Rippling представила AI Spend Console. Система помогает компаниям отслеживать, ограничивать и оптимизировать расходы на использование искусственного интеллекта. Поводом для ее создания стала проблема «tokenmaxxing», когда сотрудники без четких правил выбирают дорогие модели и быстро увеличивают операционные расходы.
Публичные упоминания о продукте появились 6 и 7 августа 2026 года. Для российских компаний это прежде всего ориентир для оценки собственных затрат на ИИ. Публичный анонс сам по себе не подтверждает локализацию сервиса в России.
1. Расходы на токены могут соперничать с фондом оплаты труда. В марте 2026 года руководство Rippling обнаружило, что компания была на пути к расходам на AI-токены в размере 40% бюджета на оплату труда команды исследований и разработок, или R&D. Затраты росли на 80% в месяц. Это была оценка дальнейшего расходования, а не утверждение, что вся сумма уже была потрачена.
Анализ Rippling показал, что 10–15% сотрудников формировали около 60% общих расходов на ИИ. Один инженер тратил на такие инструменты $50 000 в месяц. Компания также сообщила, что в пиковый месяц использовала 605 млрд токенов. В июле объем внутреннего использования снова достиг 600 млрд токенов, но стоимость июльского расхода составила 37% стоимости апрельского.
2. Панель связывает траты с рабочими показателями. AI Spend Console разбивает расходы по моделям, приложениям, командам и сотрудникам. В публичном описании также заявлена привязка затрат к выбранным производственным и бизнес-метрикам. Это помогает сравнивать стоимость использования ИИ с результатами работы, но само по себе не доказывает, что конкретный сотрудник продуктивнее коллег или создает полезный результат.
Иными словами, количество запросов, токенов или выполненных задач не позволяет автоматически определить «AI slop», то есть бесполезный контент. Для такого вывода компании нужно отдельно определить качественные критерии и проверить их на своих рабочих процессах.
3. Маршрутизация позволяет не использовать самую дорогую модель для каждой задачи. Rippling заявляет поддержку учета данных по таким поставщикам, как OpenAI, Anthropic и Cursor. Публичные материалы не раскрывают полный набор прямых интеграций и не уточняют, какие данные могут поступать через сторонние системы.
Компания также создала собственный AI gateway, или шлюз маршрутизации. Он направляет запрос к модели, которую считают подходящей по цене и возможностям. Если организация уже использует другой шлюз, AI Spend Console, по словам Rippling, можно применять и с ним. Однако функции управления расходами требуют использования шлюза Rippling.
В собственном тестировании Rippling модель GLM 5.2 показала результат почти сопоставимым с более дорогими фронтирными моделями, при цене на 85% ниже. Это результат внутреннего сравнения Rippling. Его нельзя считать универсальным выводом без данных о ценах на дату теста, выбранных моделях, задачах и методике оценки.
4. Лимиты сокращают расходы, но не обязательно сокращают использование ИИ. Rippling сообщила, что после введения лимитов, анализа расходов и маршрутизации доля затрат на токены снизилась с 40% до примерно 15% бюджета на оплату труда команды R&D. Источник не устанавливает, что весь эффект был вызван только AI gateway. Показатели также относятся к разным периодам и отражают оценку доли бюджета, поэтому их нельзя напрямую трактовать как универсальную экономию для любой компании.
Цель Rippling состояла не в полном запрете ИИ. Компания договаривалась о максимальных лимитах с поставщиками и старалась направлять простые задачи к более доступным моделям. Такой подход помогает сохранить доступ к сильным инструментам там, где они действительно нужны, и не оплачивать их для каждой мелкой операции.
5. Контроль расходов требует понятного критерия пользы. Rippling назначила сотрудников, которые эффективно используют ИИ, «AI-капитанами». Они помогают коллегам осваивать инструменты. При этом компания признает, что применение ИИ за пределами разработки остается незавершенным направлением.
Для команд адаптации клиентов Rippling, например, рассматривает автоматизацию работы с почтовыми данными и сверки информации. В таких процессах результатом может быть число подключенных клиентов или другой заранее выбранный показатель. Если связать потребление токенов с результатом невозможно, руководство может ограничить доступ к ИИ для отдельных функций.
Что это значит для бюджета. AI Spend Console доступна подписчикам HR-сервисов Rippling с дополнительными расходами, зависящими от использования ИИ. Компания также заявляет возможность приобрести продукт отдельно и подключить его к другой системе учета персонала, однако конкретные условия и набор интеграций нужно проверять в официальном описании продукта.
Практический вывод для руководителя простой: сначала соберите расходы по моделям, приложениям и командам, затем установите лимиты и заранее определите, какой результат будет считаться оправданием затрат. Это позволит пользоваться сильными моделями без постоянного риска для бюджета.
Официальная страница AI Spend Console Подробнее: Nimble запустил агентов для веб-поиска. Вот как это сократит ваши расходы на ИИ.
