La factura cloud ha entrado en una fase mucho más incómoda para las empresas. Ya no se trata solo de contratar más capacidad para crecer, desplegar productos más rápido o acelerar proyectos de inteligencia artificial. El problema es que una parte cada vez mayor del gasto se queda por el camino antes de generar valor: máquinas encendidas sin carga, clusters sobredimensionados, almacenamiento olvidado, snapshots antiguos, tráfico mal diseñado, licencias sin uso y GPUs reservadas para cargas de IA que no se aprovechan bien.
El mercado ya se mide en cifras difíciles de digerir. Gartner estimó que el gasto mundial de usuarios finales en cloud público alcanzaría los 723.400 millones de dólares en 2025, unos 614.900 millones de euros al cambio de referencia del BCE del 11 de mayo de 2026. Forrester sitúa el mercado por encima de 1,03 billones de dólares en 2026, aproximadamente 875.500 millones de euros. La conversión no es un detalle menor: para los presupuestos europeos, la nube ya no es una línea más de TI, sino una partida comparable a sectores industriales completos.
La inteligencia artificial está acelerando esta presión. Flexera señala que el gasto cloud desperdiciado ha subido al 29 % en 2026, después de cinco años de descenso, por la complejidad de las cargas de IA y la proliferación de nuevos servicios IaaS y PaaS. Si se aplica ese porcentaje a la previsión de Forrester para 2026, el desperdicio potencial se acerca a los 254.000 millones de euros. No es una ineficiencia marginal. Es un agujero estructural.
Del crecimiento cloud al descontrol financiero
Durante años, la nube se defendió con una promesa muy atractiva: pagar solo por lo que se usa. En teoría, el modelo era más flexible que comprar servidores, sobredimensionar CPDs propios y esperar años para amortizar hardware. En la práctica, muchas empresas han trasladado al cloud los mismos malos hábitos de siempre, pero con una factura que se actualiza cada mes.
El mecanismo es conocido. Un equipo provisiona para el pico, pero el sistema funciona casi siempre en valores medios. Otro equipo crea un entorno de pruebas y nadie lo apaga. Un proyecto se cancela, pero deja discos, snapshots o bases de datos huérfanas. Kubernetes reserva más CPU y memoria de la que realmente consume. Un modelo de IA empieza como piloto y acaba generando gasto continuo en tokens, GPUs y almacenamiento sin una atribución clara a producto, cliente o resultado.
Los datos recopilados por Zop a partir de Flexera, Gartner, FinOps Foundation, Datadog y HashiCorp apuntan en la misma dirección: el gasto cloud crece más deprisa que la disciplina de gestión. El mercado de 2025 rondaría los 614.900 millones de euros, y la capa de gasto desaprovechado se movería entre 154.700 millones de euros si se toma como referencia la cifra de 182.000 millones de dólares citada por Zop, y unos 166.000 millones de euros si se aplica directamente el 27 % al total estimado por Gartner.
Para 2026, el salto es más serio. Sobre una previsión de 875.500 millones de euros, un desperdicio del 29 % supondría unos 254.000 millones. Esa cifra equivale a pagar por infraestructura que no trabaja, capacidad que nadie revisa o recursos que no están ligados a una métrica de negocio.
| Concepto | Dólares | Euros aproximados |
|---|---|---|
| Gasto cloud público mundial 2025 | 723.400 M$ | 614.900 M€ |
| Mercado cloud público previsto 2026 | 1,03 billones $ | 875.500 M€ |
| Gasto desperdiciado citado por Zop | 182.000 M$ | 154.700 M€ |
| 29 % de desperdicio sobre 2026 | 298.700 M$ | 253.900 M€ |
| Ahorro de WPP en tres meses | 2 M$ | 1,7 M€ |
| Ahorro de COMPLY en ocho meses | 460.000 $ | 391.000 € |
La IA convierte el FinOps en una prioridad de dirección
La adopción de inteligencia artificial ha cambiado la conversación. Antes, FinOps se centraba sobre todo en instancias, almacenamiento, tráfico, compromisos de uso, entornos no productivos y Kubernetes. Ahora entran variables más difíciles de controlar: coste por token, inferencia, entrenamiento, GPUs, modelos multimodales, agentes que hacen múltiples llamadas, prompts largos y servicios gestionados de IA que crecen sin el mismo nivel de gobierno que una infraestructura tradicional.
La FinOps Foundation ya detecta este cambio: el 63 % de los profesionales FinOps gestiona gasto relacionado con IA, frente al 31 % del año anterior. Es un avance importante, pero también revela el problema contrario: muchas organizaciones usan GenAI sin tener todavía una visión completa del coste real de sus modelos, agentes y cargas GPU.
La IA tiene una característica peligrosa para los presupuestos: escala muy rápido cuando funciona y también cuando no funciona. Un equipo puede lanzar decenas de experimentos, indexar documentos, ejecutar agentes sobre repositorios, crear sandboxes, probar modelos distintos o aumentar ventanas de contexto sin que el coste sea evidente en el momento de uso. La factura llega después.
En infraestructura tradicional, una máquina virtual infrautilizada ya era un problema. En IA, una GPU cara infrautilizada puede ser un problema mucho mayor. Según el análisis compartido por Zop, la utilización media de GPUs cloud se situaría alrededor del 23 %, lo que deja un margen enorme de capacidad pagada y no utilizada. Un ejemplo citado en el sector sitúa una instancia con NVIDIA H100 en AWS entre 25.000 y 98.000 dólares anuales, unos 21.250 y 83.300 euros. Si su uso real es bajo, el coste por hora efectiva se dispara.
Dónde se escapa el dinero
El desperdicio cloud no es una sola cosa. Es una suma de malos hábitos técnicos, falta de gobierno y ausencia de responsables claros. Si se toma como referencia un desperdicio potencial de 254.000 millones de euros en 2026, el reparto orientativo por categorías deja una imagen bastante gráfica.
| Categoría de desperdicio | Peso estimado | Impacto sobre 254.000 M€ |
|---|---|---|
| Computación ociosa | 35 % | 88.900 M€ |
| Instancias sobredimensionadas | 25 % | 63.500 M€ |
| Almacenamiento no asociado | 15 % | 38.100 M€ |
| Snapshots huérfanos | 10 % | 25.400 M€ |
| Transferencias de datos mal optimizadas | 10 % | 25.400 M€ |
| Licencias sin uso | 5 % | 12.700 M€ |
La computación ociosa sigue siendo la mayor fuga. Datadog ha señalado en sus análisis de costes cloud que muchas organizaciones conservan instancias con baja utilización durante periodos largos, y que identificar recursos sobredimensionados u obsoletos sigue siendo difícil en entornos efímeros y complejos. En contenedores ocurre algo parecido: los clusters se diseñan para no quedarse cortos, pero rara vez se revisan con la misma intensidad con la que se crean.
Los entornos no productivos son otra fuga muy corregible. Desarrollo, QA, test, staging, demos y sandboxes son necesarios, pero no tienen por qué estar encendidos 168 horas a la semana si se usan 20, 30 o 40. En muchas compañías, apagar estos entornos fuera de horario, programar ventanas, crear infraestructura efímera o destruir recursos tras un merge puede generar ahorros rápidos sin tocar producción.
Aquí está una de las claves: no todos los ahorros exigen migraciones largas o rediseños complejos. Algunas medidas son puramente operativas. Etiquetar bien. Asignar propietarios. Revisar recursos huérfanos. Programar apagados. Redimensionar instancias. Usar compromisos de uso donde la demanda sea estable. Automatizar alertas de anomalías. Y, sobre todo, dejar de tratar la factura cloud como un asunto exclusivo de finanzas.
El cloud barato no existe sin disciplina
FinOps no consiste en gastar menos por defecto. Consiste en gastar con intención. Una empresa puede necesitar aumentar su factura cloud si está creciendo, si atiende más clientes o si despliega productos de IA que generan ingresos. El problema aparece cuando nadie puede explicar qué parte del gasto trabaja y qué parte solo está encendida.
La madurez sigue siendo limitada. Muchas organizaciones ya tienen dashboards, pero no siempre tienen acción. Ven la factura, la reparten por equipos y la comentan en reuniones, pero el cambio real en infraestructura sigue siendo manual, lento o políticamente difícil. HashiCorp, en su informe de complejidad cloud, apunta a la falta de visibilidad como una de las grandes barreras para gestionar infraestructuras modernas, especialmente en entornos multicloud e híbridos.
La IA hará que esta distancia entre ver y actuar sea más cara. Un dashboard de gasto mensual ya no basta cuando un agente puede multiplicar llamadas o cuando un equipo puede dejar GPUs reservadas durante días. Las empresas necesitarán límites, presupuestos por modelo, alertas casi en tiempo real, selección automática de modelos según coste y calidad, cachés, cuantización, apagado de cargas inactivas y una atribución mucho más fina.
El CFO también tendrá que entrar antes en la conversación. La nube dejó de ser una decisión técnica aislada. En 2026, con un mercado por encima de 875.000 millones de euros y un desperdicio potencial que puede rondar los 254.000 millones, el gobierno cloud ya es una cuestión de margen, competitividad y estrategia.
La conclusión para un medio tecnológico es directa: la IA no solo está elevando la demanda de cloud, también está exponiendo sus peores prácticas. Las compañías que ya gestionaban mal máquinas virtuales, almacenamiento y Kubernetes gestionarán peor todavía GPUs, tokens y agentes si no cambian sus procesos. La nube no se ha vuelto cara de repente. Lo que ocurre es que la factura empieza a mostrar, con más claridad que nunca, cuánto cuesta no gobernarla.
Preguntas frecuentes
¿Cuánto dinero se desperdicia en cloud en 2026?
Si se aplica el 29 % de desperdicio estimado por Flexera a la previsión de mercado cloud público de Forrester para 2026, el gasto desaprovechado rondaría los 254.000 millones de euros.
¿Por qué la IA aumenta el gasto inútil en la nube?
Porque introduce cargas más variables y caras, como GPUs, inferencia, tokens, agentes y ventanas de contexto largas. Sin control, estos consumos crecen más rápido que la visibilidad financiera.
¿Qué es FinOps y por qué importa ahora?
FinOps es una práctica que une ingeniería, finanzas y negocio para dar visibilidad al gasto cloud, asignarlo a responsables y optimizarlo sin frenar la innovación. Con IA, se vuelve todavía más urgente.
¿Dónde suelen estar los ahorros más rápidos?
En entornos de desarrollo, test y staging encendidos fuera de horario; instancias sobredimensionadas; recursos huérfanos; almacenamiento sin uso; y compromisos de uso mal gestionados.
Fuente: Noticias inteligencia artificial
