La plataforma de gestión de costes en la nube presentó una ampliación llamada IA Costs, diseñada para centralizar el análisis del gasto en inteligencia artificial reuniendo exportaciones de facturación y señales de uso en un único destino. En la entrada de blog que documenta la novedad, firmada por Katherine Broner y Alex Meyer, se describe una experiencia que incluye una página de aterrizaje unificada y paneles preconfigurados por proveedor para facilitar el seguimiento del gasto por origen y por patrón de consumo.
La vista agregada que ofrece IA Costs resume el gasto total diario y aporta desgloses por proveedor, identificadores de impulsores principales de coste y anomalías detectadas a lo largo del tiempo. Junto a esa visión global, los paneles específicos por proveedor combinan métricas de coste con señales de uso-como consumo de tokens, distribución de modelos y volumen de solicitudes — con el objetivo de dar contexto operacional a cada partida de gasto.
La función responde a una necesidad habitual en equipos de FinOps y de ingeniería que, ante la adopción simultánea de múltiples proveedores de servicios de IA con esquemas de facturación distintos, deben conciliar datos entre dashboards y exportaciones dispares. IA Costs integra compatibilidad con una serie de proveedores de modelos y asistentes, entre ellos OpenAI, Anthropic, GitHub Copilot, Amazon Bedrock, Google Gemini y Vertex IA, y plantea un flujo alternativo al manejo manual de conciliaciones.
Una apuesta central del producto es permitir comparar el gasto en IA con los costes de infraestructura ya consolidados por la capa de Cloud Cost Management desde plataformas como AWS, Microsoft Azure, Google Cloud y Oracle Cloud Infrastructure (OCI). Esa correlación facilita, por ejemplo, vincular picos de gasto en IA con cambios en el tráfico, en la selección de modelos o en patrones de uso de servicios que resultan observables en las métricas de infraestructura.
Para analizar datos procedentes de orígenes heterogéneos, IA Costs incorpora una capa de normalización que mapea entradas dispares a un conjunto consistente de etiquetas. Entre las dimensiones normalizadas figuran proveedor, proyecto, modelo, tipo de token, categoría de token y dirección del token. Al unificar ese vocabulario de costes, las consultas pueden ejecutarse sin lógica específica por proveedor y los distintos equipos comparten términos coherentes para informes y cuadros de mando.
La atribución del gasto se gestiona mediante reglas de asignación 'out‑of‑the‑box' (OOTB) que distribuyen costes proporcionalmente usando métricas de observabilidad SaaS ya presentes en la plataforma. Según la documentación, las facturas nativas de los proveedores suelen desglosar información hasta niveles como modelo, proyecto o workspace, pero rara vez incluyen claves API ni identificadores de usuario; esas reglas automatizadas sustituyen mapeos manuales y hojas de cálculo al inferir asignaciones a equipos o servicios a partir de señales operacionales.
Desde el punto de vista práctico, la combinación de normalización de etiquetas, paneles que mezclan coste y uso y reglas automáticas de asignación facilita la elaboración de informes que conectan gasto con los equipos y servicios responsables. Ese vínculo operativo‑financiero mejora la rendición de cuentas y permite priorizar acciones de optimización basadas en impulsores concretos detectados en los datos. La propuesta también tiene limitaciones técnicas: la precisión de la atribución automática depende de disponer de métricas de observabilidad vinculadas a usuarios o servicios dentro de la plataforma. Cuando no existen señales suficientes, parte del gasto puede quedar con una atribución parcial o agregada, lo que obliga a complementar el proceso con instrumentación adicional o acuerdos internos para etiquetar correctamente el uso.
En conjunto, la funcionalidad pretende reemplazar procesos manuales de exportación y conciliación por un flujo centralizado dentro de Cloud Cost Management que facilite la detección de anomalías, la identificación de impulsores de coste y la generación de reportes de asignación para FinOps y equipos de SRE. La entrada del blog citada por los autores incluye explicaciones más extensas y ejemplos técnicos que actúan como guía para equipos que quieran adoptar la nueva funcionalidad.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
