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
Comparativo de plataformas FinOps
Cloud Intelligence™ vs. CloudZero
As duas plataformas mostram o custo da nuvem. A pergunta é: e depois? O CloudZero é uma plataforma sólida de cost intelligence — 100% de alocação via CostFormation, detecção de anomalias de hora em hora, recomendações curadas pelo Optimize e um assistente agêntico. Se o trabalho do seu time termina em "foi isso que custou e essas são as opções para agir", ele cumpre bem esse papel.
Cloud Intelligence™ vai além e chega na execução. O Composer aponta o que corrigir, o CloudFlow aplica a correção, o PerfectScale faz o right-sizing de Kubernetes e data warehouses de forma autônoma, e o PerfectScale for Commitments escalona seus Savings Plans a partir do uso real por hora. E ainda incluímos Forward Deployed Engineers que escrevem código dentro do seu ambiente.
Alocação é o piso. Execução é o teto.
onde as plataformas se separam
O tagging está estruturalmente quebrado — e estamos resolvendo isso no kernel
Todo profissional de FinOps conhece esse segredo incômodo. Atribuição por tags desmorona em infraestrutura compartilhada. Um cluster K8s multi-tenant tem um único conjunto de tags. Uma GPU compartilhada rodando inference para cinquenta clientes tem um único conjunto de tags. Egress, NAT, cross-AZ — nada disso é passível de tagueamento.
Atribuição de custo em runtime, sem depender de tags
- Como funcionaUm sensor leve em nível de kernel (eBPF) observa o tráfego e o consumo de recursos direto no host. A partir do tráfego, ele reconstrói qual cliente acessou qual endpoint de inference, qual feature chamou qual modelo, qual job de qual time consumiu qual GPU-hora e qual workload gerou quais bytes de egress.
Commitments — é aqui que está o dinheiro de verdade
O Effective Savings Rate é o número que a maioria dos times de FinOps deixa passar em silêncio. Coverage e utilization parecem ótimos no papel. O ESR conta a verdade. O CloudZero reporta coverage e utilization. A decisão de compra é sua, apoiada nos números deles e nas suas planilhas. O Cloud Intelligence™ toma a decisão de compra. Análise de uso por hora (mín, máx, mediana) em janelas móveis. Compras escalonadas em AWS Savings Plans, Database Savings Plans e GCP CUDs. Limites de aprovação, tetos de gasto, controle de ritmo. Rode 100% autônomo ou exija aprovação humana antes de cada compra.
Por que escalonar faz diferença
- O riscoApostar 3 anos na curva de uso do mês atual.
- Abordagem escalonadaEscalone as compras e valide cada passo
- ReavaliaçãoContínua, contra dados reais de uso
Ambos têm um motor de recomendações. Mas otimizam coisas diferentes.
O CloudZero Optimize entrega uma biblioteca curada de recomendações desenhadas por especialistas, com scoring de impacto/esforço, exibidas dentro dos workflows de engenharia que os times já usam. Opinativo e priorizado. O Cloud Intelligence™ segue outro caminho. Mais de 800 recipes rodam continuamente contra seus dados, configurações de recursos, timeline de eventos e o grafo completo de recursos. A diferença real é a customização: o Composer vem com um editor de políticas. Escreva seus próprios recipes contra seus dados, simule em períodos históricos e habilite em produção. Recipes customizados são cidadãos de primeira classe — mesma telemetria, mesmas ações e mesmo nível de enforcement dos nativos.
Recipes que você não vai achar nos recommenders dos providers
- Engines RDS próximas do EOL
- gp2 → gp3 pelo IOPS real
- Vazamento por time-to-tag
- Efetividade de cache no Bedrock
- Drift de extended support no EKS
- Detecção de serviço usado pela primeira vez
O CloudFlow aplica a mudança. O Optimize roteia a recomendação.
As duas empresas falam em "automação". Vale ser preciso. O CloudZero Optimize (GA em junho de 2025) roteia recomendações para o Slack e o Jira com scoring de impacto/esforço e acompanha a economia realizada. Bom para manter o trabalho de otimização andando. Não executa mudanças de infraestrutura — os engineers ainda precisam aplicar a mudança. O CloudFlow é uma camada de execução. A recomendação vira ação. Quando o gargalo é "os engineers sabem o que fazer, mas não têm tempo", entregar um ticket de Jira melhor formatado não desbloqueia nada. Executar a mudança, sim.
CloudFlows rodando em produção hoje
- Conversão gp2 → gp3 com rollback
- Limpeza de EC2 em sandbox
- Aplicação de retenção de logs por 365 dias
- Alerta de gasto em SKU nunca visto
- Superprovisionamento de disco no GCE
- Detecção de RIs subutilizadas
Custo de IA — visibilidade está empatada. Otimização é o que diferencia.
Essa é a linha mais suscetível a distorção, então vale ser preciso. O CloudZero tem cost intelligence de IA de verdade — integração direta com a Anthropic Cost & Usage API, suporte a Bedrock, alocação por feature/modelo/cliente. Em visibilidade e alocação de gasto com IA, as duas plataformas estão empatadas. A diferença está no que cada plataforma faz com essa visibilidade. A otimização GenAI do PerfectScale audita pipelines de inference em busca de desperdício — menos tokens, modelos menores, GPUs no tamanho certo. Recipes do Composer avaliam a efetividade do cache no Bedrock com caminhos de remediação. A atribuição em runtime fecha o ciclo entre a chamada de inference e o COGS por cliente.
O que realmente muda
- AmbosVisibilidade em nível de token, por feature/modelo
- Só no Cloud Intelligence™Auditoria do pipeline de inference + rightsizing de GPU
- Só no Cloud Intelligence™Recipes do Composer com caminhos de execução
- Só no Cloud Intelligence™COGS por cliente via sensor em runtime
Snowflake e Databricks — além da visibilidade
O CloudZero acrescenta visibilidade de custo para os dois. Você vê o que gastou. O PerfectScale para Snowflake, Databricks e BigQuery vai além: rightsizing de warehouse, suspensão de recursos ociosos, recomendações de eficiência de query e human-in-the-loop com preview do impacto de custo antes do commit. O ponto arquitetural: custo de data platform não se comporta como custo de infraestrutura. Warehouses escalam por query, o tempo ocioso se acumula em pequenos intervalos, e um único join ineficiente pode dominar a conta do dia. Você precisa de otimização com consciência do workload, não só de atribuição.
// Escopo de otimização em data platforms
- SnowflakeWarehouse, query, ociosidade
- DatabricksWarehouse, query, ociosidade
- BigQueryVisibilidade e otimização de query e slots
Uma linha para cada pergunta de quem está avaliando.
Sem categorias de marketing. As perguntas que profissionais de FinOps realmente fazem na hora de avaliar.
| Capability | Cloud Intelligence™ | CloudZero |
|---|---|---|
| // Atribuição e alocação | ||
| Alocação de custo em multi-cloud, K8s, data platforms e GenAI | Nativo Pronto para uso, multi-método: % de uso, utilization e rateio de custos compartilhados. | Nativo O CostFormation aloca 100%, independentemente da qualidade das tags. |
| Atribuição de custo sem tags / em runtime | Nativo Telemetria em nível de kernel. Não precisa de tags. | Só por tag/código via regras do CostFormation. |
| COGS por cliente | Nativo Observação do identificador do cliente em runtime; sem precisar de tags. | via CostFormation Requer esforço de engenharia para modelar. |
| Atribuição de custo de rede (egress, NAT, cross-AZ) | Nativo Atribuição em nível de workload a partir do tráfego em runtime. | Indisponível Agregado / inferido por tag |
| // Otimização de workloads | ||
| Rightsizing autônomo de K8s (pod, container, GPU) | PerfectScale Com consciência do workload, estabilidade em primeiro lugar, execução autônoma. Redução típica de 30–50%. | Recomendações de rightsizing Via Optimize; sem execução autônoma. |
| Rateio de custo de GPU/cluster compartilhado por uso real | PerfectScale + atribuição em runtime | Inferência via CostFormation |
| Otimização de Snowflake (warehouse + query + ociosidade) | PerfectScale para Snowflake Rightsizing automatizado, suspensão de ociosos e eficiência de query. | Só alocação + alertas Sem rightsizing de warehouse nem tuning de query. |
| Otimização de Databricks | Visibilidade, Insights e Otimização | Alocação + alertas |
| Visibilidade de custo de IA — por feature / por cliente | 9 provedores de IA e modelos customizados por cliente, por feature, por unidade | Anthropic + Bedrock nativos só por perfil de inference |
| Otimização de workloads GenAI (inference, GPU, escolha de modelo) | PerfectScale GenAI + Composer | Só visibilidade |
| // Commitments e otimização de tarifa | ||
| Compra de commitments (SPs / RIs / CUDs) | PerfectScale for Commitments Escalonamento com consciência de risco, autônomo ou com aprovação. | Depende de solução de terceiros Dashboards no produto; compra feita por parceiro. |
| Acompanhamento do Effective Savings Rate (ESR) | Unificado, multi-cloud | Reportado |
| // Inteligência e automação | ||
| Motor de recomendações curadas | Composer — 800+ recipes Com editor de políticas customizadas + simulação histórica. | Optimize — biblioteca curada Scoring de impacto/esforço, roteamento para Slack/Jira. |
| Criação de políticas customizadas com simulação histórica | Nativo | Indisponível |
| Detecção de anomalias | Em tempo real, com contexto de topologia | Baseada em dados de billing |
| Assistente agêntico de IA | FinOps AI | Ask Advisor |
| Automação/remediação em nível de infraestrutura | CloudFlow Visual + código, 40+ templates, executa as mudanças. | Roteia para Slack/Jira Os engineers aplicam a mudança. |
| Grafo de arquitetura / recursos com overlay de custo | Cloud Diagrams | Indisponível |
| // Integrações | ||
| Ingestão de dados de custo / billing | Cobertura ampla AWS, GCP, Azure, K8s, Snowflake, Databricks, BigQuery, Datadog, MongoDB, OpenAI, Anthropic e mais. | Cobertura ampla Framework AnyCost + adaptadores para AWS, Azure, GCP, K8s, Snowflake, Databricks, MongoDB, NewRelic, Datadog, OpenAI e Anthropic. |
| Integrações com ticketing e work-tracking | Jira, Asana, GitHub Issues | Só Jira |
| Integrações de comunicação | Slack, Teams, Discord, Gmail | Só Slack |
| Integrações de gestão de incidentes | PagerDuty | Indisponível |
| Integrações de observabilidade / dashboard | Grafana, Datadog | Grafana, Backstage |
| Integrações com assistentes de IA para análise de custo | ChatGPT, Claude, MCP Análises com IA em cima dos relatórios de custo. | Amazon Q Developer Chat Só no console AWS. |
| Automação geral de workflow | Zapier (2.000+ apps) + APIs da plataforma | Indisponível |
| Ferramentas SaaS conectadas ao motor de automação | 40+ via CloudFlow Terraform, Cloudflare, Wiz, Confluent, Vercel, ClickHouse, PlanetScale, Looker e mais. | N/A — sem motor de execução |
| // Procurement e especialistas | ||
| Procurement / billing multi-cloud | Cloud procurement opcional, sem markup AWS / GCP / Azure. Acesso à plataforma incluído. | Só a plataforma |
| Expertise incluída | Forward Deployed Engineers Escrevem código no seu ambiente. | Time de CS certificado em FinOps e AWS Suporte, onboarding e boas práticas. |
| Tempo até a primeira economia realizada | Dias Recipes prontos disparam assim que você conecta. | Semanas para alocação; meses para o setup completo Tempo de modelagem no CostFormation. |
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
A DoiT é uma alternativa ao CloudZero?
Sim — e, para a maioria dos times multi-cloud ou com uso intenso de Kubernetes, uma alternativa mais completa. O CloudZero é uma plataforma de cost intelligence. O DoiT Cloud Intelligence™ é uma plataforma FinOps que inclui cost intelligence e também remediação automatizada (CloudFlow), otimização de workloads (PerfectScale), automação de commitments (PerfectScale for Commitments), atribuição de custo em runtime e expertise de FinOps embarcada.
Qual é a maior diferença entre a DoiT e o CloudZero?
Execução. O CloudZero mostra o que corrigir. A DoiT mostra o que corrigir e aplica a correção — via automação do CloudFlow, rightsizing do PerfectScale e Forward Deployed Engineers que trabalham lado a lado com o seu time.
Dá para ter custo de nuvem por cliente sem tagear tudo?
O tagging é estruturalmente incompleto para serviços compartilhados, GPUs, bancos de dados e rede. O Gartner aponta que só cerca de 43% do custo de nuvem consegue ser alocado em nível unitário com uma abordagem baseada em tags. A atribuição de custo em runtime da DoiT usa telemetria em nível de kernel (eBPF) para observar o tráfego real e o consumo de recursos, e depois mapeia cada dólar de volta ao cliente, feature, time ou agente de IA que gerou o gasto.
A abordagem do CloudZero é orientada a código, via CostFormation — funciona, mas exige investimento contínuo de engenharia para manter.
O CloudZero otimiza Kubernetes?
O CloudZero aloca 100% do custo de Kubernetes com um algoritmo proprietário de alocação por CPU + memória e mostra recomendações de rightsizing pelo Optimize, roteadas para Slack e Jira. O PerfectScale para Kubernetes vai além, com rightsizing autônomo e com consciência do workload — a plataforma aplica a mudança, não só recomenda. Os clientes costumam ver reduções de 30–50% no custo de K8s.
O CloudZero automatiza a compra de commitments?
O CloudZero reporta coverage e utilization, mas não compra commitments — isso depende de uma solução de terceiros. O PerfectScale for Commitments faz a compra de forma nativa: compras escalonadas em AWS Savings Plans, Database Savings Plans e GCP CUDs, validadas continuamente contra o uso por hora, com guardrails configuráveis e execução autônoma ou baseada em aprovação. Azure está no roadmap.
Como a DoiT lida com custos de Snowflake e Databricks?
As duas plataformas alocam custos de Snowflake e Databricks e oferecem detecção de anomalias. A diferença está na otimização: o PerfectScale para Snowflake (antigo SELECT, adquirido pela DoiT no início de 2026) faz rightsizing automatizado de warehouse, suspensão de ociosos e recomendações de eficiência de query com preview do impacto de custo antes do commit. O CloudZero entrega alocação e alertas; rightsizing de warehouse e otimização de query não fazem parte das integrações dele com Snowflake ou Databricks. A otimização de Databricks está no roadmap da DoiT.
Ainda preciso de um time de FinOps se eu usar a DoiT?
Você continua se beneficiando de ter um — FinOps é uma prática, não um produto. Tanto a DoiT quanto o CloudZero incluem especialistas no preço da plataforma, mas os modelos são diferentes. O CloudZero oferece um time de customer success certificado em FinOps e AWS, focado em consultoria e onboarding da plataforma. A DoiT oferece Forward Deployed Engineers que escrevem código no seu ambiente e assumem os resultados em otimização de custo, tuning de K8s, resposta a incidentes, migração e confiabilidade. Escolha o modelo que combina com aquilo em que seu time precisa de ajuda.
Como a DoiT apoia custos de GenAI e workloads de IA?
Em visibilidade e alocação de gasto com IA, DoiT e CloudZero estão empatadas — o CloudZero tem integração nativa com a API da Anthropic e suporta Bedrock e outros provedores; a DoiT GenAI Intelligence cobre o mesmo terreno via recipes do Composer.
O diferencial é a otimização: a otimização GenAI do PerfectScale audita pipelines de inference em busca de desperdício (redução de tokens, escolha de modelo, rightsizing de GPU). A atribuição em runtime fecha o ciclo, mapeando o gasto de IA ao cliente ou à feature que o gerou.
Como fica o preço da DoiT em comparação?
A DoiT pode ser contratada como SaaS (BYO billing) ou combinada com procurement multi-cloud sem markup. Muitos times descobrem que consolidar o billing de AWS, GCP ou Azure pela DoiT, na prática, paga a plataforma. O CloudZero é só SaaS, com preço baseado em um percentual do gasto anualizado de nuvem.
Quando o CloudZero faz mais sentido do que a DoiT?
Times cujo entregável principal é alocação de custo, relatórios de unit economics e recomendações curadas roteadas para os workflows de engenharia — em que a própria engenharia aplica as mudanças. O CloudZero é forte nisso e tem profundidade real em alocação, detecção de anomalias e no workflow do Optimize. O encaixe fica pior quando você precisa de execução autônoma de mudanças de infraestrutura, compra de commitments feita pela própria plataforma, otimização de data platform em nível de warehouse, atribuição em runtime ou procurement multi-cloud combinado com a ferramenta.