Rippling представила AI Spend Console для контроля расходов на ИИ
Поставщик HR-платформы Rippling представил AI Spend Console — сервис для контроля корпоративных расходов на ИИ. Поводом стали собственные показатели компании: в марте расходы на токены росли на 80% месяц к месяцу и могли достичь 40% бюджета на оплату труда подразделения R&D, то есть миллионов долларов.
Новый инструмент показывает траты отдельных сотрудников, команд и должностей и сопоставляет их с рабочим результатом. Для инженерных задач в панели учитываются, в частности, число запросов, строки кода и pull request’ы. Rippling рассчитывает выявлять случаи, когда значительные расходы на модели не сопровождаются качественным результатом и работу приходится переделывать на ревью.
Концентрация затрат и лимиты
Внутренний анализ Rippling показал, что примерно 10–15% сотрудников обеспечивали около 60% всех трат на ИИ. Один инженер расходовал на модели $50 тыс. в месяц. Компания не стала запрещать ИИ-инструменты, а договорилась о максимальных лимитах расходов с используемыми сервисами Cursor, OpenAI и Anthropic.
Одной из проблем стало использование сотрудниками самых новых и дорогих моделей для любых задач по умолчанию. Руководитель продуктового направления Rippling Мэтт Макиннис отметил, что поставщики инференса не дают компаниям достаточной прозрачности по использованию и не координируют управление расходами между разными сервисами.
Маршрутизация запросов вместо сокращения использования
В состав AI Spend Console вошёл собственный ИИ-шлюз Rippling. Он направляет запросы к моделям, которые компания считает более эффективными и экономичными для конкретной задачи. Продукт можно использовать и с другим шлюзом, но функции контроля трат требуют шлюза Rippling. Сходные механизмы аналитики и контроля корпоративных ИИ-расходов развиваются в аналитике использования кредитов в ChatGPT Enterprise, где описаны обновлённые возможности ChatGPT Enterprise.
После внедрения подхода доля затрат на токены в бюджете на персонал R&D снизилась примерно с 40% до 15%, утверждает Rippling. При этом объём использования не был урезан: на пике он достиг 605 млрд токенов за месяц, а в июле составил 600 млрд. Однако стоимость июльского потребления оказалась равна 37% стоимости апрельского.
Как компания связывает ИИ и производительность
Rippling также назначила сотрудников, эффективно работающих с ИИ, «ИИ-капитанами» для помощи коллегам. За пределами разработки компания тестирует автоматизацию почтовых данных и сверки данных в командах клиентского онбординга. Там результат планируется оценивать по числу подключённых клиентов.
Практический вывод для бизнеса состоит в том, что лимитов на токены недостаточно. Контроль расходов имеет смысл связывать с измеримым результатом конкретной функции: иначе компания не сможет обоснованно масштабировать доступ сотрудников к ИИ.