После того как Rippling за несколько месяцев потратила миллионы на ИИ, она создала инструмент для расчёта ROI сотрудников

Поставщик HR-софта Rippling на этой неделе представил AI Spend Console — продукт для борьбы с максимизацией расхода токенов, который помогает компаниям отслеживать и сдерживать расходы на ИИ. Одна из самых интересных функций — отображение того, сколько тратят отдельные сотрудники, команды и специалисты на определённых должностях, а также действительно ли они становятся продуктивнее или в целом производят больше ИИ-«шлака».

Компания обещает, что инструмент покажет, «какие инженеры отличаются высокими расходами на ИИ, а их коллеги часто просят их переделать работу в ходе ревью кода», говорится в сообщении в блоге компании.

Инструмент появился после того, как в начале года Rippling полностью перешла на максимизацию расхода токенов — как и многие другие, — и обнаружила, что сотрудники безудержно сжигают деньги. Директор по продукту Мэтт Макиннис до сих пор помнит совещание руководства в марте, когда финансовый директор Адам Свецкицки представил ошеломившую их цифру.

Rippling шла к тому, чтобы потратить на токены ИИ 40% бюджета на сотрудников отдела исследований и разработок, то есть расходы на токены были сопоставимы с 40% всей компенсации, выплачиваемой сотрудникам этого подразделения. Речь шла о миллионах долларов. (В большинстве технологических компаний в подразделение исследований и разработок входит инженерная команда.)

Расходы росли на 80% месяц к месяцу, и если бы эта тенденция продолжилась, в следующем году компания тратила бы на токены ИИ почти столько же — 90%, — сколько на высокооплачиваемых сотрудников подразделения исследований и разработок.

«Мы не могли в это поверить», — рассказал Макиннис TechCrunch.

По его словам, руководство немедленно запустило «срочный» проект, чтобы понять структуру расходов и выяснить, что компания получает за эти деньги. На самом деле рекламный ролик нового продукта начинается с того, что Свецкицки сидит на табурете, пока сотрудники подбирают пачки наличных и бросают их в бумагоизмельчитель.

Проведя анализ, Rippling обнаружила, в частности, что «примерно 10–15% наших сотрудников формировали около 60% общих расходов на ИИ. Один инженер тратил 50 000 долларов в месяц», говорится в сообщении компании в блоге.

Rippling не хотела полностью прекращать использование ИИ — компания лишь стремилась существенно его ограничить. Для начала она договорилась о максимальном лимите расходов с каждым из используемых инструментов: Cursor, OpenAI и Anthropic. Компания сразу обнаружила очевидную проблему: по умолчанию сотрудники использовали самые новые и самые дорогие передовые модели для любых задач.

«Правда в том, что у поставщиков инференса, таких как Anthropic и OpenAI, совершенно нет стимулов помогать вам контролировать расходы. У них есть все стимулы превратить их в неконтролируемые траты — именно этим они и занимаются. Они не предоставляют вам качественной информации об использовании и не взаимодействуют друг с другом», — сказал Макиннис.

Это была распространённая проблема начала 2026 года. Теперь, спустя восемь месяцев после начала года, компании разобрались как минимум в двух вещах. Во-первых, им нужны несколько моделей от разных ИИ-лабораторий с разными ценовыми уровнями, включая передовую модель с открытыми весами, возможно китайского происхождения.

Основатель и генеральный директор Rippling Паркер Конрад отметил в прошлом месяце, что в ходе собственных тестов для внутренних задач компания выяснила: Grok от SpaceX лидирует по совокупности показателей, но «GLM 5.2 на 85% дешевле, при этом [демонстрирует] практически идентичную производительность» по сравнению с передовыми моделями. (SpaceX теперь владеет Cursor, который предоставляет доступ к Grok и десяткам других моделей.) GLM 5.2 от Z.ai в последнее время стала особенно популярной китайской моделью для задач программирования среди технологических компаний. Databricks также активно продвигает её.

Во-вторых, компании теперь знают, что им нужен ИИ-шлюз, который направляет запросы к лучшей и наиболее экономичной модели для конкретной задачи. Rippling пришла к такому же выводу. Поэтому компания создала собственный ИИ-шлюз, который также входит в этот продукт. Макиннис говорит, что компании, уже использующие другой шлюз, всё равно могут пользоваться AI Spend Console, однако для работы функций управления расходами им потребуется шлюз Rippling.

AI Spend Console формирует информационные панели (в эпоху максимизации расхода токенов их называли рейтингами), где оцениваются такие показатели, как количество запросов в день в сочетании с результатами работы (число строк кода и запросов на слияние) и расходами.

После внедрения этого инструмента Rippling сообщила, что сократила расходы на токены с 40% бюджета на сотрудников примерно до 15%. При этом компания не стала ограничивать использование ИИ. По словам Макинниса, в месяц, когда финансовый директор вынес своё предупреждение, компания достигла пикового показателя в 605 млрд токенов. В июле внутреннее использование снова достигло 600 млрд токенов, однако «стоимость июльских расходов на токены составила 37% стоимости расходов на токены в апреле», сказал он.

«Это произошло просто потому, что теперь мы направляем запросы к более эффективным моделям», — сказал он, пошутив, что «мы не позволяем отделу продаж выполнять грамматические правки с помощью Fable».

Однако, отмечает Rippling, одних технологических решений недостаточно. Компания выявила людей, эффективно использующих ИИ, и назначила их «капитанами ИИ», поручив им помогать остальным сотрудникам.

Тем не менее такие попытки использовать ИИ за пределами инженерных задач пока находятся в процессе развития, говорит Макиннис: до сих пор основными пользователями были инженеры-программисты. Но Rippling, например, работает над применением ИИ в командах, отвечающих за подключение клиентов, чтобы автоматизировать некоторые задачи, связанные с почтовыми данными и сверкой данных. Затем информационная панель будет измерять продуктивность с точки зрения подключения новых клиентов.

«Мы должны уметь связывать потребление токенов в административных и общехозяйственных функциях, а также в функциях, ориентированных на клиентов, с продуктивностью. Если мы не сможем этого сделать, то нельзя будет гарантировать, что всё это станет доступно более широкому кругу сотрудников», — говорит Макиннис.

Таким образом, если судить по примеру Rippling, максимизация расхода токенов могла настолько сильно качнуться в обратную сторону, что доступ сотрудников к ИИ больше не будет таким же повсеместным, как доступ к Slack или электронной почте. Если компания не может измерить продуктивность, доступ может быть закрыт не для всех сотрудников.

Что касается самого продукта, AI Spend Console входит в подписку на HR-сервисы Rippling, хотя предусмотрены дополнительные расходы в зависимости от объёма использования ИИ. По словам Макинниса, продукт также можно приобрести отдельно и интегрировать с другой системой, выступающей в качестве основной HR-системы.