Após gastar milhões em IA, a Rippling lança ferramenta de ROI para funcionários

A Rippling, uma provedora líder de software de RH, lançou o AI Spend Console, uma ferramenta projetada para conter o tokenmaxxing, ajudando as organizações a monitorar e controlar seus gastos com IA. Um recurso destacado permite que as empresas acompanhem os gastos por funcionário individual, equipes e cargos, determinando se os custos mais elevados estão correlacionados com uma produtividade genuína ou apenas com um aumento do ruído gerado por IA.
De acordo com o post do blog da empresa, a ferramenta identifica “engenheiros com alto gasto em IA cujos colegas frequentemente solicitam reescritas de código”, destacando ineficiências nos fluxos de trabalho de desenvolvimento.
A solução surgiu após a Rippling adotar o tokenmaxxing no início deste ano, refletindo as tendências do setor, apenas para descobrir que os funcionários estavam esgotando rapidamente os orçamentos. O Diretor de Produtos, Matt MacInnis, lembra de uma reunião executiva em março, onde o CFO Adam Swiecicki revelou cifras alarmantes que chocaram a equipe de liderança.
Estava previsto que a Rippling gastasse 40% do orçamento de pessoal de P&D em tokens de IA, o que equivaleria a gastar tanto em tokens quanto 40% da remuneração paga aos funcionários desse departamento — um valor que chega a milhões de dólares. (O departamento de P&D geralmente abriga equipes de engenharia na maioria das empresas de tecnologia.)
Com os gastos crescendo 80% mês a mês, continuar essa tendência resultaria nos custos de tokens de IA do próximo ano atingindo 90% do orçamento alocado para o pessoal de P&D altamente remunerado.
“Estávamos incrédulos”, disse MacInnis à TechCrunch.
A gestão iniciou imediatamente um projeto “urgente” para analisar os gastos e avaliar o valor derivado dessas despesas, explicou ele. O anúncio de lançamento do produto até mostra Swiecicki sentado em um banquinho enquanto os funcionários jogam pacotes de dinheiro em uma trituradora de papel.
Após a análise, a Rippling descobriu insights como “aproximadamente 10–15% de nossos funcionários gerando cerca de 60% do gasto total em IA. Um engenheiro estava gastando US$ 50.000 por mês”, de acordo com seu post no blog.
A Rippling não pretendia interromper o uso de IA, mas sim restringi-lo significativamente. A empresa começou negociando limites de gastos com suas principais ferramentas: Cursor, OpenAI e Anthropic. Isso revelou um problema claro: os funcionários usavam por padrão os modelos de fronteira mais recentes e caros para todas as tarefas.
“A verdade é que provedores de inferência como Anthropic e OpenAI não têm absolutamente nenhum incentivo para ajudar você a controlar seus gastos. Eles se beneficiam de despesas descontroladas, que é exatamente o que ocorre. Eles falham em fornecer insights robustos de uso e não colaboram entre si”, afirmou MacInnis.
Este foi um desafio comum no início de 2026. Oito meses após o início do ano, as empresas perceberam dois pontos principais: primeiro, elas precisam de múltiplos modelos de vários laboratórios de IA em diferentes faixas de preço, incluindo opções de fronteira de peso aberto, possivelmente de provedores chineses.
O fundador e CEO da Rippling, Parker Conrad, observou no mês passado que os benchmarks internos revelaram que o Grok da SpaceX era o líder geral, mas “o GLM 5.2 é 85% mais barato e [entregou] desempenho quase idêntico” aos modelos de fronteira. (A SpaceX agora é proprietária do Cursor, que fornece acesso ao Grok e a dezenas de outros modelos.) O GLM 5.2 da Z.ai emergiu como um modelo chinês preferido para tarefas de codificação entre empresas de tecnologia, com a Databricks também defendendo seu uso.
Em segundo lugar, as empresas agora reconhecem a necessidade de um gateway de IA que direciona prompts para o modelo mais econômico para cada tarefa. A Rippling chegou a essa conclusão e construiu seu próprio gateway de IA, integrado a este produto. MacInnis observou que as empresas que usam outros gateways ainda podem utilizar o AI Spend Console, embora aquelas que buscam recursos de governança de gastos devam usar o gateway da Rippling.
O AI Spend Console gera painéis (conhecidos anteriormente como placares durante a era do tokenmaxxing) que pontuam métricas como prompts diários combinados com a produção de trabalho (linhas de código/pull requests) e despesas.
Com esta ferramenta, a Rippling reduziu seus gastos com tokens de 40% do orçamento de pessoal para aproximadamente 15%, sem restringir o uso de IA. A empresa atingiu o pico de 605 bilhões de tokens no mês em que o CFO emitiu seu aviso, compartilhou MacInnis. Em julho, o uso interno atingiu 600 bilhões de tokens novamente, mas “o custo dos tokens de julho foi 37% do custo dos tokens de abril”, acrescentou ele.
“Isso se deve simplesmente ao fato de estarmos roteando para modelos mais eficazes”, disse ele, brincando que “não estamos permitindo que a equipe de vendas realize atualizações de gramática usando o Fable.”
No entanto, a Rippling enfatiza que a tecnologia por si só não é suficiente. A empresa identificou funcionários que usam a IA de forma eficaz e os designou como “capitães de IA” para auxiliar o restante da organização.
MacInnis observou que os esforços para estender o uso de IA além da engenharia ainda estão em andamento, já que os engenheiros de software foram os usuários principais até agora. Não obstante, a Rippling está aplicando essa abordagem às equipes de integração de clientes para automatizar tarefas de dados de correspondência e reconciliação. O painel medirá então a produtividade com base no número de clientes integrados.
“Devemos ser capazes de vincular o consumo de tokens nas funções de G&A e voltadas para o cliente à produtividade. Se não pudermos fazer isso, a disponibilidade dessas ferramentas para a base mais ampla de funcionários está em dúvida”, afirmou MacInnis.
Assim, se a Rippling servir como exemplo, o tokenmaxxing pode ter oscilado tanto na direção oposta que o acesso dos funcionários à IA pode não mais se assemelhar à ubiquidade do Slack ou do e-mail. Se a produtividade não puder ser medida, nem todos os funcionários podem manter o acesso.
Em relação ao produto, o AI Spend Console está incluído para os assinantes de RH da Rippling, embora se apliquem custos adicionais baseados no uso. Também pode ser adquirido como um produto independente e integrado a outros sistemas de registro de RH, afirmou MacInnis.
Artigo relacionado
Runlayer acusa a Rippling de roubar sua ideia de produto
Runlayer, uma startup que fornece um gateway seguro para o Protocolo de Contexto de Modelo (Model Context Protocol) — um padrão que permite que modelos e agentes de IA acessem com segurança dados e ferramentas externas — entrou com uma ação judicial
Como corrigir as Core Web Vitals para o SEO móvel
Impulsione o SEO Local: Construa Pilhas de Nuvem de Entidades do Google DriveSumário:IntroduçãoCompreendendo o Empilhamento de Nuvem de Entidades do GooglePrincipais Benefícios do Empilhamento de Nuvem de Entidades do GoogleComeçando com Pilhas
A Moonshot AI do Kimi arrecada mais de US$ 3,5 bilhões na Série F, atingindo uma avaliação de US$ 35 bilhões
A Kimi da Moonshot AI concluiu com sucesso sua rodada de financiamento Série F, garantindo mais de US$ 3,5 bilhões e alcançando uma avaliação pós-investimento de US$ 35 bilhões, conforme relatado pelo Sci-Tech Daily.Impulsionada pela demanda por ass
Recomendações de tópicos especiais relacionados
Comentários (0)

A Rippling, uma provedora líder de software de RH, lançou o AI Spend Console, uma ferramenta projetada para conter o tokenmaxxing, ajudando as organizações a monitorar e controlar seus gastos com IA. Um recurso destacado permite que as empresas acompanhem os gastos por funcionário individual, equipes e cargos, determinando se os custos mais elevados estão correlacionados com uma produtividade genuína ou apenas com um aumento do ruído gerado por IA.
De acordo com o post do blog da empresa, a ferramenta identifica “engenheiros com alto gasto em IA cujos colegas frequentemente solicitam reescritas de código”, destacando ineficiências nos fluxos de trabalho de desenvolvimento.
A solução surgiu após a Rippling adotar o tokenmaxxing no início deste ano, refletindo as tendências do setor, apenas para descobrir que os funcionários estavam esgotando rapidamente os orçamentos. O Diretor de Produtos, Matt MacInnis, lembra de uma reunião executiva em março, onde o CFO Adam Swiecicki revelou cifras alarmantes que chocaram a equipe de liderança.
Estava previsto que a Rippling gastasse 40% do orçamento de pessoal de P&D em tokens de IA, o que equivaleria a gastar tanto em tokens quanto 40% da remuneração paga aos funcionários desse departamento — um valor que chega a milhões de dólares. (O departamento de P&D geralmente abriga equipes de engenharia na maioria das empresas de tecnologia.)
Com os gastos crescendo 80% mês a mês, continuar essa tendência resultaria nos custos de tokens de IA do próximo ano atingindo 90% do orçamento alocado para o pessoal de P&D altamente remunerado.
“Estávamos incrédulos”, disse MacInnis à TechCrunch.
A gestão iniciou imediatamente um projeto “urgente” para analisar os gastos e avaliar o valor derivado dessas despesas, explicou ele. O anúncio de lançamento do produto até mostra Swiecicki sentado em um banquinho enquanto os funcionários jogam pacotes de dinheiro em uma trituradora de papel.
Após a análise, a Rippling descobriu insights como “aproximadamente 10–15% de nossos funcionários gerando cerca de 60% do gasto total em IA. Um engenheiro estava gastando US$ 50.000 por mês”, de acordo com seu post no blog.
A Rippling não pretendia interromper o uso de IA, mas sim restringi-lo significativamente. A empresa começou negociando limites de gastos com suas principais ferramentas: Cursor, OpenAI e Anthropic. Isso revelou um problema claro: os funcionários usavam por padrão os modelos de fronteira mais recentes e caros para todas as tarefas.
“A verdade é que provedores de inferência como Anthropic e OpenAI não têm absolutamente nenhum incentivo para ajudar você a controlar seus gastos. Eles se beneficiam de despesas descontroladas, que é exatamente o que ocorre. Eles falham em fornecer insights robustos de uso e não colaboram entre si”, afirmou MacInnis.
Este foi um desafio comum no início de 2026. Oito meses após o início do ano, as empresas perceberam dois pontos principais: primeiro, elas precisam de múltiplos modelos de vários laboratórios de IA em diferentes faixas de preço, incluindo opções de fronteira de peso aberto, possivelmente de provedores chineses.
O fundador e CEO da Rippling, Parker Conrad, observou no mês passado que os benchmarks internos revelaram que o Grok da SpaceX era o líder geral, mas “o GLM 5.2 é 85% mais barato e [entregou] desempenho quase idêntico” aos modelos de fronteira. (A SpaceX agora é proprietária do Cursor, que fornece acesso ao Grok e a dezenas de outros modelos.) O GLM 5.2 da Z.ai emergiu como um modelo chinês preferido para tarefas de codificação entre empresas de tecnologia, com a Databricks também defendendo seu uso.
Em segundo lugar, as empresas agora reconhecem a necessidade de um gateway de IA que direciona prompts para o modelo mais econômico para cada tarefa. A Rippling chegou a essa conclusão e construiu seu próprio gateway de IA, integrado a este produto. MacInnis observou que as empresas que usam outros gateways ainda podem utilizar o AI Spend Console, embora aquelas que buscam recursos de governança de gastos devam usar o gateway da Rippling.
O AI Spend Console gera painéis (conhecidos anteriormente como placares durante a era do tokenmaxxing) que pontuam métricas como prompts diários combinados com a produção de trabalho (linhas de código/pull requests) e despesas.
Com esta ferramenta, a Rippling reduziu seus gastos com tokens de 40% do orçamento de pessoal para aproximadamente 15%, sem restringir o uso de IA. A empresa atingiu o pico de 605 bilhões de tokens no mês em que o CFO emitiu seu aviso, compartilhou MacInnis. Em julho, o uso interno atingiu 600 bilhões de tokens novamente, mas “o custo dos tokens de julho foi 37% do custo dos tokens de abril”, acrescentou ele.
“Isso se deve simplesmente ao fato de estarmos roteando para modelos mais eficazes”, disse ele, brincando que “não estamos permitindo que a equipe de vendas realize atualizações de gramática usando o Fable.”
No entanto, a Rippling enfatiza que a tecnologia por si só não é suficiente. A empresa identificou funcionários que usam a IA de forma eficaz e os designou como “capitães de IA” para auxiliar o restante da organização.
MacInnis observou que os esforços para estender o uso de IA além da engenharia ainda estão em andamento, já que os engenheiros de software foram os usuários principais até agora. Não obstante, a Rippling está aplicando essa abordagem às equipes de integração de clientes para automatizar tarefas de dados de correspondência e reconciliação. O painel medirá então a produtividade com base no número de clientes integrados.
“Devemos ser capazes de vincular o consumo de tokens nas funções de G&A e voltadas para o cliente à produtividade. Se não pudermos fazer isso, a disponibilidade dessas ferramentas para a base mais ampla de funcionários está em dúvida”, afirmou MacInnis.
Assim, se a Rippling servir como exemplo, o tokenmaxxing pode ter oscilado tanto na direção oposta que o acesso dos funcionários à IA pode não mais se assemelhar à ubiquidade do Slack ou do e-mail. Se a produtividade não puder ser medida, nem todos os funcionários podem manter o acesso.
Em relação ao produto, o AI Spend Console está incluído para os assinantes de RH da Rippling, embora se apliquem custos adicionais baseados no uso. Também pode ser adquirido como um produto independente e integrado a outros sistemas de registro de RH, afirmou MacInnis.
Runlayer acusa a Rippling de roubar sua ideia de produto
Runlayer, uma startup que fornece um gateway seguro para o Protocolo de Contexto de Modelo (Model Context Protocol) — um padrão que permite que modelos e agentes de IA acessem com segurança dados e ferramentas externas — entrou com uma ação judicial
Como corrigir as Core Web Vitals para o SEO móvel
Impulsione o SEO Local: Construa Pilhas de Nuvem de Entidades do Google DriveSumário:IntroduçãoCompreendendo o Empilhamento de Nuvem de Entidades do GooglePrincipais Benefícios do Empilhamento de Nuvem de Entidades do GoogleComeçando com Pilhas
A Moonshot AI do Kimi arrecada mais de US$ 3,5 bilhões na Série F, atingindo uma avaliação de US$ 35 bilhões
A Kimi da Moonshot AI concluiu com sucesso sua rodada de financiamento Série F, garantindo mais de US$ 3,5 bilhões e alcançando uma avaliação pós-investimento de US$ 35 bilhões, conforme relatado pelo Sci-Tech Daily.Impulsionada pela demanda por ass





Lar






