수백만 달러를 AI에 투자한 후, Rippling는 직원 ROI 도구를 출시합니다

Rippling은 선도적인 HR 소프트웨어 제공업체로, 조직이 AI 지출을 모니터링하고 통제할 수 있도록 도와 토큰 최대화(tokenmaxxing)를 억제하기 위해 설계된 도구인 AI Spend Console을 출시했습니다. 이 도구의 두드러진 기능은 기업이 개별 직원, 팀, 직무별 지출을 추적하여 더 높은 비용이 실제 생산성 향상과 관련이 있는지 아니면 단순히 AI 생성 잡음의 증가를 의미하는지 여부를 결정할 수 있게 해주는 것입니다.

회사의 블로그 게시글에 따르면, 이 도구는 “동료들이 코드 재작성을 자주 요청하는 높은 AI 지출을 보이는 엔지니어”를 식별하여 개발 워크플로우의 비효율성을 강조합니다.

이 솔루션은 Rippling이 올해 초 업계 동향을 반영하여 토큰 최대화를 조기에 수용한 후 직원들이 예산을 빠르게 고갈시키는 것을 발견하면서 탄생했습니다. 수석 제품 책임자(CPO)인 Matt MacInnis은 3월 이사회 회의에서 CFO Adam Swiecicki가 리더십 팀을 충격에 빠뜨린 놀라운 수치를 공개한 것을 회상합니다.

Rippling은 R&D 인력 예산의 40%를 AI 토큰에 지출할 것으로 예상되었으며, 이는 해당 부서 직원들에게 지급된 보상의 40%에 해당하는 금액을 토큰에 지출하는 것과 맞먹는 것이었습니다. 이는 수백만 달러에 달하는 금액입니다. (대부분의 기술 기업에서 R&D 부문은 엔지니어링 팀을 주로 포함합니다.)

지출이 월간 기준 80%씩 증가하고 있는 상황에서 이러한 추세가 계속된다면, 내년 AI 토큰 비용은 고액의 R&D 직원에게 할당된 예산의 90%에 도달할 것입니다.

MacInnis은 TechCrunch에게 “우리는 믿을 수 없었다”고 말했습니다.

그는 관리층이 즉시 지출을 분석하고 이러한 비용에서 얻는 가치를 평가하기 위한 ‘긴급’ 프로젝트를 시작했다고 설명했습니다. 이 제품의 출시 광고에는 심지어 Swiecicki가 의자에 앉아 직원들이 현금 뭉치를 종이 파쇄기에 던지는 모습이 묘사되어 있습니다.

분석 결과, Rippling은 “전체 AI 지출의 약 60%를 담당하는 약 10~15%의 직원이 있으며, 한 엔지니어가 월 5만 달러를 지출하고 있었다”는 통찰력을 발견했습니다. (블로그 게시글 기준)

Rippling은 AI 사용을 중단하려는 의도가 아니라 크게 통제하려는 것이었습니다. 회사는 주요 도구인 Cursor, OpenAI, Anthropic과 지출 한도에 대한 협상을 시작했습니다. 이를 통해 명확한 문제가 드러났습니다. 직원들은 모든 작업에 최신이고 가장 비싼 프론티어 모델을 기본값으로 사용했습니다.

MacInnis은 “사실 Anthropic과 같은 추론 제공업체와 OpenAI는 지출을 통제하는 데 도움이 될 동기가 전혀 없습니다. 그들은 통제 불능 상태의 지출로부터 이익을 얻으며, 이는 정확히 발생하는 일입니다. 그들은 강력한 사용량 통찰력을 제공하지 않으며 서로 협력하지도 않습니다.”라고 밝혔습니다.

이는 2026년 초의 일반적인 과제였습니다. 올해 8개월이 지났을 때 기업들은 두 가지 주요 사항을 깨달았습니다. 첫째, 프론티어 오픈 웨이트 옵션을 포함하여 다양한 가격대의 여러 AI 연구소로부터 모델을 필요로 하며, 이는 중국 제공업체로부터의 모델일 수도 있습니다.

Rippling의 창립자이자 CEO인 Parker Conrad은 지난달 내부 벤치마크 결과 SpaceX의 Grok가 전체적으로 선두주자였지만 “GLM 5.2은 프론티어 모델과 거의 동일한 성능을 제공하면서 85% 더 저렴하다”고 언급했습니다. (SpaceX는 현재 Grok와 수십 가지 다른 모델에 대한 접근을 제공하는 Cursor를 소유하고 있습니다.) Z.ai의 GLM 5.2은 기술 기업들 사이에서 코딩 작업에 선호되는 중국 모델로 부상했으며, Databricks도 그 사용을 옹호하고 있습니다.

둘째, 기업들은 이제 각 작업에 가장 비용 효율적인 모델로 프롬프트를 라우팅하는 AI 게이트웨이의 필요성을 인식하게 되었습니다. Rippling도 이 결론에 도달하여 자체 AI 게이트웨이를 구축했으며, 이는 이 제품에 통합되었습니다. MacInnis은 다른 게이트웨이를 사용하는 기업도 AI Spend Console을 사용할 수 있지만, 지출 거버넌스 기능을 원하는 경우 Rippling의 게이트웨이를 사용해야 한다고 언급했습니다.

AI Spend Console은 토큰 최대화 시대에 리더보드라고 불렸던 대시보드를 생성하여 일일 프롬프트 수, 작업 산출물(코드 줄/풀 리퀘스트), 지출 등의 지표를 결합하여 점수를 매깁니다.

이 도구를 통해 Rippling은 AI 사용을 제한하지 않으면서 토큰 지출을 인력 예산의 40%에서 약 15%로 줄였습니다. MacInnis은 CFO가 경고 issued 달에 6,050억 개의 토큰으로 정점을 찍었다고 공유했습니다. 그는 7월 내부 사용량이 다시 6,000억 개의 토큰에 도달했지만 “7월의 토큰 지출 비용은 4월 토큰 지출 비용의 37%였다”고 덧붙였습니다.

그는 “이는 우리가 이제 더 효과적인 모델로 라우팅하기 때문”이라고 말하며, “우리는 영업팀이 Fable을 사용하여 문법 업데이트를 수행하는 것을 허용하지 않습니다”라고 농담했습니다.

그러나 Rippling은 기술만으로는 부족하다고 강조합니다. 회사는 AI를 효과적으로 사용하는 직원을 식별하고 나머지 조직을 돕기 위해 ‘AI 캡틴’으로 지정했습니다.

MacInnis은 소프트웨어 엔지니어가 지금까지 주요 사용자였기 때문에 엔지니어링 외부로 AI 사용을 확장하려는 노력이 진행 중이라고 언급했습니다. 그럼에도 불구하고 Rippling은 이 접근 방식을 고객 온보딩 팀에 적용하여 우편 데이터 및 조정 작업을 자동화하고 있습니다. 그런 다음 대시보드는 온보딩된 고객 수를 기반으로 생산성을 측정할 것입니다.

MacInnis은 “우리는 일반 관리(G&A) 및 고객 대응 기능에서의 토큰 소비를 생산성으로 연결할 수 있어야 합니다. 우리가 이를 수행하지 못한다면, 더 광범위한 직원 기반에게 이러한 도구의 가용성은 불확실합니다.”라고 밝혔습니다.

따라서 Rippling이 모범 사례가 된다면, 토큰 최대화는 너무 반대 방향으로 치우쳐서 직원의 AI 접근성이 더 이상 Slack이나 이메일처럼 보편적인 것이 아닐 수 있습니다. 생산성을 측정할 수 없다면, 모든 직원이 접근 권한을 유지하지 못할 수도 있습니다.

제품과 관련하여, AI Spend Console은 Rippling의 HR 구독자에게 포함되어 있지만, 추가 사용량 기반 비용이 적용됩니다. MacInnis은 또한 이를 독립 제품으로 구매하여 다른 기록용 HR 시스템과 통합할 수 있다고 밝혔습니다.