Rippling在AI上数月烧掉数百万美元后，打造了员工ROI工具

# 在数月内烧掉数百万美元于AI后，Rippling 打造了一款员工ROI工具 | TechCrunch Source: https://techcrunch.com/2026/08/07/after-rippling-blew-millions-on-ai-in-months-it-built-an-employee-roi-tool/ HR软件供应商 Rippling 本周发布了 AI Spend Console（[链接](https://www.rippling.com/blog/introducing-ai-spend-console)），这是一款反 tokenmaxxing 的产品，旨在帮助企业跟踪并控制AI支出。其中最有趣的功能之一是，它能显示单个员工、团队和职位在AI上的支出，并判断他们是否真正提高了生产力，或者只是在制造更多AI垃圾内容。 该公司承诺，该工具将显示“哪些工程师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](https://www.rippling.com/blog/introducing-ai-spend-console)中表示。 这款工具诞生之前，Rippling 在年初全力拥抱 tokenmaxxing——就像许多公司一样——结果却发现员工在疯狂烧钱。首席产品官 Matt MacInnis 至今仍记得3月那次高管会议，当时首席财务官 Adam Swiecicki 展示了一个令他们震惊的数字。 Rippling 当时正以 AI token 消耗掉其研发部门人力预算的40%——也就是说，它在 token 上的支出相当于该部门员工薪酬总额的40%。那可是数百万美元。（在大多数科技公司，研发部门是工程团队所在。） 支出以每月80%的速度增长，如果这一趋势持续下去，下一年它在AI token上的支出将几乎达到其高薪研发部门员工薪酬的90%。 “我们简直难以置信，”MacInnis 告诉 TechCrunch。 他说，管理层立即启动了一个“紧急”项目，以了解支出以及这些钱换来了什么。事实上，这款新产品的[发布广告](https://www.youtube.com/watch?v=_haQBAsPa5E)中，Swiecicki 坐在凳子上，员工们则抱起一捆捆现金扔进碎纸机。 Rippling 在分析后发现，事实包括“大约10%到15%的员工贡献了约60%的AI支出。一位工程师每月花费5万美元。”其博客文章分享道。 Rippling 并不想停止使用AI，只是要大加控制。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。它很快发现了一个明显问题：员工默认把所有任务都交给最新、最贵的顶尖模型。 “事实是，像 Anthropic 和 OpenAI 这样的推理提供商完全没有动力帮你控制支出。他们有一切动力让它成为失控的费用，而且他们正是这么做的。他们不会为你提供良好的使用洞察，也不会相互合作。”MacInnis 说。 这是2026年初常见的问题。现在，今年已经过去八个月，企业搞明白了几件事。首先，它们知道需要来自多个AI实验室、定价不一的多款模型，其中包括一个前沿开放权重选项——或许来自中国。 Rippling 创始人兼首席执行官 Parker Conrad 上月[指出](https://x.com/parkerconrad/status/2082870730027339987)，当他的公司为自己的内部使用进行基准测试时，发现 SpaceX 的 Grok 是全面领先者，但“GLM 5.2 便宜85%，而且[性能]与前沿模型几乎相同”。（SpaceX 现在拥有 Cursor，后者可提供 Grok 和数十种其他模型的访问。）Z.ai 的 GLM 5.2 近来已成为科技公司在编程任务中特别青睐的中国模型。[Databricks 也一直在力推它](https://techcrunch.com/2026/07/17/databricks-hits-188b-valuation-extending-its-run-as-ais-favorite-second-act/)。 其次，企业现在知道它们需要一个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。于是它构建了自己的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，但如果想要支出管控功能，就需要使用 Rippling 的网关。 AI Spend Console 会生成仪表盘（在 tokenmaxxing 时代曾被称为排行榜），对每日提示次数、工作产出（代码行数/拉取请求）以及支出等属性进行评分。 有了这个工具，Rippling 表示其 token 支出从人力预算的40%降到了约15%。但它并没有削减AI用量。MacInnis 透露，在 CFO 发出警告的那个月，公司消耗的 token 达到了峰值6050亿。7月份，内部使用量再次达到6000亿 token，然而“7月 token 支出的成本仅为4月 token 支出的37%，”他说。 “这仅仅是因为我们现在把请求路由到了更高效的模型上，”他说，并开玩笑说，“我们不会让销售团队用 Fable 来做语法更新。” 但 Rippling 指出，仅靠技术解决方案是不够的。公司找到了一些高效使用AI的员工，并让他们担任“AI队长”，负责帮助公司其他同事。 不过，MacInnis 表示，在工程以外的领域应用AI仍是一项进行中的工作，因为到目前为止主要用户是软件工程师。例如，Rippling 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核对任务的自动化。届时仪表盘将通过入职客户数量来衡量生产力。 “我们必须能够将总务行政（G&A）职能和面向客户职能中的 token 消耗与生产力联系起来。如果我们做不到，那么让更广泛的员工群体使用这些工具就都无从谈起了。”MacInnis 说。 所以，如果以 Rippling 为例，tokenmaxxing 可能已经大幅转向另一个方向：员工对AI的访问可能不再像 Slack 或电子邮件那样是标配。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。 至于这款产品，AI Spend Console 包含在 Rippling 的HR订阅服务中，不过还有基于AI使用量的额外费用。MacInnis 表示，它也可以作为独立产品购买，并集成到其他HR记录系统中。 *当您通过我们文章中的链接购买商品时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。*