DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
simplemente no puedes etiquetar
Tu programa de etiquetado nunca va a terminar. Attribute™ asigna el 100% del gasto en la nube en tiempo de ejecución: sin etiquetas, sin cambios de código y con asignación completa para la próxima semana.

el etiquetado sostuvo a FinOps durante una década.
Incluso los programas más maduros solo rastrean el 43% de los costos de la nube a nivel de unidad (Gartner, 2025). La brecha sigue creciendo porque las categorías de gasto que más crecen sencillamente no se pueden etiquetar.
Los clústeres de Kubernetes, Kafka, las bases de datos y las colas dan servicio a muchos equipos a la vez. Una etiqueta asigna un solo dueño: no puede dividir lo que nunca fue separable.
Las etiquetas rastrean la infraestructura; los clientes se mueven a través de ella. En una arquitectura multi-tenant no hay ningún recurso que etiquetar, así que el costo de servir a cada cliente sigue siendo un ejercicio manual.
Los gateways de LLM, los clústeres de GPU compartidos y los agentes de IA generan una sola línea en la factura. Cada llamada de inferencia se ve idéntica en la capa de facturación.
Egress, transferencia entre AZ, NAT gateways. La factura llega, pero los exports de facturación nunca dicen qué workload causó el tráfico.
el verdadero problema
Las herramientas basadas en etiquetas leen los exports de facturación. Y esos exports describen recursos, no consumo. Pueden decirte que una instancia de EC2 costó $40K, pero nunca qué equipo, cliente o funcionalidad la consumió.
Attribute™ despliega un sensor eBPF ligero que lee el tráfico de red en tiempo de ejecución. Ve qué workload llamó a qué recurso, qué ID de cliente viajaba en la solicitud y qué modelo respondió la llamada de inferencia. Cada dólar se asigna al consumidor que lo generó, según lo que realmente ocurrió y no según las etiquetas que alguien recordó aplicar.
de los workloads atribuidos
para instalar el sensor, sin cambios de código
para la asignación, no meses de etiquetado
cómo funciona
01. Instalación en 15 minutos. Un sensor eBPF ligero se despliega en tu clúster vía Helm, junto con una integración de facturación con Terraform. Sin cambios de código ni de configuración.
02. El sensor lee datos en tiempo de ejecución. eBPF observa el tráfico hacia cada recurso de la nube: cómputo, bases de datos, almacenamiento, Kafka, GPUs y endpoints de LLM. La inspección profunda de paquetes extrae identificadores como tokens JWT, encabezados HTTP e IDs de cliente directamente del tráfico.
03. El costo llega a donde pertenece. Cada dólar se atribuye al cliente, equipo, funcionalidad o agente de IA que lo generó. Los recursos compartidos se dividen según el consumo real, no con partes iguales ni estimaciones.
el etiquetado nunca fue la respuesta para FinOps
| Capability | Attribute™ | Programa de etiquetado |
|---|---|---|
| Atribución y asignación | ||
| Tiempo hasta obtener datos útiles | Desde el primer día, en cuanto el sensor observa tráfico | Semanas o meses de trabajo de etiquetado |
| Cobertura | 100% de los workloads atribuidos | 43% de los costos rastreados a nivel de unidad (promedio de la industria) |
| Recursos compartidos | Asignados según el consumo real | Partes iguales, prorrateos o estimaciones aproximadas |
| Costo por cliente | Detectado automáticamente a partir del tráfico en tiempo de ejecución | El concepto de cliente no existe |
| Gasto en IA y LLM | Asignación a nivel de token por cliente, funcionalidad o equipo | Solo el gasto total |
| Infraestructura autogestionada (Kafka, Elasticsearch en EC2) | El sensor ve dentro del workload | Invisible en los exports de facturación |
| Costos de red | Rastreados hasta el workload que causó el tráfico | Imposibles de atribuir |
| Mantenimiento continuo | Ninguno. La atribución sigue al tráfico | Aplicar políticas, perseguir a los engineers y hacer limpiezas trimestrales |
¿ya invertiste en etiquetas?
Los equipos que pasaron años etiquetando temen haber perdido esa inversión. No es así: todo lo que construyeron sigue funcionando.
Attribute™ incorpora las etiquetas existentes como una señal más. La diferencia es que la atribución ya no depende de ellas. El 57% del gasto al que tus etiquetas nunca llegaron se asigna de todas formas, y el backlog de etiquetado deja de bloquear el showback, el chargeback y los márgenes por cliente.
Attribute™ reemplaza meses de programas de etiquetado con un sensor ligero en tiempo de ejecución
Otras herramientas de FinOps leen tus exports de facturación. Attribute™ lee datos en tiempo de ejecución y asigna los costos al workload que los generó. Atribuye al instante el gasto en IA, red, bases de datos y otros recursos compartidos a clientes, workloads y funcionalidades.
El sensor es de solo lectura y se ejecuta aislado (sandbox) en el kernel. Attribute™ cuenta con las certificaciones SOC 2 Type 2 e ISO 27001, y es una FinOps Certified Platform.
AICPA
SOC 2
AICPA
ISO 27001
FinOps
Platform
cada pico tiene un responsable y una explicación.
Después empieza la investigación: días de arqueología de etiquetas, de bucear en dashboards y de hilos de Slack para descubrir el "porqué". Attribute™ se salta la investigación.
tres cosas que por fin puedes hacer
Cada una de estas capacidades suele esperar a un programa de etiquetado que nunca termina. Con Attribute las tienes desde el primer día.
Asigna la infraestructura compartida entre equipos según el uso real. Todos los involucrados, de ingeniería a finanzas, trabajan con los mismos números, y los reportes de costos dejan de generar disputas.
COGS y margen por cuenta, detectados automáticamente a partir del tráfico. Un cliente encontró más de 360 cuentas donde el costo superaba los ingresos: más de $1.3M en pérdidas que antes eran invisibles.
Atribución a nivel de token por cliente, funcionalidad y equipo en OpenAI, Anthropic, Bedrock y Vertex AI. Funciona con gateways de LLM gestionados y autoalojados.
Eliminamos la necesidad de etiquetar miles de recursos. Attribute nos dio visibilidad total de los costos sin requerir una sola etiqueta.
Ziv Sivan, VP of Engineering at Akamai
FinOps sin etiquetas
Instálalo en 30 minutos y la próxima semana tendrás la asignación por cliente, por funcionalidad y por equipo. Conserva las etiquetas que ya tienes y olvídate de depender de ellas.

Sí. El etiquetado es un método de asignación de costos, no un requisito de FinOps. La atribución en tiempo de ejecución lee el tráfico en vivo para determinar qué equipo, cliente o funcionalidad consumió cada recurso, y logra una asignación que las etiquetas no pueden cubrir: infraestructura compartida, workloads de IA, tráfico de red y costos por cliente en entornos multi-tenant.
El etiquetado tiene tres problemas estructurales. La cobertura se degrada porque las etiquetas requieren esfuerzo humano constante. La infraestructura compartida no se puede dividir con precisión porque una etiqueta asigna un solo dueño por recurso. Y las categorías de gasto que más crecen, IA y red, no ofrecen nada que etiquetar. Los datos de la industria muestran que solo el 43% de los costos de la nube se rastrea a nivel de unidad.
No. Tus etiquetas actuales siguen funcionando y Attribute las usa como una señal adicional. La atribución ya no depende de ellas, así que el gasto sin etiquetar (o imposible de etiquetar) se asigna de todas formas.
Un sensor eBPF ligero observa el tráfico de red en tiempo de ejecución. La inspección profunda de paquetes identifica workloads, identificadores de clientes y llamadas a modelos directamente en el tráfico, y luego los correlaciona con los datos de facturación para asignar cada dólar según el consumo real. No se requieren cambios de código ni de configuración.
La mayoría de los clientes ve datos atribuidos el mismo día. El sensor se instala en unos 15 minutos y la atribución comienza en cuanto observa tráfico.
Sí. El sensor lee el tráfico que entra y sale de los gateways de LLM y endpoints de API de OpenAI, Anthropic, Bedrock, Azure OpenAI y Vertex AI, y atribuye el consumo de tokens al cliente, funcionalidad o equipo que originó cada llamada.
Sí. eBPF se ejecuta aislado (sandbox) en el kernel y es la misma tecnología detrás de las principales herramientas de observabilidad y seguridad. El sensor es de solo lectura, no requiere cambios en las aplicaciones y Attribute cuenta con las certificaciones SOC 2 Type 2 e ISO 27001.
DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.
Eli Zilbershtein, Head of DevOps, Hippo
You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.
Omri Cohen, Director of Engineering, Platform
Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.
Jonathan Langer, COO, Claroty
Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.
Kfir Lippmann, CFO, Salt Security
Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.
Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru
This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.
Jason Moore, Principal DevOps Engineer, Accrete AI
Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.
Ziv Sivan, VP of Engineering