数月烧掉数百万美元AI支出后，Rippling推出员工ROI追踪工具

HR软件供应商Rippling本周推出了AI Spend Console，这是一款反tokenmaxxing产品，帮助企业追踪并控制其AI支出。其中最有趣的功能之一是，它能够映射出每位员工、每个团队和每个角色的花费情况，以及他们是否真正提高了生产力，还是总体上制造了更多AI垃圾内容。 该公司承诺，该工具将显示“哪些工程师的AI支出较高，而其同事却经常要求他们在代码审查中返工”，Rippling在博客中写道。 这款工具的诞生源于今年年初Rippling全力投入tokenmaxxing潮流——正如许多企业所做的那样——结果却发现员工在疯狂烧钱。首席产品官Matt MacInnis仍记得3月份的高管会议，当时CFO Adam Swiecicki展示了一个令他们震惊的数字。 Rippling的AI token支出正以占研发人员预算40%的速度燃烧，这意味着其token支出相当于该部门所有员工薪酬总额的40%。那是数百万美元。（在多数科技公司中，研发部门正是工程团队所在地。） 支出按月增长80%，如果这一趋势持续，明年其AI token支出将接近研发高薪员工总薪酬的90%。 “我们简直难以置信，”MacInnis告诉TechCrunch。 管理层立即启动了一项“紧急”项目，以了解这些支出及其回报。事实上，这款新产品的发布广告中，Swiecicki坐在凳子上，而员工们正抓起大把钞票扔进碎纸机。 当Rippling展开分析时，发现了一些事实，例如“大约10%到15%的员工贡献了约60%的AI总支出。一名工程师每月花费5万美元，”其博客中写道。 Rippling并不想阻止AI使用，而是想要大幅收敛。它首先与公司使用的每个工具（Cursor、OpenAI和Anthropic）协商设置了最高支出上限。随后，它立即发现了一个显而易见的问题：员工默认使用最新、最昂贵的尖端模型来处理所有任务。 “事实是，像Anthropic和OpenAI这样的推理提供商绝对没有动力帮助你控制支出。他们有一切动力让支出失控，而这正是他们所做的。他们不提供良好的使用洞察，也彼此不协作，”MacInnis说。 这是2026年初的常见问题。现在，八个月过去，企业已经明白了几件事。首先，他们知道自己需要来自多个AI实验室、价格各异的多种模型，包括一个开放权重的前沿选项，或许来自中国。 Rippling创始人兼CEO Parker Conrad上个月指出，当他的公司为内部使用进行自己的基准测试时，发现SpaceX的Grok是全面领先者，但“GLM 5.2便宜85%，性能却与前沿模型几乎相同”。（SpaceX现在拥有Cursor，后者提供对Grok和几十种其他模型的访问。）Z.ai的GLM 5.2如今已成为科技公司编码任务中特别受欢迎的中国模型。Databricks也一直在推崇它。 其次，企业现在知道自己需要一个AI网关，将提示词路由到最适合、最具成本效益的模型。Rippling也得出了同样的结论。因此，它构建了自己的AI网关，这也是该产品的一部分。MacInnis表示，已经使用其他网关的企业仍然可以使用AI Spend Console产品，但如果他们想要控制支出的功能，则需要使用Rippling的网关。 AI Spend Console生成仪表板（在tokenmaxxing时代曾被称为排行榜），评估诸如每日提示次数结合工作产出（代码行数/拉取请求）和支出等属性。 Rippling表示，通过这一工具，其token支出已从人员预算的40%降至约15%。但这并没有减少AI使用量。MacInnis透露，在CFO发出警告的那个月，公司消耗了6050亿token的峰值。7月份，内部使用量再次达到6000亿token，然而“7月份token支出的成本仅为4月份成本的37%”。 “这只是因为我们现在将请求路由到更高效的模型，”他说，并开玩笑说“我们不会让销售团队使用Fable做语法更新。” 但Rippling指出，仅靠技术解决方案还不够。公司发现了高效使用AI的员工，并将他们设为“AI船长”，负责协助公司其他部门。 不过，MacInnis表示，将AI用于工程之外的努力仍在进行中，因为迄今为止软件工程师是主要使用者。但Rippling例如正在为客户入职团队开发相关功能，以实现部分邮件数据和数据对账任务的自动化。仪表板随后将以成功接入更多客户来衡量生产力。 “我们必须能够将总务行政和面向客户职能中的token消耗与生产力挂钩。如果我们做不到，那么所有这些功能对更广泛员工群体来说都无从谈起，”MacInnis说。 因此，如果以Rippling为例，tokenmaxxing或许已经走到了另一极端，以至于员工的AI访问权限可能不再像Slack或电子邮件那样普遍。如果公司无法衡量生产力，那么可能并非所有员工都能获得访问权限。