La crescente adozione dell’intelligenza artificiale sta trasformando non solo i flussi di lavoro aziendali, ma anche la struttura dei costi IT, portando le organizzazioni a confrontarsi con un livello di complessità senza precedenti. In questo scenario, Apptio ha presentato la nuova generazione di IBM Cloudability e IBM Kubecost, due piattaforme progettate per restituire visibilità, controllo e prevedibilità alle spese cloud proprio nel momento in cui l’infrastruttura IA accelera la pressione economica sulle imprese. Le due soluzioni nascono per gestire l’esplosione dei consumi di calcolo senza perdere consapevolezza del loro impatto finanziario.

La questione non è marginale. IDC prevede che gli investimenti globali in infrastrutture IA raggiungeranno i 571 miliardi di dollari entro il 2026, mentre un’indagine condotta da Apptio rivela che il 55% dei leader aziendali ammette di non avere informazioni sufficienti per valutare correttamente la spesa tecnologica. Un contesto che rende evidente la necessità di un approccio strutturato come quello offerto dal FinOps, un modello operativo che combina trasparenza, responsabilità e ottimizzazione continua del cloud per massimizzare il valore generato.

Secondo Eugene Khvostov, Chief Product Officer di Apptio, la rapidissima diffusione dell’intelligenza artificiale sta mettendo alla prova tanto le infrastrutture quanto la capacità decisionale dei team IT e dei dirigenti. La nuova generazione di workload IA richiede potenza di calcolo, storage scalabile e traffico dati massivo, elementi che si traducono in una crescita esponenziale delle spese. In un contesto dominato dal sovraccarico informativo, riuscire a comprendere e governare i costi cloud diventa un prerequisito indispensabile per sfruttare appieno le opportunità economiche dell’intelligenza artificiale. Proprio da questa esigenza nasce la nuova offerta FinOps di Apptio.

Tra gli strumenti più significativi c’è Cloudability Governance, pensata per portare maggiore rigore operativo negli ambienti multi-cloud basati su Infrastructure as Code. L’automazione è un vantaggio indiscutibile, ma senza un allineamento con le pratiche FinOps rischia di generare configurazioni costose e difficili da tracciare. L’integrazione nativa tra Cloudability, HashiCorp Terraform e HashiCorp Cloud Platform diventa quindi un tassello fondamentale per riportare controllo e trasparenza all’interno dei flussi ingegneristici.

La piattaforma introduce tre aree di intervento decisive. Da un lato consente di scalare l’infrastruttura in maniera uniforme, migliorando la collaborazione tra team e riducendo gli errori grazie a una gestione centralizzata dello stato e a un’esecuzione più sicura dei deployment. Dall’altro, permette di applicare policy intelligenti e finanziariamente consapevoli, che includono controlli sui tag, limiti di budget e stime personalizzate dei costi prima che il codice venga distribuito.

Infine, offre una visibilità quasi istantanea sulle spese reali dopo il deployment, con raccomandazioni basate su intelligenza artificiale per identificare sprechi, anomalie o configurazioni inefficienti. Il risultato è una governance proattiva che aiuta a prevenire gli errori prima che diventino costi.

Armon Dadgar, CTO e co-fondatore di HashiCorp, sottolinea come la visibilità integrata sui costi all’interno dei workflow Terraform rappresenti una richiesta ricorrente dei clienti. L’integrazione bidirezionale con Cloudability consente un sistema in cui ingegneri e team FinOps dialogano con gli stessi dati, favorendo decisioni più rapide e allineate ai vincoli economici dell’organizzazione.

costi cloud

Crediti: Shutterstock

L’altra grande novità riguarda Kubecost 3.0, evoluzione della piattaforma dedicata alla gestione dei costi di Kubernetes. Con la crescente diffusione di cluster su larga scala, le aziende si trovano di fronte a un doppio problema rappresentato da complessità architetturale e spese difficili da prevedere. Kubecost 3.0 affronta entrambi gli aspetti con una serie di miglioramenti significativi.

La nuova versione unifica e potenzia gli strumenti di monitoraggio, offrendo una visione completa dell’utilizzo delle risorse all’interno dei cluster. Questo permette di comprendere con maggiore precisione come CPU, memoria, storage e GPU vengano allocati e quali carichi di lavoro stiano generando sprechi. Le raccomandazioni evolute di risparmio identificano opportunità di ottimizzazione con granularità superiore, considerando anche aspetti come il dimensionamento automatico dei container e il tuning delle GPU, grazie all’integrazione con l’esportatore NVIDIA DCGM.

Un altro elemento chiave è il miglioramento della scalabilità e della sicurezza. Le organizzazioni che operano in ambienti multi-cloud o ibridi possono gestire cluster di grandi dimensioni mantenendo visibilità, continuità operativa e controlli avanzati su tutto il ciclo di vita delle risorse. In questo modo, Kubecost 3.0 si conferma una piattaforma non solo orientata al contenimento dei costi, ma anche alla costruzione di una governance robusta e sostenibile per Kubernetes.

(Immagine in apertura: Shutterstock)