A medida que los agentes de inteligencia artificial asumen tareas más complejas dentro de las empresas, controlar cuánto cuesta utilizarlos se está convirtiendo en un nuevo desafío para los departamentos tecnológicos y financieros. Google Cloud quiere responder a este escenario ampliando las capacidades de facturación y gestión de costes de Gemini Enterprise, con nuevas opciones destinadas a ofrecer mayor flexibilidad sin perder el control presupuestario.

La compañía parte de una premisa: las prácticas de FinOps deben evolucionar al mismo ritmo que la adopción de la inteligencia artificial. Las organizaciones necesitan conocer cuánto están gastando, anticipar desviaciones y adaptar los modelos de pago a cargas de trabajo que pueden variar considerablemente entre departamentos y proyectos.

Entre las principales novedades se encuentra una nueva modalidad de pago por uso en Gemini Enterprise, que podrá combinarse con las actuales suscripciones por usuario. Este sistema está pensado especialmente para cargas de trabajo de agentes que presentan consumos variables o puntuales y permite continuar ejecutando tareas sin quedar condicionadas por los límites habituales de cuota.

En esta modalidad no existe un compromiso inicial ni una cuota básica de suscripción. Las organizaciones pagan por la capacidad de cálculo y los tokens realmente consumidos, de acuerdo con las tarifas estándar de la API del modelo. De esta forma, el gasto puede adaptarse automáticamente a la actividad de cada proyecto y evitar costes asociados a capacidad que finalmente no se utiliza.

Una misma cuota para empresas, desarrolladores y agentes

Otra de las novedades afecta a Google Antigravity y Android Studio. Google Cloud está integrando el consumo de estas herramientas dentro de Gemini Enterprise para determinados clientes, con el objetivo de simplificar la administración y evitar sistemas independientes de licencias y facturación.

Las cuotas de uso diario pueden agruparse a nivel de proyecto, permitiendo que aplicaciones empresariales, herramientas para desarrolladores y agentes personalizados compartan los mismos recursos. La capacidad que no utilizan unos usuarios puede ser aprovechada por otros equipos con una demanda superior, reduciendo así el desperdicio de las cuotas contratadas.

Google también prepara un modelo de tarificación de ejecución diferida para determinadas cargas de trabajo. Las tareas que no necesiten ejecutarse inmediatamente podrán marcarse como aplazadas para que la plataforma Gemini Enterprise Agent Platform las procese durante periodos de menor demanda.

Según la compañía, este mecanismo permitirá pagar hasta la mitad del coste de inferencia en determinadas tareas y evitar los límites de cuota estándar, haciendo posible ejecutar un volumen mayor de agentes con un mismo presupuesto.

FinOps para la era de la IA_ nuevos controles flexibles de facturación y costes para los agentes.docx

Descuentos de hasta el 20% con los planes de ahorro

Para aquellas compañías cuyo consumo de inteligencia artificial sea estable o esté creciendo, Google Cloud introduce además los Flexible Savings Plans (FSP) de Gemini Enterprise.

El modelo permite comprometer un determinado gasto mensual y obtener descuentos sobre el coste de los tokens. Los compromisos de un año ofrecen un ahorro del 10%, mientras que los de tres años elevan el descuento hasta el 20%.

No existen requisitos mínimos ni máximos de gasto, por lo que las empresas pueden establecer una cantidad mensual acorde con su tráfico actual y modificarla a medida que aumenta la utilización de la plataforma. Además, estos planes son compatibles con los acuerdos empresariales existentes con Google Cloud.

Límites de gasto y detección automática de anomalías

La estrategia no se limita a ofrecer nuevas formas de pagar. Google Cloud también está reforzando las herramientas destinadas a anticipar y controlar el gasto.

La calculadora de precios de Google Cloud permite estimar previamente los costes de Gemini Enterprise, incluyendo las licencias por usuario, las herramientas utilizadas por los desarrolladores y los tiempos de ejecución de los agentes. El objetivo es facilitar que las empresas puedan elaborar el caso de negocio y calcular el presupuesto antes de ampliar un proyecto.

A ello se suma un sistema de detección temprana de anomalías. Cuando el gasto de un proyecto de IA aumenta por encima de su comportamiento habitual, la plataforma puede señalar la desviación, analizar sus posibles causas e identificar las principales referencias responsables del incremento.

Los administradores también podrán establecer límites mensuales de gasto por proyecto desde la consola de facturación. Si se alcanza el máximo establecido, las llamadas a la API del agente se detienen temporalmente sin afectar al resto de la infraestructura de producción.

El sistema incorpora además alertas automáticas cuando se alcanza el 50%, 80% y 100% del presupuesto. Si la empresa necesita continuar trabajando una vez superado el límite, puede reactivar el proyecto o permitir automáticamente el exceso de consumo y aplicar las tarifas correspondientes.

FinOps para medir también el retorno de la IA

El último componente de la estrategia pasa por mejorar la visibilidad sobre el valor que generan estas inversiones. Los informes centralizados de facturación, combinados con el agente de FinOps, pueden generar resúmenes en lenguaje natural sobre los costes y explicar dónde se está destinando el presupuesto, facilitando la medición y presentación del retorno de la inversión ante los responsables de negocio.

En paralelo, Google Cloud plantea la optimización de costes desde una perspectiva más amplia, combinando gasto, rendimiento y capacidad de infraestructura. Entre otras posibilidades, señala la asignación dinámica de recursos mediante Google Kubernetes Engine y Google Compute Engine y el escalado automático de los modelos Gemini ante picos de demanda.

Con estas novedades, Google Cloud busca adaptar el modelo FinOps a una etapa en la que el consumo tecnológico ya no depende únicamente de usuarios, servidores o aplicaciones, sino también de agentes de IA capaces de ejecutar tareas de manera autónoma y generar consumos mucho más variables. El reto para las empresas será encontrar el equilibrio entre permitir que sus equipos experimenten y escalen estos sistemas y mantener suficiente visibilidad y control para que esa innovación no termine convirtiéndose en un gasto imprevisible.