Cloud Intelligence™Cloud Intelligence™
Confronto tra piattaforme FinOps

Cloud Intelligence™ vs. CloudHealth

Per un decennio CloudHealth ha dettato lo standard enterprise del reporting FinOps. Ma il reporting non è mai stato il traguardo.

CloudHealth — acquisita da VMware, oggi di proprietà di Broadcom e distribuita in esclusiva da Arrow Electronics — è la piattaforma su cui è cresciuta buona parte dei team FinOps. Perspectives, FlexReports, budget, un motore ML per il rilevamento delle anomalie, un motore di policy per la governance e un restyling nel 2025 che ha portato funzionalità AI come Intelligent Assist. Sul fronte del reporting dei costi e della governance enterprise, è una certezza.

Cloud Intelligence™ va oltre e arriva all'esecuzione — con un pricing forfettario, non una percentuale della Sua spesa. Composer Le indica cosa correggere, CloudFlow applica la correzione, PerfectScale esegue in autonomia il right-sizing di Kubernetes e dei data warehouse, PerfectScale for Commitments distribuisce Savings Plans e CUD su AWS e GCP con logica a scaglioni, e l'attribuzione a runtime associa ogni dollaro al cliente che l'ha generato — senza bisogno di tagging.

La governance è stata il decennio scorso. L'esecuzione è quello attuale.

Dove le due piattaforme si differenziano davvero e dove CloudHealth continua a meritare la sua reputazione. Abbiamo cercato di essere precisi su entrambi i fronti.

Le Perspectives sono regole sui metadati. Noi attribuiamo a livello di kernel.

Le Perspectives di CloudHealth sono il framework di allocazione originale del settore: viste basate su regole costruite su tag, metadati e attributi degli asset, con FlexOrgs che delimita l'accesso per business unit. Nelle organizzazioni con un tagging disciplinato funziona — i team finance ci hanno gestito il chargeback per un decennio. Ma le Perspectives ereditano il limite strutturale del tagging: sono un'inferenza a partire dai metadati. Un cluster K8s multi-tenant ha un unico set di tag. Una GPU condivisa che serve cinquanta clienti ha un unico set di tag. Egress, NAT, cross-AZ — nulla di tutto ciò è taggabile. Secondo Gartner, gli approcci basati su tag lasciano fuori dall'allocazione a livello di unità circa il 43% del costo cloud. In Cloud Intelligence™ l'attribuzione a runtime è invece una capability di primo piano. Un sensore leggero a livello di kernel (eBPF) osserva traffico e consumo di risorse direttamente sull'host e ricostruisce quale cliente ha chiamato quale endpoint di inference, quale job di quale team ha consumato quale GPU-ora e quale workload ha generato quali byte di egress.

Attribuzione dei costi a runtime, senza tagging

  • COGS per clienteOsserva gli identificatori cliente nel flusso di richieste. Mappa il costo a ritroso senza tagging né regole Perspective.
  • Costo AI per featureQuale feature rilasciata il mese scorso sta generando 44.000 $ di spesa incrementale, suddivisi per modello e tipo di token.
  • Ripartizione delle risorse condiviseNodi GPU, cluster condivisi, database — sulla base del traffico a runtime osservato, non di tag dichiarati o inferiti.
  • Attribuzione di reteEgress, NAT, cross-AZ. Attribuiti al workload che ha generato i byte.
  • Chargeback dal primo giornoNessun progetto di authoring delle Perspective. Nessun prerequisito sui metadati. Distribuisci il sensore e ottieni l'attribuzione.

Commitments: modellazione e code di approvazione, oppure laddering autonomo

Il tooling di CloudHealth per i commitments offre un'analisi solida: RI Optimizer, raccomandazioni sui Savings Plan, reporting di ammortamento e azioni di acquisto vincolate a workflow di authorizer/approver. Savings Automator automatizza end-to-end una cosa sola: lo scambio e la modifica delle AWS Convertible Reserved Instances per mantenere la copertura. L'acquisto di nuovi Savings Plan non è invece autonomo. Le raccomandazioni di acquisto sono in beta, vengono generate solo quando la copertura complessiva dei commitment scende sotto il 50% e sono impostate di default su termini annuali. La decisione d'acquisto passa comunque per una coda di approvazione umana, e la copertura oltre AWS è analisi, non automazione. PerfectScale for Commitments esegue direttamente la decisione d'acquisto. Analisi dell'utilizzo orario su finestre mobili. Acquisti a scaglioni su AWS Savings Plans, Database Savings Plans e GCP CUD. Soglie di approvazione, tetti di spesa, controlli sul ritmo di acquisto. Può funzionare in piena autonomia oppure richiedere l'approvazione umana prima di ogni acquisto.

// L'ambito dei commitment

  • Automazione CloudHealthScambi di AWS Convertible RI tramite Savings Automator. Raccomandazioni SP in beta, termini a 1 anno, vincolate alla copertura
  • CloudHealth oltre AWSSolo analisi e raccomandazioni su Azure RI / GCP CUD
  • Ambito PerfectScaleAWS + GCP. A scaglioni, consapevole del rischio, validato sull'utilizzo orario
  • Prezzo PerfectScaleIncluso. Pricing di piattaforma forfettario, 0% dei risparmi

Un motore di policy che fa pulizia, oppure un livello di esecuzione che ottimizza

Diamo a Cesare quel che è di Cesare: il motore di policy di CloudHealth esegue davvero. Assegnandogli il ruolo IAM Automated Actions, le policy possono fermare istanze zombie, eliminare volumi non collegati, creare snapshot e fare pulizia, spegnere gli ambienti di dev di notte — con workflow di approvazione human-in-the-loop. È un'automazione di hygiene reale e utile, più di quanto offra la maggior parte delle piattaforme di reporting. Ma è lì che la pulizia si ferma. Le azioni di policy sono un insieme fisso di primitive del provider. Non c'è simulazione storica prima di attivare una policy, né un percorso che porti da "questo warehouse è sovradimensionato" o "questo workload dovrebbe passare a gp3" a una modifica eseguita in sicurezza, con rollback garantito. Composer esegue in continuo oltre 800 ricette sui Suoi dati di fatturazione, sulle configurazioni delle risorse, sulla timeline degli eventi e sull'intero grafo delle risorse — e il suo editor di policy Le permette di scrivere ricette personalizzate, simularle su periodi storici e poi applicarle in produzione. CloudFlow trasforma le rilevazioni in modifiche eseguite: visuale dove deve esserlo, estendibile via codice dove serve, con rollback sicuro e oltre 40 template di produzione.

// CloudFlow già in produzione oggi

  • Conversione gp2 → gp3 con rollback
  • Pulizia EC2 di sandbox
  • Applicazione retention log a 365 giorni
  • Alert alla prima spesa su un nuovo SKU
  • Sovra-provisioning dei dischi GCE
  • Rilevamento RI sottoutilizzate

Kubernetes: un collector con rollup, oppure request e limit riconciliati

Su Kubernetes CloudHealth punta tutto sull'allocazione. Si distribuisce il collector basato su Helm e la spesa dei container si aggrega per cluster, namespace o workload, suddivisa per request, utilizzo reale o mix dei due. Per lo showback va bene. Manca però il loop di ottimizzazione. Non c'è right-sizing autonomo di request e limit, l'utilizzo GPU non è una dimensione di primo piano e il rilevamento anomalie di CloudHealth non copre i workloads Kubernetes. PerfectScale for Kubernetes chiude il loop. Right-sizing autonomo e workload-aware a livello di pod e container, utilizzo GPU tracciato separatamente, guardrail stability-first per ogni ambiente. I numeri di costo su un dashboard non riducono la bolletta. Riconciliare request e limit sì. I clienti registrano tipicamente riduzioni del 30–50% dei costi K8s.

// Ripartizione delle capability K8s

  • EntrambiAllocazione dei costi per namespace / workload / cluster
  • Solo Cloud Intelligence™Esecuzione autonoma del right-sizing
  • Solo Cloud Intelligence™Policy GPU-aware + guardrail di stabilità
  • Solo Cloud Intelligence™Rilevamento anomalie mirato su K8s
  • Risultato tipicoRiduzione K8s del 30–50%

Data platform e spesa AI — perlopiù fuori dall'inquadratura

L'ingestion di CloudHealth è centrata sui cloud provider: AWS, Azure, GCP, Alibaba, Kubernetes, oltre a VMware e ambienti on-prem — un vero punto di forza per le realtà hybrid enterprise. Ma Snowflake, Databricks e provider AI come OpenAI e Anthropic non sono sorgenti di costo native. Il workaround sono le voci personalizzate in fattura: la spesa della Sua data platform diventa un numero digitato a mano, non telemetria. PerfectScale for Snowflake, Databricks e BigQuery va oltre la visibilità e arriva all'ottimizzazione: right-sizing dei warehouse, sospensione degli idle, raccomandazioni sull'efficienza delle query, human-in-the-loop con anteprima dell'impatto sui costi prima del commit. GenAI Intelligence traccia 9 provider AI e modelli custom — per cliente, per feature, per unità — con PerfectScale GenAI che verifica le pipeline di inference alla ricerca di sprechi e con l'attribuzione a runtime che lega la spesa AI al cliente che l'ha generata.

// Ripartizione della copertura

  • Punto di forza CloudHealthVMware / private cloud / ambienti on-prem
  • SnowflakeCloud Intelligence™: ottimizzazione di warehouse, query e idle
  • DatabricksCloud Intelligence™: visibilità, insight e ottimizzazione
  • Provider AICloud Intelligence™: 9 provider e modelli custom. CloudHealth: non nativi

Entrambi hanno un assistente AI. Solo uno però può muovere le leve.

Il restyling CloudHealth del 2025 ha introdotto Intelligent Assist — un copilot GenAI che trasforma domande in linguaggio naturale in report — e Smart Summary, che spiega cosa ha mosso la Sua bolletta AWS e perché. Davvero utile per rendere accessibile un'interfaccia di reporting vecchia di un decennio. FinOps AI di DoiT e il suo MCP server coprono lo stesso terreno conversazionale: può interrogare spesa, anomalie e trend dalla console, da Claude, ChatGPT o da qualsiasi client LLM. La differenza è ciò che l'assistente ha sotto di sé. FinOps AI può passare le rilevazioni ai motori di esecuzione — ricette Composer, automazioni CloudFlow, azioni PerfectScale — che applicano la correzione. Un assistente che spiega la bolletta è un dashboard migliore. Un assistente collegato all'esecuzione è un risultato migliore.

// Cosa cambia davvero

  • EntrambiQuery di costo in linguaggio naturale + riepiloghi AI
  • Solo Cloud Intelligence™MCP server per Claude / ChatGPT / client LLM
  • Solo Cloud Intelligence™Assistente collegato ai motori di esecuzione
  • Solo Cloud Intelligence™COGS AI per cliente tramite attribuzione a runtime

Com'è fatta la fattura e chi si presenta davvero

CloudHealth applica un prezzo pari a una percentuale della spesa cloud tracciata — tipicamente il 2,2–2,5% a seconda della durata del contratto, con termini pluriennali e overage di 0,03 $ per ogni dollaro oltre il tetto di spesa contrattualizzato. Mano a mano che il Suo cloud cresce, la fee della piattaforma cresce con esso, che i risparmi seguano o meno. Da maggio 2024 CloudHealth è inoltre venduta e supportata in esclusiva tramite Arrow Electronics, con Broadcom che mantiene la R&D — dopo essere passata da CloudHealth Technologies a VMware a Broadcom nell'arco di sei anni. Se sta scommettendo la Sua practice FinOps su una piattaforma, la traiettoria di proprietà è una domanda di due diligence più che legittima. DoiT è forfettaria: un pricing di piattaforma che non scala con la Sua fattura, oppure abbinato al procurement multi-cloud — DoiT rivende AWS, GCP e Azure senza markup, e il consolidamento spesso ripaga integralmente la piattaforma. E al posto dell'help desk di un distributore, DoiT include Forward Deployed Engineers che scrivono codice nel Suo ambiente: revisioni di architettura, tuning K8s, audit di inference, reperibilità quando la produzione va in crisi.

// Modello commerciale

  • CloudHealth~2,2–2,5% della spesa tracciata, contratti pluriennali, overage a 0,03 $/$
  • Cloud Intelligence™Pricing di piattaforma forfettario, oppure abbinato alla rivendita del billing senza markup
  • Esperti CloudHealthSupporto commerciale e tecnico fornito da Arrow
  • Esperti DoiTFDE che scrivono codice nel Suo ambiente

Niente categorie di marketing. Le domande che i practitioner FinOps si pongono davvero in fase di valutazione. Fonti: documentazione pubblica di entrambe le parti.

Una riga per ogni domanda dei practitioner.

CapabilityCloud Intelligence™CloudHealth
// Attribuzione e allocazione
Allocazione dei costi su multi-cloud, K8s, data platform, AI
Nativa

Out-of-the-box, multi-metodo: % di utilizzo, utilization, ripartizione dei costi condivisi.

Perspectives + FlexOrgs

Forte su cloud + ambienti VMware; data platform e provider AI non sono sorgenti native.

Attribuzione dei costi senza tag / a runtime
Nativa

Telemetria a livello di kernel (eBPF). Nessun tagging o regola sui tag richiesta.

Solo basata su regole

Le Perspectives inferiscono da tag e metadati; non possono osservare il traffico a runtime.

COGS per cliente senza tagging
Nativa

Osservazione a runtime degli identificatori cliente nel flusso di richieste.

Tramite Perspectives + riallocazione

Richiede regole scritte a mano e metadati identificabili.

Attribuzione dei costi di rete (egress, NAT, cross-AZ) per workload
Nativa

Attribuzione a livello di workload a partire dal traffico osservato a runtime.

Aggregata / inferita da tag
// Ottimizzazione dei workloads
Allocazione dei costi K8s (pod / namespace / cluster)
Nativa
Collector K8s (Helm)

Allocazione per request, utilizzo effettivo o mix.

Right-sizing autonomo K8s (pod, container, GPU)
PerfectScale

Workload-aware, stability-first, esecuzione autonoma. Riduzione tipica 30–50%.

Solo allocazione

Nessuna esecuzione di right-sizing dei container; il rilevamento anomalie esclude K8s.

Ottimizzazione Snowflake (warehouse + query + idle)
PerfectScale for Snowflake

Right-sizing automatizzato, sospensione degli idle, efficienza delle query.

Non è una sorgente di costo nativa

Solo voci personalizzate sulla fattura.

Ottimizzazione Databricks
Visibilità, insight e ottimizzazione
Non è una sorgente di costo nativa
Visibilità sui costi AI / LLM
9 provider AI e modelli custom

per cliente, per feature, per unità

Non nativa

Nessuna ingestion dei provider OpenAI / Anthropic / Bedrock.

Ottimizzazione dei workloads AI (inference, GPU, scelta del modello)
PerfectScale GenAI + Composer
Non disponibile
// Commitments e ottimizzazione delle tariffe
Acquisto autonomo dei commitments — copertura cloud
AWS + GCP

SP, DBSP e Compute Engine CUD. A scaglioni, validato sull'utilizzo orario, autonomo o subordinato ad approvazione.

Solo scambi AWS CRI

Savings Automator scambia le Convertible RI. Raccomandazioni di acquisto SP in beta (termini a 1 anno, vincolate alla copertura); gli acquisti passano da workflow di approvazione. Azure / GCP: solo analisi.

Modellazione dei commitments e reporting di ammortamento
Unificato, multi-cloud
RI Optimizer + gestione SP

Modellazione, ammortamento e tooling di scambio maturi.

Costo dell'automazione dei commitments
Incluso

Pricing di piattaforma forfettario. 0% dei risparmi trattenuto come fee.

Incluso, ma la piattaforma scala con la spesa

~2,2–2,5% della spesa cloud tracciata, con fee di overage.

// Intelligence e automazione
Rilevamento anomalie
In tempo reale, con contesto di topologia
ML-driven, addestrabile

Per regione, account, servizio. Esclude i workloads Kubernetes.

Motore di raccomandazioni curate
Composer — oltre 800 ricette

Con editor di policy personalizzate + simulazione storica.

Right-sizing + policy di best practice

Right-sizing EC2/RDS/VM/GCE, rilevamento zombie, scheduling.

Authoring di policy personalizzate con simulazione storica
Nativo

Si scrive, si simula sullo storico, poi si applica.

Motore di policy, senza simulazione

Condizioni personalizzate → azioni; nessun dry-run storico prima dell'attivazione.

Assistente AI agentico
FinOps AI
Intelligent Assist + Smart Summary

Query in linguaggio naturale e spiegazioni delle variazioni di spesa (2025).

MCP server per l'accesso LLM ai dati di costo
Nativo
Non disponibile

Solo assistente in-console.

Automazione / remediation a livello di infrastruttura
CloudFlow

Esegue modifiche già oggi. Visuale + codice, oltre 40 template, rollback sicuro.

Azioni di policy (hygiene)

Stop/start di istanze, eliminazione volumi non collegati, snapshot — set di azioni fisso con workflow di approvazione.

Grafo di architettura / risorse con overlay dei costi
Cloud Diagrams

Topologia live con overlay di costi + performance.

Non disponibile
// Integrazioni
Ingestion delle sorgenti di costo / dati di fatturazione
Copertura ampia

AWS, GCP, Azure, K8s, Snowflake, Databricks, BigQuery, Datadog, MongoDB, OpenAI, Anthropic e altre.

Cloud + ambienti hybrid

AWS, Azure, GCP, Alibaba, K8s, VMware, on-prem. Nessuna sorgente nativa SaaS / data platform / provider AI.

Integrazioni con ticketing e work-tracking
Jira, Asana, GitHub Issues
Jira, ServiceNow

Tramite notifiche di policy e webhook.

Integrazioni di comunicazione
Slack, Teams, Discord, Gmail
Slack, email

Notifiche guidate da policy.

Integrazioni di incident management
PagerDuty
Non disponibile
Automazione generale dei workflow
Zapier (oltre 2.000 app) + Platform API
API + webhook

Nessun fan-out di automazione a livello applicativo.

// Procurement, pricing ed esperti
Procurement / billing multi-cloud
Procurement cloud opzionale, senza markup

AWS / GCP / Azure. Accesso alla piattaforma incluso.

Solo piattaforma

Venduta tramite canale Arrow / MSP; nessuna rivendita cloud al cliente finale.

Modello di pricing
Forfettario / bundle

Nessuna fee a percentuale sulla spesa, mai.

% della spesa cloud tracciata

~2,2–2,5%, contratti pluriennali, overage a 0,03 $/$ oltre il tetto contrattualizzato.

Competenze incluse
Forward Deployed Engineers

Scrivono codice nel Suo ambiente. Tuning K8s, audit di inference, incident response.

Supporto fornito da Arrow

Supporto commerciale e tecnico tramite il distributore esclusivo.

Tempo al primo risparmio concreto
Giorni

Le ricette out-of-the-box scattano alla connessione; i motori di esecuzione le mettono in atto.

Settimane; l'implementazione è a Suo carico

Prima il setup di Perspective/report; le raccomandazioni sono lavoro di engineering da concretizzare.

Native capabilityPartial / preview / via integrationNot available

What they say

Finlex

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

Hippo

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

Island

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

Claroty

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

Salt Security

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

PropertyGuru

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

Accrete AI

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

Akamai

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 è un'alternativa a CloudHealth?

Sì. CloudHealth è una piattaforma enterprise per il reporting e la governance dei costi cloud — Perspectives per l'allocazione, FlexReports per l'analisi, budget, rilevamento anomalie e un motore di policy per l'automazione di hygiene. Cloud Intelligence™ copre lo stesso terreno di visibilità e governance, poi si spinge oltre nell'esecuzione: remediation infrastrutturale (CloudFlow), ottimizzazione autonoma dei workloads (PerfectScale for Kubernetes e Snowflake), automazione dei commitments su AWS e GCP (PerfectScale for Commitments), attribuzione dei costi a runtime senza tagging e Forward Deployed Engineers inclusi nella piattaforma.

Qual è la differenza più netta tra DoiT e CloudHealth?

Esecuzione e pricing. CloudHealth riporta, governa e raccomanda; al di fuori degli scambi di Convertible RI e delle azioni di policy di hygiene, concretizzare i risparmi è lavoro dei Suoi Engineers — e la fee della piattaforma è una percentuale della spesa cloud tracciata, quindi cresce con la Sua fattura. DoiT esegue su workloads, commitments e infrastruttura con un pricing forfettario che non scala con la spesa.

Cosa è successo a CloudHealth dopo l'acquisizione da parte di Broadcom?

CloudHealth Technologies è stata acquisita da VMware nel 2018, è diventata VMware Tanzu CloudHealth ed è passata a Broadcom con l'acquisizione di VMware a fine 2023. A maggio 2024 Broadcom ha reso Arrow Electronics il fornitore globale esclusivo — Arrow gestisce vendite, marketing e supporto tecnico, mentre Broadcom mantiene la R&D. A giugno 2025 Broadcom ha rilasciato una nuova esperienza utente con funzionalità AI (Intelligent Assist, Smart Summary). Il prodotto è mantenuto attivamente; go-to-market e proprietà sono passati di mano tre volte in sei anni, un elemento che vale la pena soppesare in qualsiasi scommessa di piattaforma a lungo termine.

CloudHealth automatizza l'acquisto dei commitments?

Parzialmente e solo su AWS. Savings Automator automatizza lo scambio e la modifica delle AWS Convertible Reserved Instances per mantenere la copertura. Gli acquisti di nuovi Savings Plan sono guidati da raccomandazioni: quelle in beta vengono generate solo quando la copertura complessiva dei commitment è inferiore al 50%, sono impostate di default su termini annuali e gli acquisti passano da workflow di authorizer/approver. Per i commitments Azure e GCP si hanno analisi e raccomandazioni, non automazione. PerfectScale for Commitments distribuisce a scaglioni Savings Plans, Database Savings Plans e Compute Engine CUD su AWS e GCP — in modalità autonoma o subordinata ad approvazione, validato in continuo sull'utilizzo orario — con pricing forfettario.

Come si confronta il pricing di CloudHealth con quello di DoiT?

CloudHealth applica tipicamente il 2,2–2,5% della spesa cloud tracciata, su contratti da 12 a 36 mesi, con fee di overage intorno a 0,03 $ per ogni dollaro di spesa oltre il tetto contrattualizzato. La fee scala con la Sua bolletta cloud, indipendentemente dai risparmi generati. DoiT è forfettaria: un pricing di piattaforma che non scala con la spesa, oppure abbinato al procurement multi-cloud — DoiT rivende AWS, GCP e Azure senza markup, e molti team scoprono che il consolidamento paga di fatto la piattaforma.

CloudHealth ottimizza Kubernetes?

CloudHealth alloca il costo di Kubernetes. Il suo collector basato su Helm aggrega la spesa dei container per cluster, namespace o workload, suddivisa per request o utilizzo effettivo. Non esegue right-sizing dei container, l'utilizzo GPU non è una dimensione di primo piano e il rilevamento anomalie non copre i workloads Kubernetes. PerfectScale for Kubernetes esegue right-sizing autonomo e workload-aware a livello di pod e container con guardrail stability-first. I clienti registrano tipicamente riduzioni del 30–50% dei costi K8s.

CloudHealth esegue modifiche infrastrutturali?

Entro certi limiti. Assegnando a CloudHealth il ruolo IAM Automated Actions, il suo motore di policy può fermare o avviare istanze, eliminare volumi non collegati, creare snapshot e schedulare ambienti — un'automazione di hygiene utile, con approvazioni human-in-the-loop. È però un insieme fisso di primitive del provider: nessuna simulazione storica prima di attivare una policy e nessun percorso di esecuzione generale per le modifiche di ottimizzazione. DoiT CloudFlow è un vero e proprio livello di esecuzione — visuale e al tempo stesso estendibile via codice, oltre 40 template di produzione, rollback sicuro — che trasforma le rilevazioni di Composer in modifiche eseguite.

Posso ottenere il costo cloud per cliente senza tagging?

Con DoiT sì. L'attribuzione dei costi a runtime in Cloud Intelligence™ utilizza telemetria a livello di kernel (eBPF) per osservare traffico reale e consumo di risorse, mappando ogni dollaro al cliente, alla feature, al team o all'agente AI che l'ha generato — senza tagging. Le Perspectives di CloudHealth sono l'alternativa classica: raggruppamenti basati su regole applicate a tag e metadati. Funzionano dove i metadati sono disciplinati, ma cluster condivisi, GPU condivise ed endpoint multi-tenant restano opachi, perché i metadati non contengono la risposta.

Come gestiscono le due piattaforme i costi di Snowflake, Databricks e dei provider AI?

Sono in gran parte fuori dall'inquadratura di CloudHealth: le sue sorgenti di costo native sono i cloud provider (AWS, Azure, GCP, Alibaba), Kubernetes e gli ambienti VMware/on-prem. La spesa di Snowflake, Databricks, OpenAI e Anthropic può essere rappresentata solo come voci personalizzate sulla fattura. DoiT le ingerisce in modo nativo — e va oltre la visibilità: PerfectScale for Snowflake automatizza il right-sizing dei warehouse, la sospensione degli idle e l'efficienza delle query; GenAI Intelligence traccia 9 provider AI e modelli custom, per cliente, per feature, per unità.

CloudHealth ha un assistente AI come DoiT?

Sì — il restyling CloudHealth del 2025 ha introdotto Intelligent Assist, un copilot GenAI che risponde a domande in linguaggio naturale sui dati di costo e genera report, insieme a Smart Summary per spiegare le variazioni di spesa. FinOps AI di DoiT copre lo stesso terreno conversazionale e aggiunge un MCP server, così può interrogare i Suoi dati di costo da Claude, ChatGPT o da qualsiasi client LLM. La differenza più importante sta in ciò che c'è sotto: FinOps AI è collegato a motori di esecuzione che possono applicare la correzione, non limitarsi a spiegare la bolletta.

Quando ha più senso CloudHealth rispetto a DoiT?

Grandi enterprise con ambienti VMware o on-prem significativi accanto al cloud pubblico, organizzazioni i cui team finance hanno un decennio di conoscenza istituzionale su Perspectives, FlexOrgs e FlexReports, e MSP costruiti sulla piattaforma partner di CloudHealth. Se la Sua practice FinOps è principalmente reporting standardizzato, policy di governance e chargeback su un ambiente hybrid — e l'implementazione è in mano all'engineering — CloudHealth resta un incumbent credibile. Il fit si indebolisce quando servono ottimizzazione autonoma, automazione multi-cloud dei commitments, gestione dei costi di data platform o AI, attribuzione per cliente su infrastruttura condivisa o un pricing che non scali con la Sua bolletta cloud.