Rippling 推出 AI 支出控制台
TechCrunch AI··作者 Julie Bort
关键信息
Rippling 表示，约 10% 至 15% 的员工消耗了大约 60% 的 AI 总支出，其中一名工程师每月花费高达 5 万美元。公司最初发现员工默认使用最昂贵的前沿模型，因此与 Cursor、OpenAI 和 Anthropic 等工具协商了消费上限，并自建网关来把使用流量引导到更便宜的模型上。
资讯摘要
Rippling 本周推出了 AI Spend Console，这是一款帮助企业监控并控制 AI 支出的产品。该工具可以按单个员工、团队和岗位追踪使用情况与投资回报率，公司表示它还能找出那些大量使用 AI 但并没有真正提升产出的人员。Rippling 说，这个想法来自内部的一次“预警”：年初公司大规模拥抱 AI 之后，发现 token 账单上涨速度远超预期。到了 3 月的一次高管会议上，CFO Adam Swiecicki 给出的数字让管理层非常震惊。Rippling 表示，公司当时预计 AI token 的支出将达到研发人员头部成本预算的 40%，也就是几乎相当于研发部门员工薪酬支出的很大一部分。
公司还发现支出按月增长 80%，如果这一趋势持续下去，第二年 AI token 的花费甚至可能接近研发员工薪酬成本的 90%。进一步分析后，Rippling 发现大约 10% 到 15% 的员工贡献了约 60% 的 AI 总支出，其中一名工程师每月花费高达 5 万美元。Rippling 并不想停止使用 AI，而是希望大幅收紧管理，因此它开始与 Cursor、OpenAI 和 Anthropic 等工具协商消费上限。公司还自建了一个 AI 网关，用来把提示词路由到更适合、也更省钱的模型，并表示 AI Spend Console 可以展示诸如每日提示词数量、代码产出、拉取请求和支出等指标。
资讯正文
HR 软件提供商 Rippling 本周推出了 AI Spend Console，这是一款反 tokenmaxxing 产品，帮助公司跟踪并控制其 AI 支出。其中最有意思的功能之一，是它能映射出单个员工、团队和岗位到底花了多少钱，以及他们是否真的更高效，还是只是在大量产出 AI 垃圾内容。
该公司表示，这款工具将展示“哪些工程师的 AI 支出很高，而他们的同事经常在代码审查中要求他们返工”，公司在其博客文章中这样写道。
这款工具的诞生，要追溯到今年年初 Rippling 彻底投入 tokenmaxxing 的时候——很多公司都这么做了——结果却发现员工在疯狂烧钱。首席产品官 Matt MacInnis 仍记得 3 月那次高管会议，当时 CFO Adam Swiecicki 报出的一组数字让大家大吃一惊。
Rippling 当时的趋势是，其研发部门的人力成本预算有 40% 会被 AI token 吞掉，也就是说，它在 token 上的花费会和该部门向员工支付的总薪酬中的 40% 一样多。那是数百万美元。（在大多数科技公司里，研发组织都承担着工程团队的职能。）
支出正以环比 80% 的速度增长，如果这种趋势继续下去，到第二年，公司在 AI token 上的花费将几乎和它在高薪研发部门员工身上的支出一样多，达到 90%。
“我们简直难以置信，”MacInnis 告诉 TechCrunch。
他说，管理层立刻启动了一个“紧急”项目，去弄清这些支出到底是什么，以及他们从这笔钱里得到了什么。事实上，这款新产品的发布广告里，Swiecicki 坐在一个凳子上，而员工们正在捡起成捆的钞票并把它们塞进碎纸机。
当 Rippling 对相关数据做分析时，发现了诸如“我们大约 10% 到 15% 的员工，带来了大约 60% 的 AI 总支出。某位工程师一个月花了 5 万美元”这样的事实，正如其博客文章所分享的那样。
Rippling 并不想停止使用 AI，只是想把它牢牢管住——力度要大得多。公司首先与内部使用的每一款工具协商最高支出上限：Cursor、OpenAI 和 Anthropic。它很快发现了一个显而易见的问题：员工在所有任务中都默认使用最新、也最昂贵的前沿模型。
“事实是，像 Anthropic 和 OpenAI 这样的推理提供商，绝对没有任何动力帮你控制支出。它们完全有动力让费用失控，而这正是它们在做的事。它们不会为你提供很好的使用洞察，也不会相互协作，”MacInnis 说。
这在 2026 年初是个普遍问题。如今，到了这一年的第八个月，企业已经弄清了几件事。首先，他们知道自己需要来自多个 AI 实验室、处于不同价位的多个模型，其中包括一个前沿的开源权重选项，或许还可能来自中国。
Rippling 创始人兼 CEO Parker Conrad 上个月指出，当公司针对内部用途自行做基准测试时，发现 SpaceX 的 Grok 在各方面都处于领先地位，但“GLM 5.2 比它便宜 85%，但[却]与前沿模型的性能几乎相同”。（SpaceX 现在拥有 Cursor，Cursor 提供对 Grok 以及数十种其他模型的访问。）如今，Z.ai 的 GLM 5.2 已成为科技公司中用于编码任务的一个特别受欢迎的中国模型。Databricks 也一直在力推它。
其次，企业现在知道自己需要一个 AI 网关，用来将提示词路由到最适合、最具成本效益的模型来完成任务。Rippling 也得出了同样的结论。于是它构建了自己的 AI 网关，而这也是这款产品的一部分。MacInnis 表示，已经在使用其他网关的企业仍然可以使用 AI Spend Console 产品，不过如果它们想要那些管理支出的功能，就需要使用 Rippling 的网关。
AI Spend Console 会生成仪表盘（在 tokenmaxxing 时代，这类东西曾被称为排行榜），用于对诸如每日提示词数量、工作产出（代码行数/拉取请求）以及支出等属性进行评分。
有了这套工具之后，Rippling 表示，其 token 支出已从相当于员工总数预算的 40% 降至约 15%。但公司并没有因此削减 AI 使用。MacInnis 透露，在 CFO 发出警告的那个月，公司 token 消耗一度达到 6050 亿的峰值。到了 7 月，内部使用量再次达到 6000 亿 tokens，然而“7 月 token 支出的成本只有 4 月 token 支出成本的 37%”，他说。
“这只是因为现在我们把流量路由到了更有效的模型上，”他说，还开玩笑称“我们不会让销售团队用 Fable 来做语法更新。”
但 Rippling 指出，技术解决方案并不够。公司找出了那些能高效使用 AI 的人，并让他们担任“AI captain”，负责帮助公司其他员工。
不过，MacInnis 说，将 AI 用于工程之外的这些努力仍处于推进中，因为到目前为止软件工程师一直是主要用户。不过，Rippling 目前正在客户入职团队中推进这一点，以自动化部分邮件数据和数据核对任务。随后，仪表盘将以新增客户数量来衡量生产力。
MacInnis 说：“我们必须能够把 G&A 职能和面向客户职能中的 token 消耗与生产力联系起来。如果做不到这一点，那么这整件事能否向更广泛的员工群体开放就全都没把握了。”
所以，如果 Rippling 可以作为一个例子，那么 tokenmaxxing 也许已经走向了另一个极端，以至于员工使用 AI 的权限可能不再像 Slack 或电子邮件那样普遍。如果公司无法衡量生产力，那么所有员工也许都无法获得访问权限。
至于这款产品，AI Spend Console 包含在 Rippling 的 HR 订阅中，不过还会产生额外的 AI 按使用量计费成本。MacInnis 说，它也可以作为独立产品单独购买，并与另一套 HR 系统记录集成。
来源与参考
收录于 2026-08-08