企业大规模接入生成式 AI 后，成本失控正成为新的管理问题。HR 软件公司 Rippling 本周推出 AI Spend Console，试图把员工、团队和岗位的 AI 使用成本与实际工作产出对应起来，判断哪些投入带来了效率提升，哪些只是增加了无效内容。
Rippling称，这款工具可以显示高 AI 支出的员工是否真的更高效，例如工程师在代码评审中是否经常被同事要求返工。公司披露，推出这款产品前，其内部也经历过一轮快速扩张的 AI 使用潮，随后发现支出增长过快。
研发预算一度被 AI 调用吞噬
Rippling 产品负责人 Matt MacInnis 对 TechCrunch 表示，公司管理层在今年 3 月的一次会议上发现，按当时趋势计算，AI token 支出将占到研发人力预算的 40%。这一金额已达到数百万美元。
更早阶段，这项支出还在以每月 80% 的速度增长。如果趋势持续，次年 AI token 成本可能接近研发团队薪酬支出的 90%。公司随后启动紧急项目，重新梳理支出结构和实际回报。
公司内部分析显示，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支出达到 5 万美元。
先限额，再把请求分配给更便宜模型
Rippling 并未选择压缩 AI 使用总量，而是先与 Cursor、OpenAI 和 Anthropic 等服务商协商支出上限。公司随后发现，员工默认会把各种任务都交给最新、也是最贵的前沿模型处理，这直接推高了成本。
为此，Rippling 搭建了自己的 AI gateway，把不同请求分配给更合适、也更便宜的模型。MacInnis 称，企业即使已有其他 gateway，仍可使用 AI Spend Console 的部分功能；但若要启用支出治理能力，则需要接入 Rippling 自家的路由层。
Rippling 创始人兼 CEO Parker Conrad 上月还提到，公司内部基准测试显示，Grok 的综合表现领先，但 Z.ai 的 GLM 5.2 在部分内部场景下价格低约 85%，性能却与前沿模型接近。文章提到，GLM 5.2 近来已成为不少科技公司在编程任务中的常用模型之一。
成本降至原来水平以下
引入新工具后，Rippling 称其 AI token 支出占研发人力预算的比例，已从 40% 降至约 15%。不过，公司并未明显减少使用量。
按披露数据，财务负责人发出预警的当月，公司内部 token 使用量峰值达到 6050 亿。到 7 月，内部使用量再次接近 6000 亿 token，但当月成本仅为 4 月的 37%。MacInnis 称，主要原因是请求已被路由到更合适的模型，而不是一律调用高价模型。
除技术手段外，Rippling 还在内部挑选高效使用 AI 的员工担任“AI captains”，帮助其他团队改进使用方式。公司表示，目前软件工程师仍是主要用户，客户 onboarding 等面向业务的团队也在逐步接入，后续会继续用仪表盘衡量这些岗位的实际产出变化。
