El ensayo parte del paper de 2015 "Scalability! But at what COST?" de McSherry, Isard y Murray, que demostró que varios sistemas distribuidos de procesamiento de grafos rendían menos que un único hilo en un portátil: un caso del grafo de seguidores de Twitter (1.500 millones de relaciones) lo resolvió un portátil en 15 segundos con union-find frente a los 242 de GraphLab con 128 núcleos. La métrica COST propuesta medía cuántos núcleos necesitaba un sistema distribuido para superar a un solo hilo competente; en varios casos la respuesta era de cientos o directamente inalcanzable.
El texto aplica esa idea a una empresa SaaS ficticia de 55 ingenieros cuyo pipeline procesa 2.000 millones de eventos diarios (23.000 por segundo, 12 MB/s), un volumen que un solo SSD moderno absorbe de sobra. Mantener esa carga con Kafka, Flink y microservicios cuesta unos 1,38 millones de dólares al año: 262.000 en cómputo y red, 875.000 en 3,5 ingenieros de plataforma y 240.000 en incidentes. Una alternativa con dos servidores dedicada costaría 57.000 anuales y sería más rápida, porque elimina la serialización, la red y la coordinación.
El argumento explica que el hábito de distribuir por defecto nació entre 2004 y 2012, cuando un servidor tenía 4 núcleos y 8 GB; hoy un equipo de 5.000 dólares con 32 núcleos y 256 GB supera a aquellos clústeres, y datos como el grafo de Twitter caben en la RAM de un portátil medio. Cita casos como Prime Video (90% de ahorro al consolidar microservicios), Segment (revirtió su migración) o Stack Overflow (1.000 millones de páginas mensuales con nueve servidores). El ensayo cierra señalando que la comparación casi nunca se hace porque los marcos de trabajo se evalúan entre sí y nadie tiene incentivo para medir la alternativa monolítica.