FinOps: cos'è? Perché passare alla gestione finanziaria del Cloud

Le aziende scelgono il Cloud Computing e l’approccio Cloud Native per far crescere i propri progetti e scalare rapidamente. Ma scalare ha un costa: più risorse cloud significano bollette più alte. Fino a che punto quell’aumento dei costi resta accettabile? Per tenere sotto controllo la spesa destinata ai servizi Cloud entra in gioco il FinOps (Cloud Financial Management), una pratica che rientra nel Cloud Management.

Che cos’è FinOps?

FinOps indica l’insieme di pratiche dedicate alle Cloud Financial Operation: monitoraggio, forecasting e ottimizzazione dei costi legati all’utilizzo di servizi a consumo, ospitati su uno o più Cloud provider.

La FinOps Foundation definisce il FinOps¹ come “una disciplina e pratica culturale in evoluzione per la gestione finanziaria del Cloud”, e aggiunge che “consente alle organizzazioni di ottenere il massimo valore aziendale aiutando i team di progettazione, finanza, tecnologia e business a collaborare su decisioni di spesa basate sui dati”.

Il termine FinOps unisce due parole, financial e operations, e rimanda tanto a una disciplina quanto a un mindset culturale, in modo simile a DevOps. L’obiettivo di FinOps è preciso: promuovere la collaborazione tra i reparti di operations, finance ed engineering, per massimizzare il valore prodotto senza perdere di vista quanto la spesa dei servizi Cloud incida sul risultato finale.

A questa collaborazione si affianca un modello decisionale data-driven destinato ad evolvere di continuo: matura man mano che i team e l’organizzazione acquisiscono consapevolezza e padronanza delle leve di ottimizzazione offerte dal Cloud.

LEGGI ANCHE: FinOps e GreenOps: gestione efficiente ed ecologica del cloud

Quali sono i vantaggi di FinOps per il cloud management?

Definito cos’è FinOps, la domanda successiva è inevitabile: a cosa serve e perché un’azienda dovrebbe adottarlo?

L’obiettivo pratico del FinOps è bilanciare costi, velocità e qualità, rendendo più efficiente l’utilizzo del Cloud. In questo modo, le aziende possono continuare a investire in innovazione con maggiore consapevolezza, grazie a:

• Un forecasting, una gestione e un’imputazione dei costi “condivisi” tra iniziative diverse più accurati.
• La riduzione degli sprechi, tema collegato al Green Cloud e alle emissioni di CO2 derivanti da potere computazionale non utilizzato.
• Una maggiore responsabilità finanziaria dei team IT, e quindi un uso finanziariamente responsabile del Cloud.

Chi lavora in ambito Cloud Native oggi non può fermarsi ai concetti fondamentali del Cloud, come l’architettura a microservizi, i container o la metodologia DevOps. Una gestione finanziaria efficiente è un fattore abilitante e critico in ogni iniziativa Cloud Native.

LEGGI ANCHE: DevOps: Cos’è e come introdurlo in azienda

Come si può misurare l’efficacia del FinOps?

Con il modello FinOps le organizzazioni raccolgono e organizzano tutti i KPI necessari a valutare l’andamento del progetto. È così che si capisce se le ipotesi formulate durante la stesura del business case reggono alla prova dei fatti. Altrettanto importante, quando tali ipotesi non reggono, è possibile analizzare i dati per identificare le azioni correttive da intraprendere.

Un esempio può riguardare l’ipotesi sui volumi di carico che è necessario supportare in produzione e, di conseguenza, il numero di risorse a consumo che è necessario acquistare. Ma in che modo esattamente? Come la si verifica concretamente?

FinOps mette a disposizione un framework specifico che le aziende possono adottare. Tramite capability di reporting, operazioni di tagging e capacity plan, si costruisce una vista omogenea (nel caso i cloud provider monitorati siano più di uno) e soprattutto comprensibile a tutti i reparti dell’organizzazione.

La nascita del framework FinOps

Il framework FinOps è stato formalizzato dalla FinOps Foundation², un programma patrocinato dalla Linux Foundation dedicato a diffondere nell’industria IT la disciplina del Cloud Financial Management, attraverso la definizione e condivisione di standard e best practice condivise. All’interno del framework FinOps, e quindi in ogni implementazione, troviamo:

• I principi: i punti fondamentali su cui si basa la collaborazione tra team cross funzionali e il livello di responsabilità di ciascun attore nell’attuazione o nella governance dell’iniziativa.
• Le personas: le professionalità che è necessario coinvolgere in un progetto FinOps.
• Le fasi: i passi e le azioni che l’organizzazione e i team affrontano in base al grado di maturità. La FinOps Foundation adotta un approccio crawl, walk, run, iterativo e incrementale.
• I domini: le aree su cui le attività operative derivanti dal processo decisionale possono o devono intervenire.

La struttura del framework segue l’evoluzione dell’industria, e queste aree tematiche cambiano con l’avvento di nuovi modelli computazionali. Oggi la spinta più concreta arriva dalla GenAI e dal Machine Learning, che introducono voci di spesa difficili da governare con le metriche cloud tradizionali. Il framework si sta estendendo per monitorare in modo specifico i costi di addestramento e di inferenza dei modelli, un ambito che va sotto il nome di LLMOps o AI FinOps.

Un tassello importante in questo panorama è FOCUS (FinOps Open Cost & Usage Specification)³, lo standard open source promosso dalla FinOps Foundation per normalizzare i dati di costo e utilizzo provenienti da provider diversi.

Il problema che risolve è concreto e ben noto a chiunque abbia gestito una bolletta multi-cloud: ogni provider espone i dati di spesa con schemi, nomenclature e granularità differenti, e l’aggregazione diventa un esercizio di riconciliazione manuale prima ancora che di analisi.

FOCUS definisce un formato comune per colonne, metriche e dimensioni, così che una spesa AWS, una Azure e una Google Cloud possano essere confrontate senza costruire ogni volta pipeline di trasformazione ad hoc.

Per cogliere la differenza pratica basta osservare come cambiano i campi chiave del billing quando si adotta lo standard:

FOCUS diventa particolarmente rilevante nell’ottica dell’AI FinOps⁴: quando i costi di inferenza si distribuiscono su più provider e su servizi gestiti di modelli LLM, uno schema unificato è la precondizione per allocare correttamente la spesa e individuare gli sprechi. Senza un vocabolario comune, gli stessi meccanismi di monitoraggio previsti dalle pratiche LLMOps⁵ finiscono per frammentarsi in dashboard incompatibili. Dalla nostra esperienza, partire da un modello dati normalizzato riduce sensibilmente il tempo speso a “far quadrare i numeri” e lascia ai team spazio per il lavoro che conta davvero: le decisioni di ottimizzazione.

I principi di un modello del Cloud FinOps

I principi del modello FinOps definiscono le linee guida con cui i diversi ruoli aziendali operano e collaborano. Vediamoli nel dettaglio:

• I team devono collaborare. Un’organizzazione che vuole adottare il modello, ma allo stesso tempo mantenere silos verticali, perde la capacità di decidere tenendo conto di tutti i punti di vista aziendali.
• Ogni team è responsabile dei propri costi. Il dimensionamento e l’allocazione dei costi Cloud è responsabilità del team sponsor/owner dell’iniziativa.
• Governance centralizzata. Un board centrale coordina e supervisiona l’applicazione del framework.
• Reporting puntuale e facilmente consultabile. Produrre KPI e report sui costi Cloud non deve essere un’operazione time-consuming, ma quanto più vicina possibile a modelli di Self-BI.
• Decisioni Value & Data driven. Scelte basate sul valore che il Cloud ha in quella specifica circostanza, con l’hosting model più adatto anche in relazione alla strategicità dell’iniziativa.
• Sfruttare i benefici di un modello di costi dinamico. Un modello che incapsula sia i costi della capacità computazionale sia quelli di licenza, tradizionalmente considerati una voce a sé, permettendo un doppio livello di consolidamento e ottimizzazione.

La struttura di un team FinOps

Un team FinOps è eterogeneo: riunisce professionalità e aree aziendali diverse, che contribuiscono in modo partecipato alla creazione di valore.

Come ogni team cross funzionale, si presta facilmente all’outsourcing di determinati profili. In questo modo si ottimizzano le risorse e si accede a competenze non necessariamente presenti in azienda, ma comunque chiave per una corretta strategia FinOps. I ruoli fondamentali sono:

• FinOps Practitioner: facilitatore ed esperto del framework, una figura simile allo Scrum Master.
• Executive: focus su accountability, trasparenza e andamento dell’iniziativa in termini di budget e tempo.
• Business/Product Owner: focal point per le iniziative interne in cui il Cloud è un elemento chiave.
• Finance/Procurement: lavorano con il FinOps Practitioner per interpretare dati e metriche raccolti.
• Engineering/Operation: responsabili della delivery e del mantenimento del valore prodotto.

Come implementare il modello FinOps?

A questo punto un dato è chiaro: la corretta gestione finanziaria dei servizi Cloud è critica per il successo di qualsiasi progetto in Cloud. Come applicare, allora, i principi del FinOps nella tua realtà?

A prescindere dal livello di maturità, il framework può essere adottato seguendo un percorso ben definito. Nel 1° Incontro “La Gestione dei costi Cloud e FinOps”, organizzato dall’Osservatorio Cloud Transformation del Politecnico di Milano, sono state descritte le tre fasi che costituiscono il ciclo di vita FinOps.

La prima fase fornisce la visibilità necessaria a creare una responsabilità condivisa. La seconda identifica le opportunità di efficienza e ne determina il valore. L’ultima definisce e implementa i processi per raggiungere gli obiettivi di tecnologia, finanza e business. Vediamole nel dettaglio.

1. Prima fase: inform

La prima fase del FinOps si concentra sul catalogare le spese cloud per ottenere chargeback e showback precisi. In questa fase si analizzano anche le dinamiche di utilizzo del Cloud da parte dei team aziendali.

KPI per la prima fase: percentuale di costi Cloud correttamente allocati tramite chargeback.

2. Seconda fase: optimize

Mappate le spese e acquisite le competenze necessarie, si passa a ottimizzare la presenza cloud dell’azienda, per esempio con attività di rightsizing e spegnimento automatico. Il censimento delle necessità aziendali aiuta a limitare l’uso di servizi on demand, di norma più costosi.

KPI per la seconda fase: percentuale di Cloud in commitment rispetto al Cloud on demand.

3. Terza fase: operate

Le organizzazioni iniziano a monitorare in modo continuativo gli obiettivi di business e i KPI di riferimento, coinvolgendo il Cloud Cost Center of Excellence costruito intorno agli stakeholder aziendali, finanziari e operativi, che definiscono anche le politiche e i modelli di governance più appropriati.

KPI per la terza fase: scostamento tra la previsione di spesa Cloud e la spesa effettiva.

FinOps e Cloud Native: declinazioni tecnologiche del modello

Definito il team e comprese le fasi, resta da capire come tradurre in scelte tecnologiche le linee guida identificate nelle fasi di benchmarking e ottimizzazione.

In un contesto Cloud Native l’architettura di riferimento fa uso di un modello a microservizi ospitato in un cluster basato su Kubernetes (che si tratti di OpenShift di RedHat, Elastic Kubernetes Service di AWS o Azure Kubernetes Service di Microsoft Azure).

In questo contesto si possono dimensionare, governare e monitorare le risorse tramite capability tecnologiche, definibili in fase di deploy o design:

• Resource request/limits: identificano a livello di Pod le risorse richiedibili e necessarie al servizio;
• Quality of Service: la tipologia di workload, per ottimizzare la densità di utilizzo dei nodi da parte dello scheduler;
• Namespace: segregazione logica interna al cluster che definisce un tetto massimo di CPU/RAM che i pod contenuti possono impegnare;
• Autoscaler: sia verticali che orizzontali, aiutano a regolare il numero di repliche di un POD all’interno del cluster.

Rispettare queste linee guida, ed educare i team a non trascurarle, permette di mantenere sotto controllo l’effettivo utilizzo della capacità computazionale, Cloud o on-premise, e di massimizzarne la densità di utilizzo.

Infine, con opportuni strumenti di raccolta dati e reporting si possono convertire le metriche tecniche, basate su CPU/RAM, in valori monetari più leggibili. Un passaggio in linea con il principio cardine di trasparenza e reportistica facilmente consultabile da tutti gli stakeholder aziendali.

Come può evolvere FinOps nel futuro?

La filosofia e le pratiche FinOps sono relativamente nuove, eppure stanno già cambiando il modo in cui le organizzazioni gestiscono la propria infrastruttura cloud. Cosa aspettarsi, allora, per il futuro? Alcune aree sembrano destinate a evolvere più di altre.

La prima è l’ecosistema di strumenti per il Cloud Financial Management. Con la maturazione dell’approccio FinOps, gli strumenti si moltiplicheranno, con sempre più fornitori e proposte. Accanto agli aggregatori attuali per la gestione dei costi cloud, come Flexera One, Cloudability e CloudHealth, arriveranno nuovi strumenti di automazione (oltre ad Ansible, Terraform, Kubernetes) e di ottimizzazione (come NetApp Spot).

Un secondo aspetto dell’evoluzione di FinOps riguarda la correlazione sempre più marcata tra spesa cloud e valore aziendale. Il cambiamento culturale innescato da FinOps porterà a misurare le spese con logiche di unit economics: non più come mero costo infrastrutturale, ma in base al valore aziendale ed economico che generano. La chiarezza sulle spese e le metriche accurate aiuteranno le organizzazioni a fissare obiettivi basati sulle performance aziendali e a identificare dove investire per ottenere valore aggiunto.

In altre parole, l’approccio data-driven alle decisioni su cloud e spesa IT diventerà sempre più predominante, supportato da strumenti più precisi e completi.

Il FinOps nell’era dell’AI? Come gestire i costi di token e GPU

Il principio data-driven trova un’applicazione particolare nell’AI cost management, la disciplina che estende i principi FinOps al consumo di modelli generativi e workload di machine learning. Chi ha portato un LLM in produzione conosce il problema: i costi non crescono in modo lineare con il numero di utenti, ma con i token processati e con le ore di GPU allocate. Una singola chiamata a un modello di reasoning con contesto ampio può costare venti o trenta volte più di una richiesta a un modello compatto, e senza visibilità granulare la fattura di fine mese diventa impossibile da attribuire a team, feature o clienti.

Il consumo di token API è la prima voce da presidiare. Nei progetti AI applichiamo tre leve concrete: il model routing, che instrada le richieste semplici verso modelli più economici e riserva i modelli di frontiera ai task che li richiedono davvero; il caching semantico delle risposte ricorrenti; la compressione del prompt per ridurre i token di input. A queste si aggiunge il monitoraggio del rapporto tra token di input e di output, spesso trascurato ma decisivo quando si usano tecniche RAG con contesti di grandi dimensioni.

Sul fronte dell’infrastruttura, l’allocazione di istanze GPU è tipicamente la fonte di spreco più costosa. Le GPU riservate ma inutilizzate durante lo sviluppo o nei periodi di basso traffico bruciano budget senza produrre valore. Qui le pratiche di LLMOps convergono con il platform engineering: autoscaling basato sulla profondità delle code di inferenza, condivisione delle GPU tra più workload tramite time-slicing o MIG, ricorso a istanze spot per i job di training tolleranti alle interruzioni.

Per rendere confrontabili le due dimensioni di costo, conviene mappare le leve di ottimizzazione rispetto al loro impatto:

L’AI cost management non sostituisce la disciplina FinOps tradizionale, bensì la estende con metriche e cadenze specifiche.

Mentre il cloud computing classico opera su cicli di ottimizzazione mensili o trimestrali, i costi legati ai modelli AI richiedono invece un monitoraggio quasi in tempo reale, perché la spesa può variare molto da un giorno all’altro in base ai pattern di utilizzo, agli aggiornamenti dei modelli o ai picchi di traffico verso funzionalità di AI generativa.

Le organizzazioni più mature stanno creando un livello di governance dedicato, con team che uniscono competenze FinOps, MLOps e platform engineering per definire soglie di allerta, budget dinamici per progetto o team e revisioni settimanali dei consumi.

Questo approccio ibrido consente di intercettare le anomalie di costo prima che diventino strutturali, mantenendo la coerenza con i principi di visibilità, responsabilizzazione e ottimizzazione che guidano il FinOps in generale.

Il punto è che queste ottimizzazioni non possono essere decisioni una tantum: vanno inserite in un ciclo di feedback continuo, in cui i dati di consumo alimentano le scelte architetturali. È la stessa logica data-driven descritta sopra, applicata a un dominio dove la variabilità dei costi è molto più alta che nel cloud tradizionale.

È proprio in questa direzione che si muove il Continuous FinOps⁶: non più revisioni periodiche dei costi, ma un loop automatizzato e permanente di misurazione, ottimizzazione ed esercizio. Il tassello più recente di questo approccio sono gli agenti AI pensati per sostenere i workflow di monitoraggio continuo. AWS FinOps Agent⁶, oggi in public preview, ne è un esempio concreto: analizza i pattern di spesa e suggerisce interventi di ottimizzazione in modo conversazionale, portando la logica agentic dentro il ciclo di governance dei costi.

Per concludere

Il modello FinOps migliora la gestione finanziaria dei servizi Cloud a consumo. È utile alle organizzazioni che sfruttano le potenzialità del Cloud e ancora di più a quelle che stanno crescendo e gestiscono complessi cluster Kubernetes. Sta anche evolvendo per monitorare in modo specifico i costi legati alle moderne soluzioni AI, che presentano sfide dedicate, rivelandosi una necessità concreta per le organizzazioni che stanno investendo in quest’ambito.

FinOps offre insomma un framework che le aziende possono adottare per gestire i costi del cloud e bilanciare velocità, costi e qualità. Il risultato è un uso del Cloud più efficiente, investimenti senza sprechi e una crescita sostenibile nel tempo.

Vuoi individuare opportunità di ottimizzazione grazie alle pratiche FinOps? Contatta i nostri esperti: possiamo aiutarti a trovare aree di miglioramento non solo sui costi, ma anche su sicurezza, performance e scalabilità.

Note e fonti