Rippling 在几个月内在人工智能上投入了数百万美元后，它开发了一个员工投资回报率工具

人力资源软件提供商 Rippling 本周推出了 AI Spend Console，这是一款反代币最大化产品，可帮助公司跟踪和控制其人工智能支出。最有趣的功能之一是，它映射了单个员工、团队和角色的支出情况，以及他们是否真正提高了生产力，或者通常会产生更多的人工智能废液。该公司在其博客文章中表示，该工具将显示“哪些工程师拥有较高的人工智能支出，哪些工程师的同事经常要求他们重做代码审查工作”。该工具是在年初 Rippling 全力投入 tokenmaxxing 之后诞生的——正如许多人所做的那样——却发现员工在疯狂烧钱。首席产品官马特·麦金尼斯 (Matt MacInnis) 仍然记得 3 月份的执行团队会议，当时首席财务官 Adam Swiecicki 提出了一个令他们震惊的数字。 Rippling 有望将其研发人员预算的 40% 烧在 AI 代币上，这意味着它在代币上的支出相当于该部门员工薪酬的 40%。数百万美元。 （研发部门是大多数科技公司的工程部门。）支出逐月增长 80%，如果这种趋势持续下去，明年它在 AI 代币上的支出将几乎与在高薪研发部门员工上的支出一样多（90%）。 “我们感到难以置信，”麦金尼斯告诉 TechCrunch。他说，管理层立即开展了一项“紧急”项目，以了解支出以及这些钱的用途。事实上，在这款新产品的发布广告中，Swiecicki 坐在凳子上，而员工们正在捡起一叠现金并将其倒入碎纸机中。 Rippling 进行分析时发现，“大约 10-15% 的员工推动了人工智能总支出的 60% 左右。一名工程师每月花费 5 万美元”，其博客文章分享道。 Rippling 并不想停止人工智能的使用，只是想控制它——很多。它首先与其公司使用的每种工具协商最高支出上限：Cursor、OpenAI 和 Anthropic。它立即发现了一个明显的问题：员工默认使用最新且最昂贵的前沿模型来完成所有任务。 “事实是，像 Anthropic 和 OpenAI 这样的推理提供商绝对没有动机帮助你控制支出。他们完全有动机让它成为一项失控的支出，而这正是他们所做的。他们不为你提供很好的使用洞察力，而且他们不相互合作，”MacInnis 说。这是 2026 年初的一个常见问题。现在，今年已经过去八个月了，企业已经弄清楚了一些事情。首先，他们知道他们需要来自多个人工智能实验室的多种价位的模型，其中包括可能来自中国的前沿开放权重选项。 Rippling 创始人兼首席执行官 Parker Conrad 上个月指出，当他的公司为其内部用途进行基准测试时，发现 SpaceX 的 Grok 是全面领先者，但“GLM 5.2 便宜 85%，但性能与前沿模型几乎相同”。 （SpaceX 现在拥有 Cursor，它可以访问 Grok 和数十种其他模型。）Z.ai 的 GLM 5.2 已成为当今科技公司特别喜欢的中国编码任务模型。 Databricks 也一直在支持它。其次，企业现在知道他们需要一个人工智能网关，将提示路由到最佳、最具成本效益的任务模型。涟漪也得出了这个结论。因此它建立了自己的人工智能网关，这也是该产品的一部分。 MacInnis 表示，已经使用其他网关的企业有可能仍然使用 AI Spend Console 产品，但如果他们想要管理支出的功能，则需要使用 Rippling 的网关。 AI Spend Console 生成仪表板（在代币最大化时代曾经被称为排行榜），对每日提示等属性与工作输出（代码行/拉取请求）和支出相结合进行评分。 Rippling 表示，有了这个工具，它的代币支出从占员工预算的 40% 下降到了 15% 左右。但这并没有限制人工智能的使用。 MacInnis 表示，在首席财务官发出警告的那个月，该公司花费了 6050 亿代币的峰值。 7 月份，内部使用量再次达到 6000 亿枚代币，但“7 月份的代币支出成本是 4 月份代币支出成本的 37%，”他说。 “那只是因为现在我们正在转向更有效的模型，”他开玩笑说，“我们不会让销售团队使用 Fable 进行语法更新。”但瑞波林指出，技术解决方案还不够。该公司找到了有效使用人工智能的人，并任命他们为“人工智能队长”，负责协助公司其他部门。麦金尼斯表示，尽管如此，在工程之外使用人工智能的努力仍在进行中，因为迄今为止软件工程师一直是主要用户。但例如，Rippling 正在为客户入职团队开发这项技术，以自动执行一些邮件数据和数据协调任务。然后，仪表板将根据 onbo 衡量生产力