La adopción masiva de inteligencia artificial generativa está forzando a los departamentos de finanzas y tecnología a reescribir sus manuales de gestión. La disciplina conocida como FinOps —práctica que busca maximizar el valor de la nube alineando gasto, rendimiento y estrategia empresarial— se enfrenta a un nuevo ecosistema de costos donde la opacidad es la norma. Pese a la novedad de los modelos de lenguaje, el desafío fundamental sigue siendo el mismo: saber qué estamos usando, para qué y cuánto nos cuesta realmente.
Deeja Cruz, analista senior de FinOps en Datadog (proveedor de servicios de monitorización y analítica para aplicaciones en la nube), sostiene que la migración de las cargas de trabajo tradicionales hacia la IA no invalida los principios básicos. Si algo ha enseñado la era de la computación en la nube es que la higiene de datos es el cimiento de cualquier ahorro financiero. El problema es que muchas empresas están omitiendo este paso elemental.
La etiqueta es el activo financiero más importante
Para un director de finanzas o un ejecutivo de operaciones, la capacidad de imputar costos a un proyecto específico es vital. Sin etiquetas de atribución de alta calidad —metadatos que identifican a qué centro de costos o proyecto pertenece cada recurso—, el gasto en IA se convierte en una caja negra imposible de auditar. Cuando llega la factura a final de mes, no basta con saber que el gasto subió; es necesario saber qué departamento, equipo o modelo está consumiendo más presupuesto y si ese consumo está justificado por el valor generado.
La lección es simple: ignora las etiquetas y perderás el control sobre el presupuesto. Es una obviedad técnica que suele ser el mayor punto de fallo en las implementaciones de IA corporativa. Si no sabes medirlo, no puedes optimizarlo.
La IA como herramienta de ahorro, no solo de gasto
Lo interesante acá es que la IA no solo representa una nueva categoría de costos, sino que también es un motor para reducirlos. Un caso reciente ilustra bien esta dinámica: un miembro del equipo de finanzas, sin formación técnica avanzada, identificó una ineficiencia en el almacenamiento de datos. Utilizó un modelo de lenguaje para generar el código necesario, envió la propuesta de cambio y, en pocos días, la empresa reflejó ahorros reales en sus balances.
Esta es la verdadera evolución del rol de FinOps. Ya no se trata solo de ser un "policía del presupuesto" que corta el acceso a recursos. Ahora, el practicante de FinOps debe ser un usuario avanzado de estas mismas tecnologías, capaz de aplicar su conocimiento del negocio para acelerar la eficiencia técnica de toda la organización. Aquel que no sepa aprovechar las herramientas de IA para gestionar la IA, quedará obsoleto rápidamente.
El gobierno de modelos es un deporte de equipo
La estrategia actual para contener los costos ya no pasa por prohibir el uso de modelos costosos, sino por aplicar un "gobierno de modelos" inteligente. No cada consulta requiere el modelo más potente y caro del mercado; la clave reside en seleccionar la herramienta adecuada para cada tarea específica. Datadog, por ejemplo, ha integrado equipos de FinOps con unidades de experiencia para desarrolladores, donde la responsabilidad financiera se comparte bajo una estructura clara: finanzas se encarga del pronóstico y la atribución, mientras que la ingeniería gestiona las herramientas de control y el feedback técnico.
Lo que me queda claro de este modelo de trabajo es que la rendición de cuentas en la era de la IA ya no puede ser vertical. Si los equipos de ingeniería, finanzas y seguridad no hablan el mismo lenguaje, el presupuesto de tecnología se volverá una espiral inflacionaria fuera de control. Es un deporte de equipo donde el éxito depende de definir quién lidera cada esfuerzo y quién da el soporte. Si tu organización todavía ve el gasto en IA como un costo operativo inevitable y no como una inversión que debe ser gobernada con precisión, es momento de cambiar la perspectiva antes de que los números se vuelvan insostenibles.
