73% de las organizaciones estallaron el budget de IA. 98% ahora gestionan gasto con IA, hace dos años eran 31%. El State of FinOps 2026, de la FinOps Foundation, escuchó 1.192 practitioners y mapeó 83 mil millones de dólares en gasto en cloud anual. Los datos son claros: IA reintrodujo caos de costos. Los costos de cloud estaban quedando controlables. IA llegó y quebró la visibilidad.
FinOps no es más gestión de costos de cloud
El relatório marca un cambio estructural. FinOps pasó de gestión de costos de cloud para gestión de valor de tecnología. Los números prueban, según el State of FinOps 2026: 90% gestionan SaaS (era 65% en 2025). 64% gestionan licensing (+15% YoY). 57% private cloud (+18%). 48% data center (+12%). El scope explotó.
La práctica también subió en la jerarquía. FinOps ahora reporta al CTO y CIO, no más al CFO aislado. Converge con ITAM, platform engineering y arquitectura. La conversación cambió de "cómo reducir spend" para "cómo maximizar valor mensurable de IA, cloud e infraestructura". Eso lo cambia todo: el objetivo no es más cortar costos, es garantizar que cada dólar en tecnología genere resultado rastreable.
En Tech86, vimos esa transición ocurrir con clientes que ya tenían costos de cloud bajo control y fueron agarrados de sorpresa por el crecimiento de workloads de IA. El playbook de FinOps que funcionaba para compute y storage no funciona para inferencia, y la mayoría demoró en percibir.
La crisis de forecast: 80% erran por más de 10%
Apenas 20% de las organizaciones previeron gasto con IA dentro de ±10%, según el State of FinOps 2026. 54% erraron por 11-25%. Empresas AI-Native: 36% erraron por más de 50%. Eso no es imprecisión, es ceguera sistemática.
El problema tiene causas estructurales. Pricing models varían entre providers. La asignación por unidad de negocio es más difícil en IA que en compute tradicional. El ROI de IA es oscuro porque inversiones son exploratorias, no sabes si el agentic workflow va a procesar 1 millón o 100 millones de tokens hasta que esté en producción. Y la mayoría del costo está en inferencia, que escala con uso. Cada usuario más, cada prompt más largo, aumenta la cuenta permanentemente. No es como reservar una instancia, es como dejar una torneira abierta.
IA reintrodujo caos de costos
Los costos de cloud estaban quedando controlables. Instancias reservadas, planes de economía, redimensionamiento, la guía de FinOps tradicional funcionaba. Entonces IA llegó y quebró la visibilidad.
Los workloads de IA saltaron de 4% para 18% del presupuesto de cloud en empresas activas en IA, según datos de Flexera. Utilización de GPU en producción: 15-30%, según análisis de FinOps. 35-60% del budget de GPU es evitable, según datos de Flexera, idle time, modelos mal dimensionados, reservas no usadas. El costo de inferencia es opaco. La factura llega como línea única, sin detallamiento por endpoint, cliente o feature. El Cost Explorer que funcionaba para EC2 no ve tokens. La asignación por unidad de negocio, que ya era difícil en cloud tradicional, en IA se torna casi imposible sin instrumentación en la capa de aplicación.
En Tech86, cuando auditamos workloads de IA, la primera señal de alerta es precisión de previsión. Si el error de los últimos 3 meses está arriba de 25%, el proceso necesita cambiar, no el presupuesto. Ya cubrimos costo por token y utilización de GPU en detalle en otro artículo. Aquí el foco es otro: la estructura del problema y lo que está funcionando para resolver.
Lo que está funcionando
El alineamiento ejecutivo es el factor de mayor impacto. VP+ engagement genera 2-4x más influencia sobre selección de tecnología. Cuando FinOps tiene asiento en la mesa de arquitectura, las decisiones de IA incorporan costo desde el inicio, no después de la factura.
El autofinanciamiento es el modelo que más gana tracción. Economía en cloud tradicional financia inversiones en IA. Eso crea un ciclo virtuoso: optimizar cloud libera budget para IA, que acelera la urgencia de optimización. Cuanto más economizas en workloads tradicionales, más budget tienes para experimentar con IA sin necesitar aprobación nueva.
FOCUS spec es la infraestructura de datos que faltaba. La FinOps Open Cost and Usage Specification normaliza datos de costo entre providers. 68% de las empresas con 100M+ en spend ya usan o experimentan, según el State of FinOps 2026. Sin FOCUS, comparar AWS, Azure y GCP exige traducción manual de cada campo. Con FOCUS, comparas en la misma estructura.
IA para FinOps es la ironía productiva. Usar IA para detectar anomalías de costo, recomendar redimensionamiento y permitir queries en lenguaje natural sobre gastos. En vez de navegar dashboards complejos, el team pregunta "¿cuánto gastamos con GPU en la última semana?" y obtiene la respuesta. La herramienta que causa el problema también ayuda a resolverlo. El relatório muestra que esa aplicación está entre las más adoptadas por teams maduros, y con razón.
Conclusión
IA es la categoría de costo que más crece, que nadie sabe prever y donde 80-90% del dinero va para inferencia. 73% estallaron budget. Utilización de GPU es 15-30%. Apenas 20% prevén gasto dentro de ±10%. Pero el State of FinOps 2026 también muestra caminos: alineamiento ejecutivo, autofinanciamiento, FOCUS spec e IA aplicada al propio FinOps.
En Tech86, diseñamos arquitecturas con FinOps integrado desde el día 1, de GPU workloads a inference pipelines. Si tu AI budget sorprende todo trimestre, estás pagando para descubrir problemas que podrían haber sido previstos.