraestrutura de IA bem documentados. A Revisão de Gastos foi direta e entregou o que precisávamos — um relatório que mostra claramente onde vai o orçamento de GPU e quais são os caminhos de ajuste. Os investidores puderam ver os números com clareza. Recomendo para qualquer startup que precisa apresentar custo de infraestrutura para um board.
abril de 2025
Tatiane Souza
ML Engineer · Curitiba, PR
O que mais gostei foi que o consultor não tentou vender mais do que o necessário. A gente estava considerando o trimestral, mas depois de conversar ficou claro que o Plano de Otimização era suficiente para o nosso estágio. O plano foi entregue na semana prometida e as recomendações eram práticas — não tinha nada que dependesse de reescrever toda a infraestrutura para funcionar.
maio de 2025
Gustavo Martins
Head de Dados · Rio de Janeiro, RJ
Nossa equipe cresceu rápido em 2024 e os custos de GPU foram na mesma proporção — só que sem clareza sobre o que estava puxando o crescimento. A revisão mostrou que a maior parte do aumento vinha de um projeto específico com padrões de utilização bem diferentes do restante. Identificar isso foi o primeiro passo para uma conversa mais honesta sobre priorização de recursos dentro da equipe.
março de 2025
Casos de uso
Exemplos de engajamentos
Situações reais que ilustram como o trabalho da Aríon foi aplicado. Nomes de empresas omitidos por confidencialidade.
Situação
A empresa tinha três times distintos usando GPU na mesma conta de nuvem. A fatura consolidada cresceu 60% em um trimestre, mas cada time achava que o gasto elevado vinha dos outros. Sem visibilidade por time, era impossível responsabilizar ou priorizar.
Abordagem
A Aríon analisou os logs de uso disponíveis e categorizou os gastos por projeto e tipo de workload. Identificamos que um time de pesquisa respondia por 48% do custo total mas usava menos de 30% dos recursos em pico — o restante ficava alocado sem uso efetivo.
Resultado
O relatório permitiu que a liderança técnica tivesse uma conversa embasada com o time de pesquisa sobre seus padrões de uso. A empresa implementou separação de contas por time, o que por si só trouxe mais visibilidade e accountability sem mudança tecnológica.
"Não esperávamos que a análise fosse tão granular. O nível de detalhe foi o que tornou a conversa com o time de pesquisa possível — sem parecer que estávamos apontando o dedo."
Situação
O time de ML platform sabia que as instâncias estavam superprovisionadas mas não tinha tempo para calcular o tamanho certo por job. A preocupação era reduzir sem afetar os SLAs de treinamento, que eram críticos para o produto.
Abordagem
Analisamos os perfis de utilização de GPU e memória de 6 meses de histórico. Identificamos que 4 dos 7 tipos de job usavam consistentemente menos de 55% dos recursos alocados. Para cada um, calculamos o intervalo de tamanho de instância que cobriria o pico real com margem razoável.
Resultado
O plano foi implementado em fases ao longo de 6 semanas pelo time interno. Nenhum SLA foi afetado. O time reportou que o custo mensal desses 4 tipos de job caiu entre 25% e 40% — variação dependendo do provedor de reserva usado.
"O plano tinha as estimativas de impacto por job, o que permitiu ao time priorizar o que atacar primeiro sem fazer tudo de uma vez. Foi mais fácil de executar do que imaginávamos."
Situação
Organização com workloads de LLM em produção contínua, sem capacidade interna para acompanhar mudanças de precificação do mercado de GPU. A cada trimestre o CFO queria uma visão consolidada de custo de computação, e montar esse relatório internamente consumia tempo significativo da equipe técnica.
Abordagem
A Aríon assumiu as revisões trimestrais, produzindo relatórios consolidados que o CFO pode ler diretamente. Nos intervalos, o ponto de contato fixo responde dúvidas operacionais e alerta sobre mudanças relevantes de precificação que afetam o perfil de uso da organização.
Resultado
O time técnico deixou de gastar tempo montando relatórios de custo para a liderança. Dois alertas de precificação foram acionados ao longo dos três trimestres — um sobre mudança de política spot de um provedor e outro sobre nova opção de instância mais adequada ao perfil de inferência da organização.
"O que mais valorizo é o tempo que o time técnico deixou de gastar em relatórios para a diretoria. Esse tempo vai agora para trabalho técnico real."
Contato direto
Fale com a equipe Aríon
Endereço
Av. Tancredo Neves 2227
Salvador – BA
Atendimento
Seg–Sex
09:00–18:00 BRT
Sua equipe poderia ser a próxima
Uma análise começa com uma pergunta simples
Quanto você gasta em GPU por mês e você sabe exatamente por quê? Se a resposta para a segunda parte é "mais ou menos", vale conversar.
Entrar em Contato