Ideas clave
1. La era de la abundancia tecnológica es insostenible
Durante las últimas dos décadas, las organizaciones han incrementado de manera constante sus gastos en tecnología.
Costos desorbitados. Se proyecta que el gasto global en tecnología alcanzará casi los 5 billones de dólares, un aumento del 81 % entre 2005 y 2023, impulsado principalmente por la migración hacia servicios en la nube. Esta "era de la abundancia" ha generado la creencia generalizada de que los recursos son ilimitados, pero la realidad es que la migración a la nube suele provocar un "shock en la factura" debido a los modelos de pago por uso. Muchos líderes tecnológicos no comprenden plenamente el Costo Total de Propiedad (TCO) de estas plataformas, lo que conduce a gastos descontrolados.
Ineficiencias ocultas. La principal estrategia que emplean las organizaciones para gestionar estos crecientes costos es reducir gastos operativos, como disminuir la cantidad de servidores o almacenamiento. Sin embargo, las empresas exitosas atraen más clientes y generan más datos, lo que exige más capacidad y servidores, a menos que se optimicen aplicaciones y procesos. La mentalidad predominante suele pasar por alto el potencial de ahorros significativos —millones, incluso decenas de millones de dólares— al analizar las cargas de trabajo y detectar ineficiencias en las plataformas tecnológicas, especialmente en el código y los procesos.
Un nuevo paradigma. El autor sostiene que la industria tecnológica necesita un cambio fundamental en su forma de pensar. En lugar de centrarse únicamente en mantener los sistemas en funcionamiento, los líderes deben priorizar la eficiencia tecnológica y la transparencia financiera. Esto implica comprender los costos reales dentro de las aplicaciones y servicios para identificar los procesos más costosos, poniendo fin a la era de la abundancia y dando paso a una era de eficiencia donde cada inversión en TI genere valor tangible.
2. La salud tecnológica carece de definición y medición claras
La verdad es que nadie sabe con certeza qué tan saludable es su entorno tecnológico hoy ni cuánto podrá sostener mañana.
Interpretaciones subjetivas. Así como distintos especialistas médicos pueden ofrecer diagnósticos variados sobre la salud humana, diversos líderes tecnológicos (CDO, CIO, CTO, CFO) interpretan de manera diferente la "salud" de un entorno tecnológico, según su experiencia y los datos que analizan. Esta falta de una medida unificada y objetiva provoca evaluaciones inconsistentes que no ofrecen una visión integral del bienestar del sistema ni de su preparación futura.
Más allá de la disponibilidad. Los métodos actuales para medir la salud tecnológica, que no han evolucionado significativamente en veinte años, se enfocan principalmente en la disponibilidad (tiempo activo). Sin embargo, la verdadera salud abarca más:
- Estabilidad: La capacidad del sistema para resistir interrupciones, su fiabilidad y previsibilidad bajo estrés.
- Rendimiento: No solo la funcionalidad, sino la operación óptima y eficiente, minimizando desperdicios.
- Capacidad: Si existen recursos suficientes, evitando tanto la subutilización como la sobrecarga.
Sin definiciones y métricas estandarizadas para estos aspectos, las organizaciones no pueden evaluar con precisión el estado real de sus sistemas ni el impacto de los cambios.
Faltan insights accionables. Aunque muchas herramientas ofrecen visualizaciones y paneles de datos, a menudo generan una sobrecarga de información en lugar de proporcionar recomendaciones concretas y priorizadas (por ejemplo, "cambiar X ahora y Y después para lograr Z"). Esta carencia impide que los equipos técnicos sepan qué pasos tomar para mejorar los sistemas y cómo esas acciones se alinean con los indicadores clave de desempeño (KPI) o los objetivos del negocio.
3. La eficiencia es el KPI más crítico y olvidado
En última instancia, todo se reduce a un factor que influye y afecta casi todo lo demás que abordamos en este libro: la eficiencia.
El imperativo olvidado. En el pasado, los desarrolladores se veían obligados a escribir código eficiente debido a la memoria limitada. Hoy, con una capacidad en la nube aparentemente infinita, el enfoque se ha desplazado hacia el desarrollo rápido de funciones, a menudo sacrificando la eficiencia. Es más fácil añadir hardware (CPU, memoria) para acelerar un código lento que corregir las ineficiencias subyacentes, fomentando una mentalidad de "si no está roto, no lo arregles" que perpetúa el desperdicio.
El "MPG real" para la tecnología. Así como los compradores de autos consideran los kilómetros por litro (MPG) como estándar de eficiencia de combustible, la industria tecnológica necesita urgentemente una medida equivalente para la eficiencia del código y las aplicaciones. Este estándar permitiría:
- Evaluar aplicaciones durante su desarrollo.
- Identificar aplicaciones ineficientes en producción.
- Tomar decisiones informadas sobre migraciones a la nube, donde el código ineficiente genera costos mayores.
Esto cambiaría el enfoque de la mera funcionalidad a un rendimiento sostenible y rentable.
Costos acumulativos de la ineficiencia. El código ineficiente, aunque parezca menor, puede tener un impacto negativo acumulativo durante la vida útil típica de una aplicación, de 10 a 20 años. Incrementa los costos de alojamiento, soporte y resolución de problemas, y consume más recursos a medida que crecen los datos y usuarios. Este "Costo Total del Código" rara vez se considera desde el inicio, generando gastos inesperados por decenas o cientos de miles, incluso millones de dólares a lo largo del tiempo. Priorizar el desarrollo y la optimización de código eficiente es vital para la salud financiera y la conservación de recursos a largo plazo.
4. La transparencia financiera es esencial pero ausente
La mayoría de las organizaciones enfrentan dificultades ante el aumento de los costos tecnológicos y la falta de transparencia financiera en los servicios tecnológicos.
El punto ciego del CFO. Los directores financieros suelen carecer de visibilidad detallada sobre los costos tecnológicos. Cuando los gastos en la nube se disparan, generalmente solo ven detalles a nivel de recursos o servidores, sin poder profundizar en aplicaciones o procesos específicos para identificar la causa raíz del gasto. Esta desconexión dificulta que los equipos financieros sigan el ritmo de las rápidas y complejas decisiones de gasto de los ingenieros, provocando sobrepasos presupuestarios y falta de responsabilidad.
Más allá del balance general. La transparencia financiera en tecnología va más allá de la contabilidad tradicional. Requiere comprender:
- El costo real de la tecnología (incluidos gastos operativos y de mantenimiento).
- El valor que la tecnología aporta al negocio.
- Oportunidades para reducir costos mediante mejoras en eficiencia.
Sin esta visión integral, las organizaciones no pueden gestionar activos no financieros como el código y los datos con el mismo rigor que la información financiera, lo que dificulta la creación de valor a largo plazo y erosiona la confianza.
Un nuevo marco para la rendición de cuentas. El autor propone un cambio de mentalidad, pasando de simplemente rastrear costos de proyectos a entender el Costo Total de Propiedad (TCO) de aplicaciones, código y datos a lo largo de su ciclo de vida. Esto implica instrumentar métricas financieras a nivel de código, proyectar costos anuales e identificar ahorros potenciales por optimización. La recomendación de Gartner de "gestionar la tecnología como un negocio", incorporando en la planificación presupuestaria perspectivas técnicas, de servicios empresariales e inversiones, junto con un benchmarking sólido, es un paso en la dirección correcta para lograr esta tan necesaria transparencia.
5. La huella ambiental de la tecnología exige atención
Lo que falta en esta conversación es el grado en que la tecnología contribuye a la crisis ambiental que enfrenta el mundo.
El costo oculto de la abundancia. Aunque los estándares ESG (ambientales, sociales y de gobernanza) ganan terreno, el enorme impacto ambiental de la industria tecnológica suele pasarse por alto. El crecimiento exponencial de datos —2.5 quintillones de bytes creados diariamente, con proyecciones de 200 zettabytes para 2025— requiere un consumo energético enorme. Solo los centros de datos en EE. UU. consumen 73 mil millones de kilovatios-hora al año, equivalentes al consumo de seis millones de hogares, contribuyendo significativamente a las emisiones de carbono y a los residuos electrónicos.
Los centros de datos verdes no son suficientes. Grandes empresas tecnológicas como Microsoft y Google invierten fuertemente en "centros de datos verdes" alimentados por energías renovables, con la meta de operaciones libres de carbono. Aunque es loable, esto es solo parte de la solución. Si las aplicaciones que corren en estos centros son ineficientes y derrochadoras, consumiendo ciclos de CPU y recursos en exceso, el beneficio ambiental general se reduce. El autor sostiene que confiar únicamente en infraestructura verde genera una "falsa sensación de confort."
Hacia "aplicaciones certificadas verdes." Para abordar verdaderamente el impacto ambiental de la tecnología, el enfoque debe ir más allá de la infraestructura hacia las propias aplicaciones. Se necesita un sistema de calificación para "aplicaciones certificadas verdes", similar a las certificaciones LEED para edificios. Esto implicaría:
- Medir la huella de carbono de las aplicaciones.
- Optimizar código y procesos para reducir el consumo de recursos.
- Implementar gestión del ciclo de vida de los datos para controlar su crecimiento.
- Extender la vida útil del hardware.
Al hacer las aplicaciones más eficientes, las organizaciones pueden reducir significativamente la demanda de energía, refrigeración y recursos, traduciéndose en ahorros sustanciales de carbono y contribuyendo a un futuro más sostenible.
6. El Costo Total de Propiedad (TCO) debe incluir código y datos
¿Cuál es el Costo Total de Propiedad de la aplicación, el código o el proceso?
Más allá del precio de etiqueta. Así como el TCO de un automóvil incluye combustible, mantenimiento y depreciación más allá del precio de compra, el TCO tecnológico debe abarcar más que la adquisición inicial. Muchos proveedores subestiman los recursos necesarios, lo que provoca que los sistemas no cumplan expectativas en menos de un año y requieran costosas actualizaciones. Esta falta de previsión incrementa los gastos a lo largo de la vida útil de una aplicación, que suele ser de 10 a 20 años.
El costo acumulativo del código y los datos. Dos componentes críticos y a menudo ignorados del TCO son:
- Costo Total del Código: El código ineficiente, aunque parezca menor, consume más recursos (CPU, I/O, memoria) en cada ejecución. A lo largo de los años, esto se traduce en millones adicionales en costos de alojamiento, licencias y soporte. Optimizar el 5 % más ineficiente de los procesos puede generar ganancias de eficiencia del 40 al 80 %.
- Costo Total de los Datos: Más allá del almacenamiento, el crecimiento de datos implica "costos blandos" para gestión, mantenimiento, consultas y respaldo. La acumulación de datos, donde la información antigua nunca se archiva ni elimina, afecta significativamente el rendimiento y los gastos operativos.
Estos costos son dinámicos y crecen exponencialmente con la expansión del negocio y los datos, pero rara vez se consideran en las estimaciones iniciales del TCO.
FinOps y la brecha del TCO. Aunque FinOps busca llevar responsabilidad financiera al gasto en la nube, las herramientas actuales suelen limitarse al nivel de recursos, sin profundizar en las ineficiencias del código y las aplicaciones que impulsan los costos. Un modelo integral de TCO debe integrar:
- Costos iniciales: Instalación, personalización, migración, capacitación, licencias.
- Costos continuos: Mantenimiento, suscripciones, hardware (cómputo, memoria, almacenamiento, ancho de banda).
- Reducción de costos: Ahorros por dimensionamiento adecuado, optimización de procesos, reequilibrio de cargas, degradación de servicios y políticas de ciclo de vida de datos.
Este enfoque ofrece una visión financiera realista, permitiendo una gestión proactiva de costos y decisiones estratégicas de inversión, en lugar de ajustes presupuestarios reactivos.
7. Pasar de la resolución reactiva de problemas a la optimización proactiva
Nadie se pregunta: ¿Podríamos hacer lo que hacemos más rápido, mejor, más inteligente (es decir, más eficiente)?
La trampa del "apagafuegos". La cultura predominante en TI suele ser reactiva, centrada en prevenir caídas y resolver problemas inmediatos. Esta mentalidad de "apagafuegos" hace que se pasen por alto oportunidades para la optimización proactiva —hacer los sistemas más rápidos, mejores y más inteligentes— de forma constante. A menos que un sistema falle o se impongan recortes presupuestarios, los equipos rara vez revisan el código o los procesos existentes para mejorar la eficiencia, perpetuando un ciclo de desperdicio y oportunidades perdidas.
Priorizar impacto sobre esfuerzo. Para romper este ciclo, las organizaciones deben adoptar un enfoque estratégico hacia la optimización, priorizando acciones según su impacto potencial frente al esfuerzo y riesgo involucrados. Esto implica:
- Cambios de configuración: Optimizar ajustes del sistema operativo, plataforma o aplicación.
- Ajustes de recursos: Dimensionar adecuadamente servidores o servicios.
- Refinamiento de procesos: Auditar y deshabilitar procesos heredados, cambiar horarios o reducir mantenimiento.
- Optimización de código y datos: Mejorar índices, archivar datos, optimizar código y refactorizar estructuras de datos.
Estas acciones, cuando se miden antes y después de su implementación, demuestran un valor tangible más allá de simplemente resolver un problema.
Replantear la deuda técnica. La deuda técnica, a menudo vista como consecuencia negativa de soluciones "rápidas y sucias", puede reinterpretarse como "salud continua del producto". En lugar de ser un pensamiento posterior, abordar la deuda técnica debería convertirse en una práctica diaria, integrada en los sprints de desarrollo. Empoderar a los ingenieros para priorizar el "trabajo de corrección" y el "trabajo de inversión" junto con nuevas funcionalidades, y proporcionarles herramientas e incentivos para identificar y optimizar código ineficiente, es crucial para fomentar una mentalidad proactiva orientada a la eficiencia.
8. Traducir los logros técnicos en valor para el negocio
Hoy en día, se comunican los éxitos tecnológicos en términos técnicos a una audiencia empresarial que no entiende de tecnología.
La barrera del lenguaje. Los equipos técnicos suelen celebrar "logros" en términos de reducción de I/O, tiempos de ejecución más rápidos o menor uso de CPU. Aunque estos indicadores son significativos para los ingenieros, suelen ser incomprensibles para los líderes empresariales y CFOs, quienes necesitan entender el impacto en dólares, experiencia del cliente o ventaja estratégica. Esta brecha comunicativa impide que el verdadero valor de la tecnología sea reconocido y priorizado a nivel ejecutivo.
Cuantificar el impacto en términos empresariales. Para cerrar esta brecha, los logros tecnológicos deben traducirse en resultados de negocio. Por ejemplo, en lugar de reportar una reducción del 65 % en I/O, comunicar:
- "La duración total del informe se redujo de 35 a 4 días anuales, ahorrando 31 días de espera para los usuarios."
- "Ahorros estimados anuales de $31,807 en alojamiento en la nube, representando un ahorro de cinco años de $159,035."
Este enfoque aporta contexto, demostrando el valor financiero y operativo a largo plazo de los esfuerzos de optimización, facilitando la aprobación de futuras inversiones en eficiencia por parte de los interesados empresariales.
Construir un ciclo de retroalimentación. Un ciclo sistemático de retroalimentación es esencial para demostrar valor de forma continua. Esto implica:
- Establecer líneas base: Capturar rendimiento, tiempos de ejecución y metadatos antes de los cambios.
- Medir impacto: Cuantificar resultados "antes y después" de cada optimización.
- Comunicar valor: Presentar estos resultados en lenguaje empresarial, enfocándose en impactos a 1, 3 y 5 años.
- Integrar en hojas de ruta: Asegurar que los esfuerzos de optimización se incorporen consistentemente en el desarrollo de productos y la planificación presupuestaria.
Este proceso transforma a los desarrolladores en actores clave del negocio, alineando su trabajo con los objetivos organizacionales y fomentando una cultura donde la eficiencia se vincula directamente con la rentabilidad y la satisfacción del cliente.
9. Institucionalizar la eficiencia mediante cultura y herramientas
Necesitamos incorporar un ciclo de retroalimentación en nuestras herramientas para que los ahorros o eficiencias logrados con los cambios se comuniquen a los interesados del negocio.
Más allá del esfuerzo individual. Lograr eficiencia generalizada requiere más que esfuerzos aislados; demanda un cambio cultural y las herramientas adecuadas. La filosofía de "ahorrar un gramo al mes" de Ford Motor Company ilustra cómo pequeños esfuerzos constantes en toda una organización pueden generar ahorros masivos acumulados. En tecnología, esto significa que cada ingeniero, desarrollador y administrador debe estar empoderado e incentivado para identificar y actuar sobre las ineficiencias.
Empoderar a los ingenieros con responsabilidad. Una estrategia clave es crear ciclos de responsabilidad directa, donde los desarrolladores interactúen con clientes o vean el impacto en tiempo real de su código sobre costos y rendimiento. Esto fomenta un sentido de propiedad y los motiva a escribir código eficiente. Además, las evaluaciones laborales deben incluir métricas sobre eficiencia del código y consumo de recursos, no solo líneas de código o entrega de funcionalidades. Esto promueve una mentalidad de "salud continua del producto" en lugar de solo cumplir requisitos funcionales.
El papel de la analítica avanzada y la IA. Para escalar los esfuerzos de eficiencia en cientos o miles de aplicaciones y servidores, las organizaciones necesitan herramientas avanzadas. Estas deben:
- Proporcionar un "puntaje de eficiencia": Una métrica estandarizada para la eficiencia del código y las aplicaciones.
- Automatizar la medición de impacto: Cuantificar en tiempo real los ahorros financieros y operativos de las optimizaciones.
- Aprovechar IA/ML: Identificar anomalías, prever cargas futuras y recomendar acciones óptimas basadas en éxitos previos.
Al integrar estas capacidades, las organizaciones pueden superar evaluaciones manuales y subjetivas, adoptando un enfoque proactivo y basado en datos que impulsa sistemáticamente la eficiencia, reduce costos y asegura la sostenibilidad a largo plazo.
