Sohrab Hosseini (cofundador de Orq.ai) sostiene que el FinOps tradicional — diseñado para cargas de trabajo deterministas con costes impulsados por la infraestructura — resulta estructuralmente insuficiente para los agentes de IA, cuyo gasto depende del comportamiento en tiempo de ejecución. Una sola solicitud de usuario puede desencadenar secuencias variables (recuperación, llamadas a herramientas, enrutamiento de modelos, reintentos, escaladas), de modo que "dos solicitudes que parecen idénticas para un usuario pueden generar un uso de tokens muy diferente" sin ningún cambio visible en la funcionalidad.
El diagnóstico se apoya en estadísticas: el 80% de las empresas utiliza GenAI en 2026, pero menos del 30% dispone de una supervisión que vincule el coste con el valor; solo el 27% asigna los costes de nube en tiempo real, menos del 25% cuenta con una gobernanza de IA estandarizada, y el 74% tiene dificultades para industrializar sus pilotos.
La respuesta propuesta es un cambio conceptual hacia el "coste por resultado": medir el coste por ticket resuelto, lead cualificado, tarea completada u hora ahorrada — no por tokens o uso de infraestructura. La pregunta relevante ya no es "cuántos recursos" sino "si el consumo produjo valor": un agente eficiente en tokens que falla cuesta más que un agente que consume muchos tokens pero tiene éxito en una tarea compleja.
Para lograrlo, Agent FinOps integra tres capas de señales: señales de coste (uso de modelos, tokens, gasto en API, presupuestos), señales operativas (trazas, reintentos, decisiones de enrutamiento, resultados de evaluación) y señales de negocio (tasa de resolución, finalización, conversión, tiempo ahorrado).
Esta integración se despliega a lo largo de un ciclo de vida de cuatro fases. Experiment: experimentación acotada con presupuestos, coste por evaluación y unit economics establecidos antes de la producción. Deploy: lanzamientos controlados con políticas de enrutamiento, límites de tokens y timeouts que garantizan un comportamiento económicamente predecible. Operate: visibilidad sobre reintentos, escaladas y consumo para ajustar de forma proactiva el enrutamiento y las restricciones. Improve: las evaluaciones orientan el refinamiento de prompts, el rediseño de flujos de trabajo, la selección de modelos y la retirada de automatizaciones de bajo rendimiento.
Las palancas operativas — guardrails, model routing inteligente, presupuestación de flujos de trabajo, control de contexto y observabilidad conductual — convergen en una capa centralizada, el Control Tower (inventario unificado de agentes, agregación de costes, gobernanza). Frases destacadas: "Un solo agente es una funcionalidad. Un conjunto de agentes se convierte en un entorno operativo" y "Las empresas no tienen dificultades porque no puedan construir agentes. Tienen dificultades porque no pueden coordinarlos." El principio final: el FinOps agéntico no escala rastreando el gasto de forma más agresiva, sino "moldeando el comportamiento de los agentes en cada etapa."