Depende totalmente do tipo de problema que está sendo resolvido. Cada linguagem tem seus pontos fortes e limitações, e não faz sentido generalizar dizendo que “Python não presta” sem considerar o contexto e a natureza do projeto. Para tarefas de automação, scripts rápidos, prototipação e áreas como data science e machine learning, Python costuma ser insuperável em produtividade e facilidade de uso, além de ter uma comunidade enorme e muitos recursos prontos.

Mas, quando entra a questão de performance e principalmente redução de custos em cloud, aí a história muda bastante. Os benchmarks mostram que Python normalmente não consegue entregar o mesmo desempenho de linguagens como JavaScript (Node.js), Java, Go, ou Rust, principalmente em ambientes serverless, onde a performance tem impacto direto no tempo de execução e, consequentemente, no preço pago na nuvem. Vários estudos evidenciam que aplicações em Python demoram mais para processar a mesma carga que outras linguagens, encarecendo o custo operacional quando se escalam as soluções.

No final das contas, tudo depende da necessidade do projeto. Se performance bruta e custo em cloud são fatores críticos, principalmente em sistemas de alto volume ou que rodem com grande frequência, Python provavelmente não é a melhor escolha. Agora, se a prioridade for ir do zero ao MVP rapidamente, integração com bibliotecas de terceiros, ou trabalhar em áreas como ciência de dados, aí o Python brilha e entrega como poucas outras opções.