Suas observações se alinham bastante com o que apresentei no texto — especialmente a ideia de que nenhuma linguagem é perfeita e que maturidade é reconhecer as limitações e aplicar a ferramenta certa para cada caso. Python realmente tem defeitos, como qualquer linguagem.

Entendo seu ponto sobre a divisão dos grupos, mas meu texto também considera o grupo maduro, aquele que sabe onde Python deve ou não ser usado. Ressalto isso em duas partes distintas do texto.

"Os desenvolvedores sérios com necessidades específicas – e olha, esses têm razão. Se você tá construindo um sistema de trading de alta frequência, um driver de hardware, ou precisa de concorrência real pesada, Python não é a melhor escolha. E tá tudo bem admitir isso."

"E sabe qual a diferença entre um desenvolvedor maduro e um fanboy? O maduro admite as limitações e escolhe a ferramenta certa pro problema. Muitas vezes é Python. Às vezes não é."

Quanto ao viés, ele está presente em praticamente tudo: desde a escolha de uma camisa até a pauta de um jornal, mesmo as decisoes que tenham critérios mais técnicos definidos. Nenhuma decisão é completamente neutra, e reconhecer isso não diminui a validade de uma análise; ao contrário, ajuda a torná-la mais consciente e fundamentada.

Na minha opinião, o mercado que contrata e produz aplicações profissionais e comerciais é quem realmente define a utilidade de uma linguagem, por meio da demanda que gera.

Apesar das mudanças e do hype, nao considero o mercado volatil, pois a sobrevivencia da empresa depende em gerar valor. Volatilidade so traz retorno em mercadoespeculativo. Vejamos algumas linguagens que desde que foram lancadas sao o eixo principal da sua area de atuacao:

SQL, lançado em 1974

HTML, lançado em 1993

CSS, lançado em 1996

JavaScript, lançado em 1995

Nao consigo citar em nenhum momento dos 30 anos que essas linguagens foram lancadas que o mercado tenha adotado outras por hype.

Concordo que todas as linguagens podem, teoricamente, ‘pagar as contas’, mas na prática algumas cumprem esse papel muito melhor do que outras. Por exemplo, SQL têm muito mais relevância, vagas e demanda do que linguagens antigas e que so existe em sistema legado, como COBOL ou Pascal. Comparar linguagens ativas com essas mostra que a utilidade da ferramenta não é só teórica: é também determinada pela aplicabilidade real no mercado.

Acredito que a universalidade das linguagens que citei (SQL, HTML, CSS e JS) existe justamente porque são mainstream há muito tempo. Estarem consolidadas há várias décadas permite que sejam usadas de forma consistente em múltiplos contextos, com ecossistemas robustos e integração confiável. E, na minha crença, o Python também se tornará uma linguagem universal, devido à sua simplicidade e a forma como se conecta com essas linguagens e se torna a preferencia em novos paradigmas, como IA.

Concordo que a 'lentidão' é relativa ao contexto do projeto. Parâmetros de benchmark que podem parecer lentos em comparação a linguagens compiladas podem ser totalmente aceitáveis para negócios com menor demanda. Não é necessário ter capacidade para responder a 10 mil requisições por segundo se o seu sistema não precisa disso, por nao have demanda prevista no medio prazo.

É verdade que Python tem deficiências e algumas decisões polêmicas ao longo do tempo, e que até o próprio Guido van Rossum já expressou insatisfação com certos rumos da linguagem. Mas vale lembrar que isso é comum em projetos grandes e complexos. Por exemplo, Linus Torvalds já demonstrou frustração com algumas direções do kernel Linux, mas isso não diminui o fato de que o Linux continua sendo extremamente robusto, amplamente adotado e evoluindo de forma consistente. Da mesma forma, o fato de Python ter desafios ou decisões criticáveis não invalida seu uso e sua relevância nos projetos certos.

Respeito sua opinião sobre Python ser mais adequado para scripts, mas essa visão ignora o ecossistema e o uso profissional da linguagem. Frameworks como Django e FastAPI permitem construir aplicações web completas, escaláveis e manuteníveis, cobrindo praticamente qualquer necessidade de backend, APIs ou integração com bancos de dados.

Empresas conhecidas que usam FastAPI:

Uber: No framework Ludwig para ML, para servir modelos de forma rápida e documentada.
Netflix: Em ferramentas internas de gerenciamento de crises e operações.
Microsoft: No Azure Machine Learning e em serviços internos para implantação de modelos.
Nvidia: Em projetos de pesquisa de IA, como visão computacional e NLP.
Booking.com: Em microserviços de backend que exigem baixa latência.
Zillow: Em serviços que alimentam sua plataforma imobiliária.

Além das já mencionadas, empresas como Cisco e Expedia Group também foram reportadas como usuárias do FastAPI, consolidando a posição do framework como uma escolha de ponta para o desenvolvimento de APIs de alta performance no ecossistema Python. Nao me parece que esta sendo usadas por nao programadores que chegaram ao limite do Excel.

Sobre "se tais instituições usam, então deve ser bom" , reforco o que disse antes, quem paga desenvolvedores em sua larga maioria são as empresas, e elas usam linguagens com base na demanda e na capacidade de gerar valor e resultados concretos. Se uma empresa escolhe Python, SQL, JavaScript ou qualquer outra ferramenta para atingir seus objetivos, isso já é um indicativo forte de que a linguagem funciona no mundo real.

Concordo plenamente com o ponto levantado: nem sempre existe uma linguagem perfeita para todos os requisitos. Linguagens como Java, C#, Kotlin, Swift e Go realmente funcionam como soluções de meio termo ideais em muitos projetos, combinando versatilidade com demanda de mercado.

Agradeço seus pontos de vista e a discussão que estamos tendo. Debater com diferentes perspectivas é sempre saudável, e permite aprofundar o entendimento sobre as limitações e pontos fortes de cada linguagem, além de reforçar que a escolha certa depende do contexto e da experiência do time.