29% del spend de IaaS y PaaS se desperdicia. El número viene de Flexera, en una encuesta de marzo de 2026 con 753 organizaciones, y trae una novedad incómoda: por primera vez en 5 años, el desperdicio creció.
La curva era descendente. Pico de 32% en 2021, caída a 27% en 2023, y ahora la reversión. En dólares, Red9 estima cerca de 122 mil millones desperdiciados en IaaS y PaaS en 2025, en un mercado de cloud pública que supera 1 billón de dólares en 2026, según IDC.
Por qué el desperdicio volvió a subir
Flexera señala tres causas: complejidad de costos de IA, nuevos modelos de precios y descuentos de compromiso subutilizados.
Las tres tienen la misma raíz. La IA trajo una categoría de gasto que crece más rápido que la gobernanza a su alrededor: tokens, inferencia, GPU dedicada, ambientes de experimento que nadie apaga. Los procesos de FinOps diseñados para VM y storage no capturan ese gasto en el mismo ciclo. Resultado: la cuenta crece antes de que exista el control.
La GPU ociosa es el símbolo de la década
El dato más duro del reporte no es el promedio de 29%. Es la utilización promedio de GPU en ambiente corporativo: 5%, según Cast AI, medida en 23 mil clusters Kubernetes.
La cuenta es simple y brutal: con 5% de utilización, el costo efectivo es 20 veces el precio nominal. Un H100 ocioso cuesta 8.850 dólares por mes. No es que la GPU sea cara: es que se paga por 20 GPUs para usar 1. Ya detallamos aquí la crisis de utilización de 8% en Kubernetes y el patrón se repite en la capa de IA con números peores.
Compromiso sin criterio se volvió pasivo
El otro lado de la moneda: descuentos de compromiso subutilizados. Según VendorBenchmark, 31% de las Reserved Instances de 3 años de AWS generan beneficio neto cero, con utilización por debajo del break-even.
La Reserved Instance es una apuesta de que el workload va a seguir ahí, en el mismo formato, por 3 años. Comprada por inercia o en el susto de la factura on-demand, se vuelve el propio desperdicio que debería combatir. El mercado está trayendo workloads de vuelta a infraestructura propia exactamente cuando el cálculo de compromiso deja de cerrar.
63% tienen equipo de FinOps. Y el desperdicio crece
La paradoja central del reporte: 63% de las organizaciones tienen equipo de FinOps, pero los practicantes reportan retornos decrecientes. Los big rocks fueron capturados. Lo que queda es más difícil.
La respuesta de la disciplina fue expandirse: la FinOps Foundation cambió su misión de gestionar el valor del cloud a gestionar el valor de la tecnología, incluyendo IA, SaaS, licenciamiento y private cloud. El número que mide la urgencia: 98% de los equipos de FinOps ahora gestionan spend de IA, en 1.192 organizaciones que juntas responden por 83 mil millones de dólares en cloud. En 2024, eran 31%.
Y surgió un mecanismo nuevo, el self-funding: organizaciones obligadas a financiar inversión en IA con ahorro de optimización. Cortar cloud waste para pagar GPU. Cuando 17% de las organizaciones ya excedieron el presupuesto y 27% esperan aumento de spend, la optimización dejó de ser programa de ahorro y se volvió prerrequisito de inversión.
Dónde comienza la corrección
Tech86 implementa FinOps para infraestructura de IA en LATAM, y el diagnóstico de entrada es casi siempre el mismo: el desperdicio no está escondido en una métrica exótica, está en la arquitectura. Recurso sin dueño, ambiente de prueba 24/7, sobredimensionamiento por miedo, compromiso sin revisión.
La herramienta de observabilidad es el último paso. Antes de ella viene la secuencia que resuelve la mayor parte del 29%: mapear recursos con dueño, eliminar lo obvio, rightsizing con datos de uso real, auditar compromisos contra el uso actual y poner gobernanza dentro de la arquitectura (tags obligatorias, presupuesto con alerta, apagado automático).
Conclusión
El desperdicio de 29% no es una falla de carácter del mercado de cloud: es el precio estándar de una infraestructura autogestionada sin gobernanza. La buena noticia es que es atacable en orden de impacto, y los primeros 10 puntos porcentuales son casi mecánicos.
Para quien está a punto de firmar el próximo compromiso de 3 años o comprar la próxima GPU, la pregunta correcta viene antes de la factura: quién es el dueño, cuál es el uso real medido y cuál es el plan de revisión. Si la respuesta no existe, el desperdicio ya está contratado.