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
Comparativa de plataformas FinOps
Cloud Intelligence™ vs. CloudHealth
CloudHealth marcó el estándar del reporting FinOps empresarial durante una década. Pero el reporting nunca fue la meta.
CloudHealth —adquirida por VMware, hoy propiedad de Broadcom y comercializada en exclusiva por Arrow Electronics— es la plataforma con la que se formaron muchos equipos FinOps. Perspectives, FlexReports, presupuestos, un motor de anomalías con ML, un motor de políticas de gobernanza y una renovación en 2025 que sumó funciones de IA como Intelligent Assist. Para el reporting de costos y la gobernanza a nivel empresa, es terreno conocido.
Cloud Intelligence™ llega más lejos, hasta la ejecución, y con precios planos, no un porcentaje de tu gasto. Composer te dice qué corregir, CloudFlow aplica la corrección, PerfectScale hace right-sizing autónomo de Kubernetes y data warehouses, PerfectScale for Commitments escalona Savings Plans y CUDs en AWS y GCP, y la atribución en runtime asigna cada dólar al cliente que lo generó, sin necesidad de tags.
La gobernanza fue la década pasada. La ejecución es la de ahora.
En qué se diferencian de verdad las dos plataformas y en qué CloudHealth sigue haciendo honor a su reputación. Buscamos ser precisos en ambos frentes.
Perspectives son reglas sobre metadatos. Nosotros atribuimos en el kernel.
Las Perspectives de CloudHealth son el marco de asignación original de la industria: lentes basadas en reglas sobre tags, metadatos y atributos de activos, con FlexOrgs delimitando el acceso por unidad de negocio. En organizaciones con un tagging disciplinado, funciona: los equipos de finanzas llevan una década haciendo chargeback sobre esa base. Pero Perspectives arrastra el límite estructural del tagging: es inferencia a partir de metadatos. Un cluster K8s multitenant tiene un único set de tags. Una GPU compartida que atiende a cincuenta clientes tiene un único set de tags. Egress, NAT, cross-AZ: nada de eso admite tags. Gartner estima que la asignación a nivel unitario bajo enfoques basados en tags cubre alrededor del 43% del costo de nube. La atribución en runtime es una capacidad de primer nivel dentro de Cloud Intelligence™. Un sensor ligero a nivel de kernel (eBPF) observa el tráfico y el consumo de recursos directamente en el host, y reconstruye qué cliente golpeó qué endpoint de inferencia, qué equipo consumió cuántas GPU-hora y qué workload generó qué bytes de egress.
Atribución de costos en runtime, sin necesidad de tagging
- COGS por clienteSe observan los identificadores de cliente en el stream de requests. El costo se asigna sin tagging ni reglas de Perspective.
- Costo de IA por featureQué feature lanzada el mes pasado está generando $44K de gasto nuevo, desglosado por modelo y tipo de token.
- Reparto de recursos compartidosNodos GPU, clusters compartidos, bases de datos: según el tráfico real observado en runtime, no por tags declarados o inferidos.
- Atribución de redEgress, NAT, cross-AZ. Atribuidos al workload que generó los bytes.
- Chargeback desde el día unoSin proyecto para armar Perspectives. Sin prerrequisitos de metadatos. Despliegas el sensor y obtienes la atribución.
Commitments: modelado y colas de aprobación, o escalonamiento autónomo
El tooling de commitments de CloudHealth ofrece un análisis sólido: RI Optimizer, recomendaciones de Savings Plan, reporting de amortización y acciones de compra sujetas a flujos de authorizer/approver. Savings Automator automatiza una sola cosa de punta a punta: intercambiar y modificar AWS Convertible Reserved Instances para mantener la cobertura. La compra de nuevos Savings Plans no es autónoma. Las recomendaciones de compra están en beta, solo se generan cuando la cobertura total de commitments está por debajo del 50% y, por defecto, son a un año. La decisión de compra sigue pasando por una cola de aprobación humana, y la cobertura fuera de AWS es análisis, no automatización. PerfectScale for Commitments ejecuta la decisión de compra. Análisis de uso por hora sobre ventanas móviles. Compras escalonadas en AWS Savings Plans, Database Savings Plans y GCP CUDs. Umbrales de aprobación, topes de gasto, controles de ritmo. Se ejecuta de forma totalmente autónoma o exige aprobación humana antes de cada compra.
// El alcance de los commitments
- Automatización de CloudHealthIntercambios de AWS Convertible RI vía Savings Automator. Recomendaciones de SP en beta, plazos de 1 año, sujetas a cobertura
- CloudHealth fuera de AWSSolo análisis y recomendaciones de Azure RI / GCP CUD
- Alcance de PerfectScaleAWS + GCP. Escalonado, consciente del riesgo, validado por uso horario
- Precios de PerfectScaleIncluido. Precios planos de plataforma, 0% del ahorro
Un motor de políticas que hace limpieza, o una capa de ejecución que optimiza
Hay que darle crédito: el motor de políticas de CloudHealth sí ejecuta. Si le otorgas el rol IAM de Automated Actions, las políticas pueden detener instancias zombie, borrar volúmenes no asociados, tomar snapshots y limpiar, apagar entornos de desarrollo por la noche, todo con flujos de aprobación human-in-the-loop. Es automatización de higiene real y útil, y es más de lo que ofrece la mayoría de las plataformas de reporting. Pero ahí se acaba. Las acciones de políticas son un conjunto fijo de primitivas del proveedor. No hay simulación histórica antes de habilitar una política, ni un camino desde "este warehouse está sobredimensionado" o "este workload debería moverse a gp3" hasta un cambio ejecutado y con rollback seguro. Composer corre más de 800 recetas de forma continua contra tus datos de facturación, configuraciones de recursos, línea de tiempo de eventos y el grafo completo de recursos, y su editor de políticas te permite escribir tus propias recetas, simularlas contra periodos históricos y luego aplicarlas en producción. CloudFlow convierte los hallazgos en cambios ejecutados: visual donde debe serlo, extensible por código donde tiene que serlo, con seguridad de rollback y más de 40 plantillas listas para producción.
// CloudFlows en producción hoy
- Conversión gp2 → gp3 con rollback
- Limpieza de EC2 en sandbox
- Aplicación de retención de logs de 365 días
- Alerta ante primer gasto en un SKU nuevo
- Sobreaprovisionamiento de discos GCE
- Detección de RI infrautilizadas
Kubernetes: un collector con rollups, o requests y limits reconciliados
En Kubernetes, CloudHealth se queda en la asignación. Despliegas el collector basado en Helm y el gasto de contenedores se agrupa por cluster, namespace o workload, dividido por requests, uso real o una mezcla. Para showback, sirve. Lo que falta es el loop de optimización. No hay right-sizing autónomo de requests y limits, la utilización de GPU no es una dimensión de primer nivel y la detección de anomalías de CloudHealth no llega a los workloads de Kubernetes. PerfectScale for Kubernetes cierra el loop. Right-sizing autónomo y consciente del workload a nivel de pod y contenedor, utilización de GPU rastreada por separado, guardrails de estabilidad primero por entorno. Los números de costo en un dashboard no reducen tu factura. Requests y limits reconciliados, sí. Los clientes suelen ver reducciones del 30–50% en costos de K8s.
// Reparto de capacidades en K8s
- AmbosAsignación de costo por namespace / workload / cluster
- Solo Cloud Intelligence™Ejecución autónoma de right-sizing
- Solo Cloud Intelligence™Políticas conscientes de GPU + guardrails de estabilidad
- Solo Cloud Intelligence™Detección de anomalías con alcance en K8s
- Resultado típicoReducción del 30–50% en K8s
Data platforms y gasto en IA: mayormente fuera del cuadro
La ingesta de CloudHealth está centrada en proveedores de nube: AWS, Azure, GCP, Alibaba, Kubernetes, además de VMware y entornos on-prem, una fortaleza real para empresas híbridas. Pero Snowflake, Databricks y proveedores de IA como OpenAI y Anthropic no son fuentes de costo nativas. El workaround son líneas de ítem personalizadas en la factura: tu gasto en data platforms se convierte en un número que alguien tipeó, no en telemetría. PerfectScale for Snowflake, Databricks y BigQuery va más allá de la visibilidad y llega a la optimización: right-sizing de warehouses, suspensión de recursos ociosos, recomendaciones de eficiencia de queries, human-in-the-loop con vista previa del impacto en costo antes del commit. Y GenAI Intelligence rastrea 9 proveedores de IA y modelos personalizados —por cliente, por feature, por unidad—, con PerfectScale GenAI auditando pipelines de inferencia en busca de pérdida y con la atribución en runtime que conecta el gasto en IA con el cliente que lo generó.
// Reparto de cobertura
- Fortaleza de CloudHealthEntornos VMware / nube privada / on-prem
- SnowflakeCloud Intelligence™: warehouse, query, optimización de idle
- DatabricksCloud Intelligence™: visibilidad, insights y optimización
- Proveedores de IACloud Intelligence™: 9 proveedores y modelos personalizados. CloudHealth: no nativo
Ambos ofrecen un asistente de IA. Solo uno puede mover palancas.
La renovación de CloudHealth en 2025 sumó Intelligent Assist —un copilot de GenAI que convierte preguntas en lenguaje natural en reportes— y Smart Summary, que explica qué movió tu factura de AWS y por qué. Genuinamente útil para acercar una superficie de reporting con una década encima. FinOps AI y el servidor MCP de DoiT cubren el mismo terreno conversacional: preguntas sobre gasto, anomalías y tendencias desde la consola, Claude, ChatGPT o cualquier cliente LLM. La diferencia está en qué hay debajo del asistente. FinOps AI puede pasar los hallazgos a motores de ejecución —recetas de Composer, automatizaciones de CloudFlow, acciones de PerfectScale— que aplican la corrección. Un asistente que te explica la factura es un mejor dashboard. Un asistente conectado a la ejecución es un mejor resultado.
// Qué es realmente distinto
- AmbosConsultas de costo en lenguaje natural + resúmenes con IA
- Solo Cloud Intelligence™Servidor MCP para Claude / ChatGPT / clientes LLM
- Solo Cloud Intelligence™Asistente conectado a motores de ejecución
- Solo Cloud Intelligence™COGS de IA por cliente vía atribución en runtime
Cómo luce la factura y quién aparece de verdad
CloudHealth cobra un porcentaje del gasto en nube que rastrea: típicamente 2,2–2,5% según la duración del contrato, con plazos multianuales y fees de exceso de $0,03 por dólar por encima del tope contratado. A medida que tu nube crece, el costo de la plataforma crece con ella, haya ahorro o no. Desde mayo de 2024, además, CloudHealth se comercializa y da soporte en exclusiva a través de Arrow Electronics, con Broadcom reteniendo I+D, después de pasar de CloudHealth Technologies a VMware y a Broadcom en seis años. Si vas a apostar tu práctica FinOps a una plataforma, la trayectoria de propiedad es una pregunta legítima de due diligence. DoiT es plano: precios de plataforma que no escalan con tu factura, o en bundle con Procurement multi-cloud. DoiT revende AWS, GCP y Azure sin markup, y la consolidación muchas veces paga la plataforma por sí sola. Y en lugar de un help desk de un distribuidor, DoiT incluye Forward Deployed Engineers que escriben código en tu entorno: architecture reviews, tuning de K8s, auditorías de inferencia, on-call cuando producción se rompe.
// Modelo comercial
- CloudHealth~2,2–2,5% del gasto rastreado, contratos multianuales, exceso a $0,03/$
- Cloud Intelligence™Precios planos de plataforma, o en bundle con reventa de billing sin markup
- Expertos de CloudHealthSoporte comercial y técnico provisto por Arrow
- Expertos de DoiTFDEs que escriben código en tu entorno
Una fila por cada pregunta de practitioner.
Sin categorías de marketing. Las preguntas que los practitioners de FinOps hacen de verdad al evaluar. Fuente: documentación pública de ambos lados.
| Capability | Cloud Intelligence™ | CloudHealth |
|---|---|---|
| // Atribución y asignación | ||
| Asignación de costos en multi-cloud, K8s, data platforms, IA | Nativo Listo para usar, multi-método: % de uso, utilización, reparto de costos compartidos. | Perspectives + FlexOrgs Sólido para entornos de nube + VMware; data platforms y proveedores de IA no son fuentes nativas. |
| Atribución de costo sin tags / en runtime | Nativo Telemetría a nivel de kernel (eBPF). Sin tagging ni reglas de tags. | Solo basada en reglas Perspectives infiere desde tags y metadatos; no puede observar el tráfico en runtime. |
| COGS por cliente sin tagging | Nativo Observación del identificador de cliente en el stream de requests en runtime. | Vía Perspectives + reasignación Requiere reglas escritas y metadatos identificables. |
| Atribución de costo de red (egress, NAT, cross-AZ) por workload | Nativo Atribución a nivel de workload a partir del tráfico observado en runtime. | Agregado / inferido por tags |
| // Optimización de workloads | ||
| Asignación de costo de K8s (pod / namespace / cluster) | Nativo | Collector de K8s (Helm) Asignación por requests, uso real o mezcla. |
| Right-sizing autónomo en K8s (pod, contenedor, GPU) | PerfectScale Consciente del workload, estabilidad primero, ejecución autónoma. Reducción típica del 30–50%. | Solo asignación Sin ejecución de right-sizing de contenedores; la detección de anomalías excluye K8s. |
| Optimización de Snowflake (warehouse + query + idle) | PerfectScale for Snowflake Right-sizing automatizado, suspensión de idle, eficiencia de queries. | No es fuente de costo nativa Solo líneas de ítem personalizadas en la factura. |
| Optimización de Databricks | Visibilidad, Insights y Optimización | No es fuente de costo nativa |
| Visibilidad de costo de IA / LLM | 9 proveedores de IA y modelos personalizados por cliente, por feature, por unidad | No nativo Sin ingesta nativa de OpenAI / Anthropic / Bedrock. |
| Optimización de workloads de IA (inferencia, GPU, selección de modelo) | PerfectScale GenAI + Composer | No disponible |
| // Commitments y optimización de precios | ||
| Compra autónoma de commitments — cobertura de nube | AWS + GCP SPs, DBSPs y CUDs de Compute Engine. Escalonado, validado por uso horario, autónomo o sujeto a aprobación. | Solo intercambios de AWS CRI Savings Automator intercambia Convertible RIs. Recomendaciones de compra de SP en beta (plazos de 1 año, sujetas a cobertura); las compras pasan por flujos de aprobación. Azure / GCP: solo análisis. |
| Modelado de commitments y reporting de amortización | Unificado, multi-cloud | RI Optimizer + gestión de SP Modelado, amortización e intercambio maduros. |
| Costo de la automatización de commitments | Incluido Precios planos de plataforma. 0% del ahorro tomado como fee. | Incluido, pero la plataforma escala con el gasto ~2,2–2,5% del gasto en nube rastreado, con fees por exceso. |
| // Inteligencia y automatización | ||
| Detección de anomalías | En tiempo real, con contexto de topología | Basada en ML, entrenable Por región, cuenta, servicio. Excluye workloads de Kubernetes. |
| Motor curado de recomendaciones | Composer — más de 800 recetas Con editor de políticas personalizado + simulación histórica. | Right-sizing + políticas de buenas prácticas Right-sizing de EC2/RDS/VM/GCE, detección de zombies, scheduling. |
| Autoría de políticas personalizadas con simulación histórica | Nativo Escribes, simulas contra el histórico y luego aplicas. | Motor de políticas, sin simulación Condiciones personalizadas → acciones; sin dry-run histórico antes de habilitar. |
| Asistente agéntico de IA | FinOps AI | Intelligent Assist + Smart Summary Consultas en lenguaje natural y explicaciones de cambios de gasto (2025). |
| Servidor MCP para acceso de LLMs a datos de costo | Nativo | No disponible Solo asistente dentro de la consola. |
| Automatización / remediación a nivel de infraestructura | CloudFlow Ejecuta cambios hoy. Visual + código, más de 40 plantillas, seguridad de rollback. | Acciones de política (higiene) Detener/iniciar instancias, borrar volúmenes no asociados, snapshots: set fijo de acciones con flujos de aprobación. |
| Grafo de arquitectura / recursos con capa de costo | Cloud Diagrams Topología en vivo con capas de costo y desempeño. | No disponible |
| // Integraciones | ||
| Ingesta de fuentes de costo / datos de billing | Amplia cobertura AWS, GCP, Azure, K8s, Snowflake, Databricks, BigQuery, Datadog, MongoDB, OpenAI, Anthropic y más. | Nube + entornos híbridos AWS, Azure, GCP, Alibaba, K8s, VMware, on-prem. Sin fuentes nativas de SaaS / data platforms / proveedores de IA. |
| Integraciones de ticketing y seguimiento de trabajo | Jira, Asana, GitHub Issues | Jira, ServiceNow Vía notificaciones de política y webhooks. |
| Integraciones de comunicación | Slack, Teams, Discord, Gmail | Slack, email Notificaciones basadas en políticas. |
| Integraciones de gestión de incidentes | PagerDuty | No disponible |
| Automatización general de workflows | Zapier (más de 2.000 apps) + APIs de plataforma | APIs + webhooks Sin fan-out de automatización a nivel de app. |
| // Procurement, precios y expertos | ||
| Procurement / billing multi-cloud | Procurement de nube opcional, sin markup AWS / GCP / Azure. Acceso a la plataforma en bundle. | Solo plataforma Se vende vía Arrow / canal MSP; sin reventa de nube al cliente final. |
| Modelo de Precios | Plano / en bundle Sin fees basados en porcentaje del gasto en ningún lado. | % del gasto en nube rastreado ~2,2–2,5%, contratos multianuales, exceso de $0,03/$ por encima del tope contratado. |
| Experiencia incluida | Forward Deployed Engineers Escriben código en tu entorno. Tuning de K8s, auditorías de inferencia, respuesta a incidentes. | Soporte provisto por Arrow Soporte comercial y técnico vía el distribuidor exclusivo. |
| Tiempo hasta el primer ahorro real | Días Las recetas listas para usar se disparan al conectar; los motores de ejecución actúan sobre ellas. | Semanas; tú lo implementas Primero se arma la Perspective/reporte; concretar las recomendaciones es trabajo de Engineering. |
Native capabilityPartial / preview / via integrationNot available
What they say
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
Frequently asked
questions
¿DoiT es una alternativa a CloudHealth?
Sí. CloudHealth es una plataforma empresarial de reporting y gobernanza de costos en la nube: Perspectives para asignación, FlexReports para análisis, presupuestos, detección de anomalías y un motor de políticas para automatización de higiene. DoiT Cloud Intelligence™ cubre ese terreno de visibilidad y gobernanza, y va más allá, hasta la ejecución: remediación de infraestructura (CloudFlow), optimización autónoma de workloads (PerfectScale for Kubernetes y Snowflake), automatización de commitments en AWS y GCP (PerfectScale for Commitments), atribución de costos en runtime sin tagging y Forward Deployed Engineers incluidos en la plataforma.
¿Cuál es la mayor diferencia entre DoiT y CloudHealth?
Ejecución y precios. CloudHealth reporta, gobierna y recomienda; fuera de los intercambios de Convertible RI y las acciones de higiene por políticas, concretar el ahorro es trabajo de tus Engineers, y el fee de la plataforma es un porcentaje del gasto en nube rastreado, así que crece con tu factura. DoiT ejecuta en workloads, commitments e infraestructura con precios planos que no escalan con el gasto.
¿Qué pasó con CloudHealth después de la adquisición por Broadcom?
CloudHealth Technologies fue adquirida por VMware en 2018, se convirtió en VMware Tanzu CloudHealth y pasó a Broadcom con la adquisición de VMware a fines de 2023. En mayo de 2024, Broadcom nombró a Arrow Electronics como proveedor global exclusivo: Arrow maneja ventas, marketing y soporte técnico, mientras Broadcom retiene I+D. En junio de 2025, Broadcom liberó una experiencia de usuario renovada con funciones de IA (Intelligent Assist, Smart Summary). El producto se mantiene activamente; el go-to-market y la propiedad han cambiado de manos tres veces en seis años, algo que vale la pena sopesar en cualquier apuesta de plataforma a largo plazo.
¿CloudHealth automatiza la compra de commitments?
Parcialmente, solo en AWS. Savings Automator automatiza el intercambio y la modificación de AWS Convertible Reserved Instances para mantener la cobertura. Las nuevas compras de Savings Plans se guían por recomendaciones: las recomendaciones en beta solo se generan cuando la cobertura total de commitments está por debajo del 50%, por defecto son a un año y las compras pasan por flujos de authorizer/approver. Los commitments de Azure y GCP obtienen análisis y recomendaciones, no automatización. PerfectScale for Commitments escalona Savings Plans, Database Savings Plans y CUDs de Compute Engine en AWS y GCP, de forma autónoma o sujeta a aprobación, validados de forma continua contra el uso horario, con precios planos.
¿Cómo se comparan los precios de CloudHealth con DoiT?
CloudHealth suele cobrar 2,2–2,5% del gasto en nube que rastrea, en contratos de 12 a 36 meses, con fees por exceso de alrededor de $0,03 por dólar de gasto por encima del tope contratado. El fee escala con tu factura de nube sin importar el ahorro entregado. DoiT es plano: precios de plataforma que no escalan con el gasto, o en bundle con Procurement multi-cloud. DoiT revende AWS, GCP y Azure sin markup, y muchos equipos ven que la consolidación termina pagando la plataforma.
¿CloudHealth optimiza Kubernetes?
CloudHealth asigna el costo de Kubernetes. Su collector basado en Helm agrupa el gasto de contenedores por cluster, namespace o workload, dividido por requests o uso real. No ejecuta right-sizing de contenedores, la utilización de GPU no es una dimensión de primer nivel y su detección de anomalías no cubre workloads de Kubernetes. PerfectScale for Kubernetes ejecuta right-sizing autónomo y consciente del workload a nivel de pod y contenedor, con guardrails de estabilidad primero. Los clientes suelen ver reducciones del 30–50% en costos de K8s.
¿CloudHealth ejecuta cambios de infraestructura?
Con límites. Si le otorgas a CloudHealth su rol IAM de Automated Actions, su motor de políticas puede detener o iniciar instancias, borrar volúmenes no asociados, tomar snapshots y programar entornos: automatización de higiene útil con aprobaciones human-in-the-loop. Pero es un set fijo de primitivas del proveedor: sin simulación histórica antes de habilitar una política y sin un camino general de ejecución para cambios de optimización. DoiT CloudFlow es una capa de ejecución completa —visual y extensible por código, con más de 40 plantillas listas para producción y seguridad de rollback— que convierte los hallazgos de Composer en cambios ejecutados.
¿Puedo obtener el costo de nube por cliente sin tagging?
Con DoiT, sí. La atribución de costos en runtime dentro de Cloud Intelligence™ usa telemetría a nivel de kernel (eBPF) para observar el tráfico real y el consumo de recursos, asignando cada dólar al cliente, feature, equipo o agente de IA que lo generó, sin necesidad de tagging. Las Perspectives de CloudHealth son la alternativa clásica: agrupaciones basadas en reglas sobre tags y metadatos. Funcionan donde los metadatos están disciplinados, pero los clusters compartidos, las GPUs compartidas y los endpoints multitenant siguen siendo opacos porque los metadatos no cargan la respuesta.
¿Cómo manejan las plataformas los costos de Snowflake, Databricks y proveedores de IA?
Están mayormente fuera del cuadro de CloudHealth: sus fuentes de costo nativas son proveedores de nube (AWS, Azure, GCP, Alibaba), Kubernetes y entornos VMware/on-prem. El gasto en Snowflake, Databricks, OpenAI y Anthropic solo se puede representar como líneas de ítem personalizadas en la factura. DoiT los ingiere de forma nativa y va más allá de la visibilidad: PerfectScale for Snowflake automatiza right-sizing de warehouses, suspensión de idle y eficiencia de queries; GenAI Intelligence rastrea 9 proveedores de IA y modelos personalizados por cliente, por feature, por unidad.
¿CloudHealth tiene un asistente de IA como DoiT?
Sí: la renovación de CloudHealth en 2025 sumó Intelligent Assist, un copilot de GenAI que responde preguntas en lenguaje natural sobre datos de costo y arma reportes, más Smart Summary para explicar cambios de gasto. FinOps AI de DoiT cubre el mismo terreno conversacional y agrega un servidor MCP, así que puedes consultar tus datos de costo desde Claude, ChatGPT o cualquier cliente LLM. La diferencia más grande está en lo que hay debajo: FinOps AI está conectado a motores de ejecución que pueden aplicar la corrección, no solo explicar la factura.
¿Cuándo tiene más sentido CloudHealth que DoiT?
En grandes empresas con entornos significativos de VMware u on-prem junto a la nube pública, organizaciones cuyos equipos de finanzas tienen una década de conocimiento institucional en Perspectives, FlexOrgs y FlexReports, y MSPs construidos sobre la plataforma de partners de CloudHealth. Si tu práctica FinOps es principalmente reporting estandarizado, políticas de gobernanza y chargeback en un entorno híbrido, y Engineering se encarga de la implementación, CloudHealth sigue siendo un incumbente creíble. El encaje se debilita cuando necesitas optimización autónoma, automatización de commitments multi-cloud, gestión de costos de data platforms o IA, atribución por cliente sobre infraestructura compartida, o precios que no escalen con tu factura de nube.