FinOps poza chmurą: czy kontrola kosztów obejmie także SaaS i dane?

Zdjęcie: chmura, dane, demokratyzacja

FinOps wychodzi poza tradycyjne zarządzanie wydatkami na chmurę, obejmując coraz większą część technologicznego budżetu przedsiębiorstw, od subskrypcji systemu po platformy danych i sztuczną inteligencję.

Jeszcze niedawno FinOps koncentrował się przede wszystkim na optymalizacji zasobów chmurowych, prognozowaniu zużycia infrastruktury i eliminowaniu niewykorzystanych mocy obliczeniowych. Dziś podobne mechanizmy zaczynają obejmować wydatki, które dotychczas pozostawały w gestii zakupów, finansów lub poszczególnych działów biznesowych. Zmiana wynika nie tylko ze skali inwestycji technologicznych, ale także z rosnącej złożoności modeli rozliczeniowych.

Według badania State of FinOps 2026, przeprowadzonego wśród 1192 przedstawicieli środowiska FinOps, 90% respondentów zarządza kosztami SaaS lub planuje objąć je tą praktyką w ciągu roku, wobec 65% w poprzedniej edycji. W przypadku sztucznej inteligencji odsetek ten wynosi 98%, a licencjonowania systemu 64%. FinOps Foundation uwzględniła tę ewolucję w tegorocznej aktualizacji swoich ram operacyjnych, rozszerzając je o kolejne kategorie technologii.

Badanie nie jest reprezentatywne dla wszystkich przedsiębiorstw, ale pokazuje wyraźny kierunek rozwoju zarządzania kosztami IT.

SaaS zmienia reguły przewidywania kosztów

Jednym z czynników przyspieszających tę transformację jest odchodzenie dostawców systemu od tradycyjnych opłat za użytkownika. Według danych Vertice za trzeci kwartał 2026 roku modele oparte na zużyciu odpowiadały za 37,1% analizowanych kontraktów SaaS, a modele hybrydowe za kolejne 31,5%. Rozliczenia wyłącznie za użytkownika stanowiły 31,4%.

Oznacza to, iż niemal siedem na dziesięć modeli cenowych w badanym portfelu zawierało element zmienny.

Konsekwencje wykraczają poza sposób fakturowania. Przy stałej opłacie licencyjnej wzrost kosztów był relatywnie przewidywalny. W modelu konsumpcyjnym zależy również od liczby operacji, wykorzystanych funkcji, zapytań czy aktywności narzędzi AI. Automatyzacja procesu może zwiększyć jego efektywność, jednocześnie generując wyższy rachunek za oprogramowanie.

Dane Zylo pokazują, iż problem nie sprowadza się już do przyrostu liczby aplikacji. W analizowanym przez firmę portfelu średnie roczne wydatki na SaaS wzrosły o blisko 8%, mimo iż przeciętna liczba wykorzystywanych aplikacji pozostała praktycznie niezmieniona i wynosiła 305.

Kontrola kosztów wymaga więc analizy nie tylko liczby licencji, ale także ich wykorzystania, struktury umów oraz mechanizmów naliczania opłat. Szczególnego znaczenia nabiera relacja między intensywnością korzystania z usługi a wartością uzyskiwanych rezultatów.

Dane jako nowe źródło zmienności kosztów

Podobna zależność występuje w platformach analitycznych, takich jak Snowflake, Databricks czy Google BigQuery. Koszty powstają tam na wielu poziomach: przechowywania danych, wykonywania zapytań, utrzymywania zasobów obliczeniowych i transferu informacji.

Samo monitorowanie wykorzystania infrastruktury nie wyjaśnia jednak, dlaczego określone operacje są kosztowne. Jedno nieefektywne zapytanie, nadmierna replikacja danych czy źle zaprojektowany proces analityczny mogą generować wydatki nieproporcjonalne do uzyskiwanej wartości.

Dostawcy rozwijają mechanizmy szczegółowego przypisywania kosztów. Snowflake udostępnia dane pozwalające analizować zużycie zasobów przez poszczególne zapytania, choć wyliczenia te nie obejmują wszystkich kategorii wydatków, między innymi przechowywania danych i czasu bezczynności infrastruktury. Google BigQuery pozwala natomiast ograniczać ilość danych przetwarzanych przez zapytanie w modelu rozliczanym na żądanie.

Problemem pozostaje połączenie danych technicznych z ekonomicznym uzasadnieniem operacji. Minimalizacja kosztów przetwarzania może bowiem oznaczać również wolniejsze analizy, niższą aktualność informacji lub ograniczenie dostępności usług. Efektywność kosztowa wymaga zatem uwzględnienia parametrów, których nie widać na fakturze.

Jeden standard nie rozwiąże wszystkich problemów

Rozszerzenie FinOps ujawnia również ograniczenia tradycyjnego raportowania finansowego. Poszczególne platformy posługują się innymi jednostkami rozliczeniowymi, zasadami rabatowania i modelami przypisywania kosztów.

Odpowiedzią na część tych problemów jest otwarty standard FOCUS, rozwijany przez FinOps Foundation. Zatwierdzona w czerwcu 2026 roku wersja 1.4 wprowadziła między innymi nowe mechanizmy uzgadniania danych o wykorzystaniu usług z fakturami oraz bardziej szczegółowe informacje o zobowiązaniach kontraktowych.

Standaryzacja może poprawić przejrzystość portfela technologicznego, ale nie zastąpi oceny ekonomicznej poszczególnych inwestycji. choćby najbardziej szczegółowy model rozliczeń nie odpowiada samodzielnie na pytanie, czy koszt konkretnego procesu jest uzasadniony.

Skalę wyzwania ilustruje Flexera State of the Cloud 2026. Aż 85% respondentów wskazało zarządzanie kosztami chmury jako istotne wyzwanie, a jedynie 49% wykorzystywało mierniki kosztu jednostkowego. Mimo rozwoju narzędzi optymalizacyjnych powiązanie wydatków technologicznych z rezultatami biznesowymi pozostaje więc niepełne.

Od redukcji wydatków do ekonomiki technologii

Rozszerzanie FinOps na SaaS i dane może zmienić sposób podejmowania decyzji inwestycyjnych. Rosnąca przejrzystość kosztów ułatwia porównywanie rozwiązań, identyfikowanie nieefektywnych procesów i ocenę konsekwencji wyborów architektonicznych jeszcze przed zawarciem wieloletnich kontraktów.

Nie oznacza to jednak, iż wszystkie technologie da się mierzyć jednakowo. Koszt pojedynczej transakcji, zapytania analitycznego czy aktywnego użytkownika opisuje różne aspekty efektywności, a jego interpretacja zależy od charakteru działalności.

Najważniejsza zmiana może zatem dotyczyć samego rozumienia optymalizacji. Spadek wydatków nie zawsze świadczy o większej efektywności, podobnie jak wzrost rachunków nie musi oznaczać marnotrawstwa. Technologia może kosztować więcej, ponieważ obsługuje większą skalę działalności lub zastępuje bardziej kosztowne procesy.

FinOps stopniowo przesuwa więc uwagę z wysokości rachunku na ekonomikę wykorzystania technologii. O powodzeniu tej zmiany zdecyduje nie tyle zdolność do ograniczania wydatków, ile umiejętność odróżniania kosztów zbędnych od tych, które uzasadnia rzeczywista wartość biznesowa.