28.492,61 USD.
Ese fue el gasto de AWS en un solo mes. Miré la cifra en el panel de Cost Explorer y refresqué la página esperando un error o un recurso sin etiquetar. No lo era.
La cifra era real y estaba subiendo rápidamente.
Nuestro cliente, una plataforma B2B SaaS con gran consumo de datos, había duplicado su base de usuarios en seis meses. El producto crecía, el equipo lanzaba funciones con rapidez, pero la infraestructura se estaba ahogando y la factura de la nube se había convertido en un tren fuera de control.
En teoría los costes en la nube deben escalar con el uso. En la práctica estaban escalando por la ineficiencia.
La arquitectura, basada en instancias EC2 tradicionales, clusters RDS y workers en ejecución continua, estaba pensada para disponibilidad, no para eficiencia. A las dos de la madrugada, servicios de cómputo y almacenamiento seguían activos consumiendo presupuesto como si fuera hora pico.
Como consultores experimentados en AWS detectamos que no era solo un problema de coste, era un problema de diseño. Lo que siguió fue replantear todo desde cero. A continuación explicamos exactamente qué hicimos y cómo.
FASE 1 Comprender el problema
Antes de arreglar nada tuvimos que identificar qué estaba provocando el gasto. Analizamos los informes de facturación de AWS, dashboards de uso y logs de CloudWatch para ver a dónde se iba el dinero y qué componentes consumían más recursos.
Detectamos patrones claros: instancias EC2 funcionando 24 7 aun sin tráfico, bases RDS sobredimensionadas para picos que rara vez llegaban, jobs en segundo plano ejecutándose continuamente y ausencia de autoscaling en muchos servicios. Muchas tareas se disparaban por cron y no por actividad real de usuarios, así que el sistema estaba siempre encendido.
Quedó claro que el problema no era solo la factura, era la forma en que el sistema estaba diseñado para operar. No bastaba optimizar costes, hacía falta una nueva arquitectura.
FASE 2 Planificación de la migración serverless
Con el diagnóstico listo planificamos la migración sin apresurarnos. El sistema estaba en producción y cualquier error podía afectar al negocio así que optamos por un enfoque incremental con un objetivo claro reemplazar primero las partes más caras e ineficientes.
Decidimos empezar por jobs en segundo plano que no requieren ejecución continua, tareas de procesamiento de datos programadas y flujos internos que no forman parte del camino crítico para el usuario. Eran cambios de bajo riesgo con alto impacto en coste.
Herramientas elegidas
Optamos por una arquitectura serverless que solo consume cuando se usa. Empleamos Lambda para código sin servidores, API Gateway para la capa de entradas, Amazon SQS para encolar tareas, Step Functions para orquestación, EventBridge para eventos y DynamoDB como almacenamiento escalable y económico. Con este stack pagábamos por uso y evitábamos recursos ociosos.
Enfoque de migración
Siguieron pasos estrictos empezar con tareas no críticas, probar en staging, desplegar con feature flags para poder revertir rápido, monitorizar rendimiento y coste de forma cercana. No solo cambiamos tecnología, cambiamos la forma de operar el sistema.
FASE 3 Ejecución
Empezamos con un job nocturno que procesaba informes de usuarios. Era simple, aislado y consumía muchos recursos. Reescribimos ese job como función Lambda, lo conectamos a EventBridge y SQS para disparos por datos nuevos y encolado, configuramos CloudWatch para monitorizar ejecuciones y errores, probamos en staging y lanzamos gradualmente con feature flags empezando por el 10 por ciento de usuarios.
Construimos además una pipeline CI CD con GitHub Actions y AWS CodePipeline para despliegues automatizados y seguros. Ese patrón se replicó semana a semana, transformando funciones y procesos uno a uno hacia componentes serverless y orientados a eventos.
Tuvimos retos en el camino algunas Lambdas tardaban en arrancar, lo solventamos reduciendo paquetes y usando Provisioned Concurrency donde hacía falta. Migrar de RDS a DynamoDB implicó replantear modelos de datos, pero ganó en rendimiento y coste. El debugging con microservicios resultó más complejo y lo resolvimos con logs centralizados CloudWatch, AWS X Ray y dashboards en Grafana.
Poco a poco sustituimos el sistema monolítico por componentes event driven. El rendimiento mejoró, la latencia bajó y lo más importante el coste comenzó a descender.
FASE 4 Resultados
La transición a serverless redujo de forma significativa la factura de la nube. En este caso logramos una reducción del 60 por ciento casi inmediata y en escenarios optimizados y con mayores refactorizaciones es posible alcanzar reducciones cercanas al 90 por ciento dependiendo de la carga y arquitectura previa.
El sistema se volvió más rápido y estable ante picos de tráfico. La seguridad y el monitoreo mejoraron gracias a controles de acceso más restrictivos y logging centralizado. El equipo de desarrollo ganó velocidad al trabajar con funciones pequeñas, despliegues automáticos y rollback sencillo.
Al final no se trató solo de ahorrar. Se trató de construir mejor, movernos más rápido y recuperar control sobre la infraestructura y costes cloud.
Sobre Q2BSTUDIO
En Q2BSTUDIO somos una empresa de desarrollo de software especializada en aplicaciones a medida y software a medida. Ofrecemos servicios cloud aws y azure, soluciones de inteligencia artificial e IA para empresas, implementación de agentes IA, servicios de inteligencia de negocio y visualización con power bi. Además proporcionamos experiencia en ciberseguridad para proteger datos y operaciones en entornos cloud y locales.
Trabajamos con clientes B2B para diseñar arquitecturas eficientes y escalables que combinan aplicaciones a medida, inteligencia artificial y servicios inteligencia de negocio. Nuestro objetivo es reducir costes operativos, mejorar rendimiento y acelerar la entrega de valor mediante prácticas como la adopción de serverless, automatización CI CD y observabilidad integral.
Si necesitas optimizar tus costes cloud, migrar cargas a soluciones serverless en AWS o Azure, integrar agentes IA o desarrollar software a medida con seguridad y escalabilidad, en Q2BSTUDIO podemos ayudar. Combinamos experiencia técnica en ciberseguridad, inteligencia artificial y power bi para ofrecer soluciones completas que mejoran tanto la eficiencia técnica como el retorno de inversión.
Palabras clave
aplicaciones a medida software a medida inteligencia artificial ciberseguridad servicios cloud aws y azure servicios inteligencia de negocio ia para empresas agentes IA power bi