Rippling запустила AI Spend Console для контроля расходов сотрудников на ИИ

HR-платформа Rippling на этой неделе представила AI Spend Console, инструмент, который отслеживает, сколько отдельные сотрудники, команды и роли тратят на ИИ-токены, и сопоставляет эти траты с реальной продуктивностью, а не просто с объёмом сгенерированного кода. Компания описывает его как средство против «tokenmaxxing», бесконтрольного наращивания использования ИИ.

Продукт появился после того, как в начале года Rippling сама попала в эту ловушку. Директор по продукту Мэтт Макиннис вспоминает совещание руководства в марте, на котором финансовый директор Адам Свецицки представил шокирующую цифру: компания была на пути к тому, чтобы сжигать на ИИ-токенах 40% всего бюджета на зарплаты в подразделении R&D, миллионы долларов, а расходы росли на 80% в месяц. При сохранении такого темпа через год траты на токены достигли бы 90% от фонда оплаты труда высокооплачиваемых R&D-сотрудников.

Внутренний анализ показал: примерно 10, 15% сотрудников создавали около 60% всех ИИ-расходов, а один инженер тратил на токены $50 000 в месяц. Одной из причин оказалось то, что сотрудники по умолчанию использовали самые новые и самые дорогие топовые модели для любых задач. Компания не стала запрещать использование ИИ, а решила взять его под контроль: сначала договорилась с Cursor, OpenAI и Anthropic о лимитах расходов, а затем построила собственный ИИ-шлюз (gateway), который направляет каждый запрос к наиболее подходящей и экономичной модели. Часть функций AI Spend Console, связанных именно с управлением расходами, работает только через этот собственный шлюз Rippling.

Внутренние бенчмарки Rippling, о которых в прошлом месяце рассказал основатель и гендиректор Паркер Конрад, показали, что лучшей моделью по совокупности качеств оказался Grok (в тексте источника её называют моделью SpaceX, которая теперь также владеет Cursor), но китайская GLM 5.2 от Z.ai показала почти такое же качество при цене на 85% ниже, и стала особенно популярной среди технокомпаний моделью для задач кодирования; её также продвигает Databricks.

В результате доля ИИ-расходов в бюджете на зарплаты R&D упала с 40% до примерно 15%, но объём использования ИИ не сократился. В пиковый месяц (когда финдиректор бил тревогу) компания потратила 605 млрд токенов, а в июле, снова около 600 млрд, при этом стоимость июльского потребления составила лишь 37% от стоимости апрельского при сопоставимом объёме, то есть расходы на токен упали примерно на 63% благодаря маршрутизации на более эффективные модели. Помимо технологии, Rippling выявила сотрудников, эффективно использующих ИИ, и назначила их «ИИ-капитанами», которые помогают остальным. Пока основными пользователями остаются инженеры; распространение практики на другие функции, например, автоматизацию онбординга клиентов, находится на ранней стадии.

AI Spend Console входит в подписку Rippling для HR-клиентов (с дополнительной оплатой по факту использования ИИ) и может продаваться отдельно, интегрируясь с другой HR-системой учёта.

Ключевые факты

Rippling была на пути сжечь 40% бюджета на зарплаты R&D на ИИ-токены (рост 80% в месяц), при таком темпе через год траты достигли бы 90% фонда оплаты труда подразделения
10, 15% сотрудников создавали около 60% всех ИИ-расходов, один инженер тратил $50 000 в месяц
Компания построила собственный ИИ-шлюз, маршрутизирующий запросы к самой экономичной подходящей модели, а по внутренним бенчмаркам лидером по совокупности качеств оказался Grok, при этом GLM 5.2 от Z.ai показала почти такое же качество при цене на 85% ниже
После внедрения доля расходов упала с 40% до ~15% бюджета без сокращения объёма использования: 605 млрд токенов в пиковый месяц против 600 млрд в июле, но при стоимости июльского потребления в 37% от апрельского, то есть расходы на токен снизились примерно на 63%
AI Spend Console включён в HR-подписку Rippling (с доплатой по факту использования ИИ) или продаётся отдельно с интеграцией в другую HR-систему

Почему это важно

История Rippling, конкретный, снабжённый цифрами пример того, как быстро корпоративные траты на ИИ-токены выходят из-под контроля в 2026 году: рост на 80% в месяц довёл расходы почти до половины фонда оплаты труда целого подразделения. Компания не просто пожаловалась на проблему, а показала масштаб (605 млрд токенов, $50 000 на одного инженера) и выпустила готовый продукт для её решения, это редкий прозрачный кейс, а не абстрактное предупреждение.

Кому это важно

В первую очередь, компаниям, где инженерные команды массово используют ИИ-инструменты для кода (Cursor, модели OpenAI и Anthropic), а также финансовым директорам и директорам по продукту, отвечающим за ИИ-бюджеты. Полезно и HR-платформам-конкурентам, и любой организации, столкнувшейся с похожим взрывным ростом трат на токены без понятной отдачи.

Как это применить

Из кейса Rippling следует конкретная последовательность шагов: сначала зафиксировать лимиты расходов по каждому используемому ИИ-инструменту, затем развернуть или подключить ИИ-шлюз, маршрутизирующий задачи к наиболее экономичной подходящей модели (не всегда самой новой и дорогой), и параллельно измерять не только объём токенов, но и реальную продуктивность, например, долю кода, который коллеги просят переделать на код-ревью. Отдельно стоит выявлять и поощрять сотрудников, эффективно использующих ИИ, как внутренних наставников.

Можно ли доверять

Материал TechCrunch основан на интервью с директором по продукту Rippling Мэттом Макиннисом и цитатах из блога компании; часть цифр (общая сумма трат в долларах, число «ИИ-капитанов», точная стоимость отдельного продукта) в источнике не раскрыта. Это кейс вендора о собственном продукте, цифры эффективности (падение расходов, экономия GLM 5.2) исходят от самой компании и не подтверждены независимой стороной, что не отменяет их конкретики, но требует поправки на самоотчётность.

Риски и подводные камни

Часть функций управления расходами AI Spend Console работает только через собственный ИИ-шлюз Rippling, это создаёт привязку к её инфраструктуре. Источник не раскрывает точную цену отдельной подписки на продукт (сказано лишь про «дополнительные расходы по факту использования ИИ»), не называет общую сумму трат Rippling на ИИ в долларах и не уточняет масштаб программы «ИИ-капитанов». Распространение подхода за пределы инженерных команд, по словам самой компании, пока на ранней стадии.

«Правда в том, что провайдеры инференса, такие как Anthropic и OpenAI, совершенно не заинтересованы помогать вам контролировать расходы. Им, наоборот, выгодно, чтобы траты росли бесконтрольно, именно так они себя и ведут. Они не дают внятной аналитики использования и не сотрудничают друг с другом.»

— Мэтт Макиннис, директор по продукту Rippling