HR软件公司Rippling本周推出了AI Spend Console，这是一款帮助企业追踪和控制AI支出的产品，旨在解决企业内部AI Token滥用问题。其中一项核心功能是追踪各员工、团队和岗位的AI消费情况，并评估其是否真正提升了生产力，还是仅仅产出了大量低质量的AI内容。
该工具的诞生源于Rippling年初全面押注AI后发现员工大量烧钱的亲身经历。首席产品官Matt MacInnis回忆，今年3月的高管会议上，CFO Adam Swiecicki公布了一个令所有人震惊的数字：公司在AI Token上的支出已相当于R&D部门全体员工薪酬总额的40%，且支出正以每月80%的速度增长。若趋势持续，下一年Token支出将达到R&D员工薪酬的90%。
经过深入分析，Rippling发现约10%至15%的员工贡献了约60%的AI总支出，其中一名工程师单月消费高达5万美元。
Rippling随即采取行动，与Cursor、OpenAI和Anthropic等工具供应商协商设定了最高消费上限，并发现员工普遍默认使用最新、最昂贵的前沿模型处理所有任务。
MacInnis指出，推理服务商如Anthropic和OpenAI没有任何动力帮助企业控制支出，也不提供详细的使用洞察，更不与其他供应商协作共享数据。
Rippling由此得出结论：企业需要同时使用来自多家AI厂商、不同价位的多个模型，包括开源前沿模型。Rippling创始人兼CEO Parker Conrad上月透露，公司内部基准测试发现，SpaceX旗下的Grok综合表现最佳，而Z.ai的GLM 5.2虽比前沿模型便宜85%，性能却几乎相当。GLM 5.2目前已成为众多科技公司在编程任务中的首选中国模型，Databricks也对其大力推介。
此外，企业还需要一个AI网关，将请求路由至最适合、最具性价比的模型。Rippling为此自建了AI网关，并将其整合进AI Spend Console产品中。
借助这套工具，Rippling将Token支出占比从40%降至约15%，但并未压缩AI使用量。CFO发出警告当月，公司内部Token使用量峰值达6050亿，而今年7月再次达到6000亿Token，但7月的Token支出成本仅为4月的37%。
Rippling还从内部挖掘出高效使用AI的员工，将其任命为"AI队长"，协助其他同事提升AI使用效率。目前，工程师仍是AI的主要使用群体，但Rippling正在探索将AI应用于客户入职团队，自动化邮件数据处理和数据核对等任务，并通过客户入职数量来衡量生产力提升效果。
MacInnis表示，如果无法将G&A职能和客户服务职能中的Token消耗与生产力挂钩，就无法将AI工具推广至更广泛的员工群体。
AI Spend Console已包含在Rippling的HR订阅套餐中，但会产生额外的AI使用费用，也可作为独立产品购买，并与其他HR系统集成。
Q&A
Q1：Rippling AI Spend Console是什么？它能解决什么问题？
A：AI Spend Console是Rippling推出的一款AI支出管理工具，帮助企业追踪和控制AI Token消费。它能显示各员工、团队和岗位的AI支出情况，并评估支出是否真正带来了生产力提升，从而避免企业在AI上盲目烧钱。
Q2：Rippling是如何将AI Token支出大幅压缩的？
A：Rippling采取了多项措施：与Cursor、OpenAI、Anthropic等供应商协商设定消费上限；自建AI网关，将请求智能路由至性价比最高的模型；引入GLM 5.2等低成本高性能模型替代昂贵的前沿模型。最终Token支出占R&D人力成本的比例从40%降至约15%，而7月的Token使用量与4月相当，成本却只有4月的37%。
Q3：GLM 5.2为什么受到科技公司青睐？
A：GLM 5.2是Z.ai推出的中国AI模型，在编程任务上表现出色，性能与主流前沿模型几乎相当，但成本低约85%。Rippling内部测试证实了这一点，Databricks也对其大力推介，使其成为当前科技公司控制AI成本的热门选择。
