Il FinOps è nato per governare la spesa cloud: rendere visibile chi consuma cosa, attribuire il costo a chi lo genera, ottimizzare, ripetere. L'AI generativa presenta lo stesso schema di crescita — adozione decentralizzata, costo variabile, scarsa attribuzione — e beneficia dello stesso metodo.
Fase 1 — Visibilità
Il primo obiettivo non è risparmiare, è vedere. Serve un registro di eventi che riporti, per ogni chiamata: modello, provider, token, costo, latenza, utente, area, esito e tipo di compito. Senza questo livello di granularità ogni discussione sui costi resta un'opinione.
Fase 2 — Attribuzione
La spesa va assegnata alle unità organizzative che la generano, con budget espliciti. Un budget per area rende immediatamente evidente quale funzione sta traendo valore reale e quale sta sperimentando senza ritorno.
La regola pratica: la somma dei budget assegnati alle persone non può superare il budget dell'area, e la somma dei budget delle aree non può superare il wallet aziendale.
Fase 3 — Ottimizzazione
Con visibilità e attribuzione, le leve diventano ovvie: instradamento verso modelli più economici per i compiti ripetitivi, riduzione del contesto trasmesso, template riutilizzabili al posto di prompt improvvisati, caching delle richieste ricorrenti.
- Instradamento per costo: la leva con l'impatto maggiore
- Compressione del contesto: meno token inviati, stessa qualità
- Template e knowledge base: meno tentativi per arrivare al risultato
- Blocco preventivo a saldo esaurito: nessuna sorpresa a fine mese
Le due differenze rispetto al cloud
Primo: nell'AI la qualità è variabile e soggettiva, quindi l'ottimizzazione non può essere solo economica — serve un criterio di accettabilità della risposta. Secondo: il dato inviato al modello è spesso sensibile, quindi la scelta del fornitore ha una dimensione di conformità che il cloud tradizionale gestisce a monte.