Классические облачные ресурсы компании уже научились считать: инстансы, диски, сеть, базы данных, контейнеры.
С AI-инфраструктурой сложнее. Расходы складываются из разных слоев: API-вызовы, токены, GPU, векторные базы, оркестрация, хранение данных и сетевой трафик.
Для российского рынка это особенно заметно в гибридных сценариях
Часть нагрузки может жить в публичном облаке. Часть, на своем железе или в ЦОДе. Часть, у внешнего LLM-провайдера. Отдельно появляются GPU-инстансы, управляемые Kubernetes-кластеры, объектное хранилище, сетевой трафик и SaaS-сервисы.
Финансовая команда получает несколько отчетов с разной детализацией и разными правилами учета. В одном месте видны часы работы GPU, в другом, токены, в третьем, инфраструктура под хранение и обработку данных.
В итоге понятно, что деньги потрачены. Но сложнее ответить на управленческие вопросы:
🟥какой AI-сценарий потребляет больше всего ресурсов
🟥где расход связан с продуктом, а где с экспериментом
🟥что дешевле в конкретном случае: внешний API или собственная инфраструктура
🟥кто владелец затрат и по какому драйверу их распределять
Здесь появляется FOCUS, FinOps Open Cost and Usage Specification.
Это не платформа оптимизации и не готовый дашборд, а открытая спецификация, которая приводит cost and usage данные к единому формату
Что это дает на практике:
🟥 единый язык для разных источников затрат
Можно сопоставлять расходы по облаку, AI-сервисам, SaaS и data center в одной структуре данных.
🟥базу для аллокации
Проще связать расход с командой, продуктом, сервисом или средой, если данные приведены к общей модели.
🟥меньше ручной склейки
Финансовой и инженерной команде не нужно каждый раз заново разбирать, как называется один и тот же тип расхода у разных поставщиков.
🟥основу для мониторинга
FOCUS сам по себе не ловит cost-спайки. Но без нормализованных данных сложно построить надежные правила, витрины и алерты.
Главная ценность FOCUS в том, что он убирает часть технического шума из биллинга
Команда начинает обсуждать не то, как склеить очередной отчет, а что именно потребляет ресурсы, кто за это отвечает и как меняется экономика AI-сценария.
Если AI-затраты сейчас сводятся вручную в таблицах, первый вопрос не про оптимизацию. Сначала нужно понять, можно ли привести данные к единой модели.
Источник: FinOps Foundation, FOCUS
💬 Практики FinOps