FinOps de coordinación: la categoría que nadie ha medido
FinOps de cloud mide infraestructura. FinOps de IA mide inferencia. La coordinación humano-agente es la tercera capa que falta, y carga la mayor parte del costo real de operar IA en la empresa.
Resumen en 90 segundos
FinOps existe porque un día la factura de la nube llegó demasiado grande y nadie sabía explicar de dónde venía. La disciplina le dio nombre, dueño y número a ese gasto. Después se estiró para cubrir la inferencia de la IA, tokens y GPU, el costo que la máquina consume mientras corre como tecnología. Resuelto. Falta la tercera lectura, y es la que pesa más: lo que la máquina le cobra a tus humanos para cerrar una decisión. Modela una SaaS de 500 personas con adopción promedio y la infraestructura de IA cabe en una porción pequeña del costo total de la operación híbrida. El resto, la mayor parte, vive en las relaciones de coordinación, diluido en la nómina sin categoría propia. Esa tercera lectura no tiene dashboard, no tiene playbook cerrado y no aparece en ningún RFP de proveedor. Es justo donde la mayor porción se está fugando.
Abre la hoja de cálculo de tu próxima reunión de presupuesto. El gasto de nube está desglosado por workload, por área, por trimestre, claro de leer. La línea de inferencia de IA apareció el año pasado y crece al ritmo de algo joven. Visibilidad decente en las dos. Después sacas el reporte de nómina. Tu plantilla senior está estable, la misma gente, pero su costo subió y nadie en la sala sabe en qué línea cayó. La hoja muestra todo lo que la IA consume y esconde una sola cosa: lo que empezó a cobrarle a las personas que quedaron para revisar lo que hace.
Esta es la frontera de FinOps en 2026. Ve lo que la IA gasta. No ve lo que la IA exige. Y lo que exige de tus humanos para cerrar una decisión cobra mucho más caro de lo que jamás consumió en tokens.
FinOps Tiene Dos Olas. La Tercera Todavía No Tiene Nombre.
La historia de FinOps empieza en un malentendido caro. Ingeniería aprovisionaba recursos en la nube con la facilidad de apretar un botón, finanzas recibía la factura a fin de mes sin idea de qué se había comprado, y los dos lados se miraban con desconfianza. La FinOps Foundation, de 2019, le dio a ese roce un vocabulario común: visibilidad, optimización, operación. Quien gasta, que vea; quien paga, que entienda. Cinco años después, cualquier empresa con una factura de nube seria tiene a alguien cuya función es cuidar ese número, y a nadie le parece raro.
La segunda ola se subió a la avalancha de modelos generativos. El mismo método, ahora apuntado a la inferencia, tokens, GPU dedicada, modelos afinados, bases vectoriales. CloudZero, Vantage y Datadog lanzaron sus módulos de visibilidad del gasto de IA; OpenAI y Anthropic abrieron dashboards granulares de consumo. En el mid-market más maduro, esa línea ya sube al QBR financiero sin necesitar explicación.
Las dos olas resuelven la misma pregunta: cuánto consume la IA mientras corre como tecnología. Ninguna toca la otra pregunta: cuánto cuesta mientras opera como parte de la fuerza laboral. Y es en esa segunda, la que nadie ha nombrado todavía, donde vive la mayor parte de la factura agregada.
| Lectura FinOps | Qué cubre | Unidad | Año en que pesó en el presupuesto |
|---|---|---|---|
| 1. Gasto de nube (tradicional) | Compute, storage, red, SaaS de producto | Costo por workload por mes | 2018 a 2020 |
| 2. Gasto de IA (infraestructura de IA) | Tokens, GPU, inferencia, modelos afinados | Costo por llamada por modelo | 2024 a 2025 |
| 3. Coordinación humano-agente | Nómina en ratificación, calibración, reuniones de alineación de IA, corrección de handoffs | Costo por relación por decisión | 2027 en adelante (proyectado) |
La tercera lectura cabe en los mismos tres pilares de la Foundation original, sin inventar nada. Primero visibilidad: mapear dónde ocurre la coordinación entre humanos y agentes. Después optimización: encontrar qué relaciones crecen más rápido que los ingresos. Por último operación: una cadencia trimestral, con la nómina y el gasto de nube en el mismo radar. El método es el de siempre. Solo cambia la unidad de medida.
La Estructura del Costo Real de IA en una Empresa Mediana
El instinto de la dirección corre hacia la factura técnica: la IA es cara porque la inferencia es cara, la GPU es cara, el modelo es caro. Modela la operación entera, y no solo la factura de la máquina, y la proporción se invierte. Toma una SaaS de 500 personas donde la mayor parte del equipo ya tiene un agente en el flujo, aplica una hora senior cargada a las relaciones humanas e inferencia promedio a las de agentes, y la composición del costo total de la operación híbrida queda más o menos así.
| Categoría | % del Costo Total | Costo Mensual Estimado | ¿Lo Cubre el FinOps Actual? |
|---|---|---|---|
| Infraestructura de IA (tokens, GPU, modelo) | 8% a 12% | $70,000 a $110,000 | Sí, en herramientas de AI FinOps |
| Nube tradicional adyacente (storage, red) | 4% a 7% | $30,000 a $60,000 | Sí, en herramientas de FinOps tradicional |
| Coordinación humana inducida por IA (H2H) | 45% a 55% | $400,000 a $530,000 | No, queda debajo de la línea de nómina |
| Ratificación senior de lo que la IA generó (A2H) | 18% a 26% | $160,000 a $220,000 | No, queda debajo de la línea de nómina |
| Calibración de prompts (H2A) | 10% a 16% | $90,000 a $140,000 | No, queda debajo de la línea de nómina |
| Corrección de handoffs entre agentes (A2A) | 3% a 7% | $25,000 a $60,000 | Parcial, se mezcla con la nómina de ingeniería senior |
Mira la distorsión de frente. La infraestructura de IA, lo único que ve el FinOps de hoy, es la menor de las porciones. Las cuatro relaciones de coordinación humano-agente suman la mayor parte del costo, y están diluidas en la nómina sin categoría que las nombre. Cada una engorda por un disparador distinto, lo que vuelve inútil tratarlas como bloque. Las cuatro relaciones, humano con humano, máquina con máquina, humano con máquina y máquina con humano, cada una en moneda son el vocabulario que falta en el playbook FinOps clásico.
Por qué el AI FinOps de Hoy No Cierra la Cuenta de Coordinación
La herramienta de AI FinOps apunta hacia dentro de la llamada. Cuántos tokens, qué modelo, qué área pidió, qué workload en qué horario. Lo hace bien, junta finanzas con ingeniería, y responde con precisión cuánto cuesta cada producto en inferencia. Todo lo que ve está de un solo lado de la frontera: el lado de la máquina.
Del otro lado, donde no llega, vive lo caro. El analista que amasó el prompt seis veces hasta que la salida sirviera. El director que la revisó, no le gustó y la mandó correr de nuevo. La reunión que nació solo para acordar cómo el equipo entero está usando la herramienta. Nada de eso es llamada de API; es gente alrededor de la máquina, y el instrumento de hoy no tiene por dónde agarrarlo.
El efecto es concreto. El reporte llega con una línea de inferencia redonda, digamos $90,000 al mes. Te parece caro, te sientas con el proveedor, negocias, cambias de modelo, recortas 18%. Buena ejecución, número limpio. Y completamente irrelevante frente a los cientos de miles que la coordinación alrededor de esos mismos agentes quema cada mes en la nómina senior, sin etiqueta, sin línea, sin nadie que la sume.
El Playbook FinOps Adaptado para la Coordinación
El método no cambia. Los tres pilares de la Foundation original, visibilidad, optimización y operación, siguen enteros. Lo que cambia es la unidad y la fuente del dato. En lugar de la llamada y el workload de nube, la unidad pasa a ser la decisión que atraviesa la empresa y la relación que recorre. En lugar de la factura del proveedor, la fuente pasa a ser el cruce entre el calendario senior, lo que la IA devolvió y la hora cargada de quien la opera.
| Pilar | FinOps Tradicional | FinOps de Coordinación | Diferencia Práctica |
|---|---|---|---|
| Visibilidad | Dashboard de costo por workload | Inventario de relaciones por decisión | Dibujar el grafo de la decisión (humano y máquina) en 3 a 5 casos reales |
| Optimización | Reservar capacidad, ajustar lo que está sobredimensionado | Cortar la relación que más se fuga, separar la agenda de IA | Quitar la reunión de alineación de IA que cabía en un asíncrono, acortar el ciclo de calibración |
| Operación | Etiquetar costo por área, alertar cuando pasa el tope | Costo por decisión, cadencia trimestral junto a la nómina | Una línea nueva en el QBR, al lado del gasto de nube y la nómina consolidada |
El paralelo vale por una razón práctica: quien ya atravesó la maduración del FinOps tradicional no necesita aprender ningún método. El instrumental mental es el mismo, la disciplina es la misma. Lo que falta es una categoría nueva dentro de un sistema que ya corres desde hace años.
La Unidad que Pide la Categoría: Costo por Decisión
El FinOps tradicional cerró en la unidad costo por workload por mes. El de IA paró en costo por llamada por modelo. La coordinación humano-agente pide otra regla: costo por decisión que atraviesa la empresa.
Una decisión que atraviesa la empresa es cualquier ciclo que empieza en una pregunta de la dirección y termina en una acción ratificada. Una renovación grande. Un ajuste de precio para un segmento de cliente. La aprobación de un presupuesto. En cada una, la decisión pasa por algunos humanos y algunos agentes, en cierto orden, y el costo es la suma de lo que se gasta en cada relación de ese recorrido.
La regla es práctica por tres razones. Cabe en el habla del consejo: decisión es la palabra que tú y el resto de la dirección ya usan para reportar resultados. Compara entre áreas: una decisión de precio en ventas tiene un diseño parecido a una decisión de precio en producto. Y compara entre empresas. Modela una decisión típica de esas en una empresa mediana en 2026 y cae en una banda de pocas decenas de miles de dólares en nómina cargada. Ese es el punto de calibración, no una promesa: si tu decisión cuesta muy por encima de eso, hay grasa estructural en el camino; si cuesta muy por debajo, es probable que estés dejando contexto fuera de la ratificación, y esa cuenta vuelve después, más cara.
Qué Cambia en la Sala del CFO
El consejo que pida una explicación granular de por qué el margen no acompañó la ganancia que todos juran tener con la IA va a querer respuesta en moneda, no en adjetivos. Ahí tienes tres salidas. Decir que todavía no lo mediste, y gastar credibilidad. Estimar con base en el reporte de inferencia, y llevar la corrección tres meses después, cuando la cuenta agregada aparezca peor. O poner la categoría nueva sobre la mesa: coordinación humano-agente en dólares, separada de las dos olas que ya existen.
Es en esta categoría donde el ahorro de la IA se está fugando en reuniones con regularidad en 2026. Sin ella, cualquier historia sobre el ROI de la IA queda a medias. Con ella, el CFO gana el vocabulario que faltaba para explicarle el hueco de margen al consejo sin prometer un milagro en tres trimestres.
Tres Movimientos para Empezar Antes del Próximo QBR
No hace falta software. No hace falta consultor. Tres movimientos entregan un número defendible en pocas semanas, con la hoja de cálculo que ya tienes.
- Inventaría tres decisiones recientes que atravesaron la empresa. Toma tres decisiones que importaron en los últimos meses y pasaron por IA en el camino. No tienen que ser las tres más nobles, solo representativas. Dibuja el recorrido de cada una: cuántos humanos, cuántos agentes, en qué orden, cuántas idas y vueltas en cada relación. Cabe en una hoja. En tres decisiones, el patrón de tu casa ya aparece.
- Pega un costo cargado a cada relación. La hora senior cargada de la empresa en cada relación humana. Inferencia promedio en cada relación de agentes. Una estimación de corrección humana cada vez que un agente le pasa el bastón a otro. El margen burdo del 15% al 25% sirve para orden de magnitud. Compara el total de la decisión con la banda de calibración de pocas decenas de miles de dólares por decisión típica.
- Lleva la categoría al próximo QBR como una línea nueva. Sin prever crecimiento ni proponer recortes en el estreno. Solo muestra que la categoría existe, cuál es la unidad y cuánto cuesta en orden de magnitud. Es el mismo movimiento que el CFO usó para presentar el gasto de nube allá por 2017. Primero la empresa ve; actuar viene después.
El Anclaje Teórico Viene de 1937, No de la FinOps Foundation
La FinOps Foundation dio el método para cobrar visibilidad de tecnología. Pero la idea de que la coordinación se mide relación por relación es mucho más vieja que la nube. En 1937, Coase preguntó por qué existen las firmas, y respondió: porque coordinar puertas adentro sale más barato que coordinar por el mercado, en ciertos casos. Williamson lo refinó en 1985, mostrando que esa cuenta depende del costo de transacción de cada tipo de relación. Medir relación por relación viene de esa tradición económica, no de una disciplina financiera de ayer.
Lo que 2026 trajo de nuevo es una cuarta estructura en el grafo de la firma: el agente de IA operando ahí dentro sin ser gente, moviendo el costo de cada relación humana a su lado. Coase y Williamson aplicados a 2026 trae toda la fundamentación. El FinOps de coordinación es solo la traducción de esa teoría vieja a la hoja de cálculo del CFO de hoy.
Preguntas frecuentes
¿Qué es el FinOps de Coordinación?
Es la tercera lectura de la disciplina FinOps traída adentro de la operación. La primera mide el gasto de nube: compute, storage, red. La segunda llegó en 2024 y mide la inferencia: tokens, GPU, costo por llamada. La tercera mide lo que nadie puso en una línea: lo que la IA le cobra a tus humanos para cerrar una decisión. Un senior revisando lo que el modelo devolvió, un prompt que vuelve cinco veces hasta que sirve, la reunión agendada solo para alinear quién usa qué, la corrección cuando dos agentes no se entienden. Esa tercera lectura no tiene categoría de presupuesto, no tiene dashboard, no tiene proveedor consolidado. Tiene el pedazo más grande de la cuenta.
¿Cuál es la diferencia entre AI FinOps y FinOps de Coordinación?
El AI FinOps cuenta lo que la máquina consume mientras corre como tecnología: tokens, GPU, inferencia, costo por modelo, costo por llamada. Categoría conocida, con herramienta lista. El FinOps de coordinación cuenta lo que la máquina le cobra a tus humanos mientras opera como parte de la fuerza laboral: la nómina senior gastada en ratificar, calibrar y alinear. Modela una SaaS de 500 personas con adopción promedio y la infraestructura de IA cabe en una porción pequeña del costo total de la operación híbrida; el resto vive en las relaciones de coordinación, repartido en la nómina sin categoría propia. Sin esa lectura, cualquier ROI de IA es una suposición.
¿Por qué debería importarle esto a un CFO?
Tres razones secas. Una: el margen operativo no acompañó la ganancia que todos juran tener con la IA, y el consejo va a pedir explicación en moneda en el próximo QBR. Dos: la cuenta cuesta caro todo el año sin aparecer en el P&L, escondida entre la línea de nómina y la de gasto de nube, y lo que no tiene línea no se gobierna. Tres: decidir dónde poner capital en IA sin saber qué relación se fuga más es apostar a ciegas. El CFO ya gobierna el gasto de nube porque un día se volvió material y dolió; la coordinación humano-agente está en el mismo trayecto, unos cinco años atrás.
¿Cómo medir el FinOps de Coordinación sin herramienta nueva?
Tres movimientos cubren el primer mes, y ninguno pide software. Toma tres decisiones recientes que importaron (una renovación grande, un ajuste de precio, una aprobación de presupuesto) y dibuja el recorrido de cada una: cuántos humanos, cuántos agentes, en qué orden, cuántas idas y vueltas. Pega un costo a cada relación, nómina senior cargada en las humanas, inferencia promedio en las de agentes, con el margen burdo del 15% al 25% que sirve para orden de magnitud. Ponlo al lado del gasto de nube y la nómina en la misma hoja. En treinta días la categoría pasa de anécdota a número.
¿La coordinación humano-agente tiende a ganar una categoría FinOps formal?
El trayecto de las dos olas anteriores sugiere que sí. El gasto de nube tardó de 2015 a 2020 en ganar una línea de presupuesto dedicada; la inferencia atajó el camino en 2024 y 2025, cuando la factura pasó los siete dígitos al año y se volvió imposible de ignorar. La coordinación humano-agente está hoy donde estaba la nube alrededor de 2017: un equipo pequeño entendió el problema, los primeros proveedores empiezan a aparecer, el consejo todavía no pregunta. Por la velocidad de la adopción, el reconocimiento tiende a llegar más rápido que el de la nube, no más lento.
El Cierre
La pregunta que importa dejó de ser cuánto gasta tu empresa en IA. Ahora es otra: cuánto gasta para coordinar humano y máquina, y si esa cuenta crece más rápido que los ingresos. El gasto de nube tardó cinco años en ganar categoría de presupuesto. La inferencia atajó a dos. La coordinación humano-agente, por la velocidad de la adopción y el tamaño de la fuga, tiende a un horizonte parecido, y probablemente más corto.
En 2026 todavía es el vector invisible de la gobernanza de IA. Al ritmo de las dos olas anteriores, sube al QBR antes de que el consejo pregunte y aparece en el RFP de un proveedor serio poco después. Quien tome la categoría primero llega a la conversación de capital con años de ventaja, hablando en moneda mientras el resto todavía habla en percepción.
El instrumento todavía es tosco. La categoría ya es medible a mano. Decidir medir ahora, en tu tiempo, o esperar a que el consejo pregunte, es el tipo de elección que separa a quien gobierna de quien actúa en los próximos dieciocho meses. El dashboard mínimo defendible tiene cinco métricas que miden la gobernanza económica y cinco anti-métricas que solo hacen ruido.