La adopción masiva de inteligencia artificial está transformando los presupuestos corporativos en un terreno desconocido. Durante años, los equipos de tecnología perfeccionaron el arte del FinOps (la disciplina de gestionar los costos de la nube mediante la responsabilidad financiera) usando herramientas tradicionales como el etiquetado de recursos o el ajuste de capacidad. Sin embargo, esas tácticas están quedando obsoletas ante un modelo de gasto basado en el consumo de tokens (la unidad de medida de procesamiento en modelos de lenguaje) y facturas que parecen escritas en un código indescifrable.
La velocidad a la que se ha expandido este gasto es alarmante. Datos recientes de la FinOps Foundation indican que el 98% de los profesionales del área ya gestionan presupuestos de IA, un salto monumental frente al 31% registrado hace apenas dos años. El problema es que esta adopción ha corrido más rápido que la capacidad de las empresas para medir si ese dinero está generando valor real o simplemente inflando los costos operativos.
El fin de la gestión manual
Victoria Levy, analista senior de SailPoint Technologies (empresa especializada en gobernanza de identidades), advierte que las métricas de éxito deben cambiar radicalmente. Ya no basta con mirar el costo total de la factura. El desafío actual es correlacionar cuánto cuesta cada unidad procesada con los resultados de negocio específicos de cada empresa. Estamos transitando desde una contabilidad de infraestructura hacia una contabilidad de resultados.
Si me preguntan, el principal error que cometen hoy los directivos es tratar los costos de la IA como un gasto operativo estático. La realidad es que las arquitecturas de software modernas mutan a una velocidad vertiginosa. Levy es clara: sin automatización, cualquier esfuerzo por optimizar el gasto se deshace en cuestión de días. Si no implementas controles que fuercen el cumplimiento de las políticas de uso, las buenas prácticas se convierten apenas en una sugerencia que el equipo técnico ignora al día siguiente.
La trampa de los silos informativos
Otro obstáculo crítico es la falta de granularidad en la facturación de los proveedores de IA. A diferencia de los servicios de computación en la nube convencionales, donde es fácil identificar qué departamento está consumiendo qué recurso, la IA a menudo aparece como un bloque opaco de gastos. Esto genera tensiones innecesarias entre los equipos de finanzas, ingeniería y seguridad.
El detalle que importa es que no todo gasto alto es necesariamente un desperdicio. A veces, un consumo elevado es el resultado de una decisión técnica deliberada, quizás motivada por protocolos de seguridad más robustos o por la necesidad de una latencia menor. Aquí es donde la colaboración interdisciplinaria deja de ser una política de recursos humanos y se convierte en una herramienta financiera indispensable. Los equipos deben sentarse a conversar porque un contador, mirando solo números, podría etiquetar como "ineficiente" una arquitectura que, para un ingeniero, es el único camino posible para mantener la seguridad del sistema.
El futuro del FinOps ya no tratará de reducir costos a toda costa, sino de entender la arquitectura detrás de cada dólar invertido. Las empresas que logren traducir el consumo técnico de tokens en métricas de retorno sobre la inversión serán las que lideren la próxima fase de la madurez tecnológica. El que no tenga visibilidad sobre cómo se consume su IA hoy, difícilmente podrá sostener su rentabilidad mañana.
