在花費數百萬美元投資人工智慧後,Rippling 推出了員工投資回報率(ROI)工具

Rippling,一家領先的HR軟體提供商,推出了AI支出控制檯(AI Spend Console),這是一款旨在遏制“Token最大化”現象的工具,透過幫助組織監控和控制其AI支出來實現這一目標。該工具的一個突出功能允許公司按個人員工、團隊和職位追蹤支出,從而判斷較高的成本是否與真正的生產力相關,還是僅僅增加了AI生成的噪音。
根據該公司的部落格文章,該工具識別出“擁有高額AI支出且其同事頻繁要求重寫程式碼的工程師”,從而突顯了開發工作流程中的低效問題。
該解決方案的出現源於Rippling在今年早些時候擁抱了“Token最大化”趨勢,這與行業趨勢一致,但隨後發現員工迅速耗盡了預算。首席產品官Matt MacInnis回憶稱,在三月份的一次高管會議上,CFO Adam Swiecicki揭示了令領導層震驚的驚人資料。
Rippling預計將把其研發人員預算的40%用於AI令牌,這意味著在令牌上的支出相當於支付給該部門員工薪酬的40%——金額高達數百萬美元。(研發部門通常在大多數科技公司中容納工程團隊。)
隨著支出以每月80%的速度增長,如果繼續這一趨勢,明年的AI令牌成本將達到高薪研發人員預算的90%。
“我們感到難以置信,”MacInnis告訴TechCrunch。
他解釋說,管理層立即啟動了一個“緊急”專案,以分析支出並評估從這些費用中獲得的價值。該產品的釋出廣告甚至描繪了Swiecicki坐在凳子上,而員工將成捆的現金扔進碎紙機的場景。
根據部落格文章,Rippling在分析後發現了諸如“大約10-15%的員工驅動了約60%的總AI支出。一名工程師每月花費50,000美元”等見解。
Rippling並不打算停止AI的使用,而是希望大幅限制它。公司首先與其主要工具——Cursor、OpenAI和Anthropic——協商支出上限。這揭示了一個明顯的問題:員工預設使用最新、最昂貴的前沿模型來處理所有任務。
“事實是,像Anthropic和OpenAI這樣的推理提供商完全沒有動力幫助你控制支出。他們從失控的支出中受益,而這正是正在發生的事情。他們未能提供強大的使用洞察,並且彼此之間缺乏合作,”MacInnis表示。
這是2026年初的一個普遍挑戰。在年初的八個月裡,企業已經認識到兩個關鍵點:首先,他們需要來自不同AI實驗室、不同價格點的多種模型,包括前沿的開源權重選項,可能來自中國提供商。
Rippling創始人兼執行長Parker Conrad上個月指出,內部基準測試顯示SpaceX的Grok是整體領導者,但“GLM 5.2便宜85%,但提供的效能與前沿模型幾乎相同”。(SpaceX現在擁有Cursor,後者提供對Grok和其他數十種模型的訪問許可權。)Z.ai的GLM 5.2已成為科技公司中編碼任務的首選中國模型,Databricks也提倡使用它。
其次,企業現在認識到需要一個AI閘道器,將提示詞引導至每個任務最具成本效益的模型。Rippling得出了這一結論,並構建了整合到該產品中的自有AI閘道器。MacInnis指出,使用其他閘道器的企業仍然可以使用AI支出控制檯,但那些尋求支出治理功能的企業必須使用Rippling的閘道器。
AI支出控制檯生成儀表板(在“Token最大化”時期曾被稱為排行榜),對每日提示詞結合工作產出(程式碼行/拉取請求)和支出等指標進行評分。
藉助該工具,Rippling將其令牌支出從人員預算的40%降低至約15%,同時並未限制AI的使用。MacInnis透露,在CFO發出警告的那個月,該公司令牌使用量峰值達到6050億。7月份,內部使用量再次達到6000億令牌,但他補充道,“7月令牌支出的成本僅為4月令牌支出成本的37%。”
“這僅僅是因為我們現在路由到了更有效的模型,”他說,並開玩笑稱,“我們不允許銷售團隊使用Fable進行語法更新。”
然而,Rippling強調,僅靠技術是不夠的。公司確定了有效使用AI的員工,並指定他們為“AI隊長”,以協助組織的其餘部分。
MacInnis指出,將AI使用擴充套件到工程領域之外的努力仍在進行中,因為軟體工程師一直是主要使用者。儘管如此,Rippling正將此方法應用於客戶入職團隊,以自動化郵件資料和對賬任務。隨後,儀表板將根據入職客戶的數量來衡量生產力。
“我們必須能夠將總務和麵向客戶職能中的令牌消耗與生產力聯絡起來。如果我們做不到這一點,這些工具對更廣泛員工群體的可用性就存在不確定性,”MacInnis表示。
因此,如果Rippling作為一個例子,那麼“Token最大化”可能已經向相反方向擺動得太遠,以至於員工的AI訪問許可權可能不再像Slack或電子郵件那樣無處不在。如果無法衡量生產力,並非所有員工都能保留訪問許可權。
關於該產品,AI支出控制檯包含在Rippling的HR訂閱服務中,儘管會產生額外的基於使用的成本。MacInnis表示,它也可以作為獨立產品購買,並與其他HR記錄系統整合。
相關文章
Runlayer 指控 Rippling 竊取其產品創意
Runlayer,一家提供安全模型上下文協議(Model Context Protocol)閘道器的初創公司——該標準旨在使人工智慧模型和智慧體能夠安全地訪問外部資料與工具——已對人力資源軟體公司 Rippling 提起訴訟,據 TechCrunch 審閱的投訴檔案顯示。此次法律行動向向企業客戶銷售人工智慧基礎設施的公司發出了警告,尤其是那些擁有內部構建類似解決方案所需工程資源的技術公司。根據訴訟檔案,Runlayer 與潛在客戶 Rippling 進行了一次廣泛的產品試用。在此過程中,這家
如何修復移動 SEO 的核心網頁指標
提升本地 SEO:構建您的 Google 實體雲盤堆疊目錄:簡介理解 Google 實體雲堆疊Google 實體雲堆疊的關鍵優勢開始使用 Google 實體雲堆疊 4.1. 選項 1:獲取老號 Gmail 賬戶 4.2. 選項 2:建立新賬戶配置 Google Drive 以進行實體堆疊 5.1. 瞭解資料夾型別 5.2. 建立公共資料夾 5.3. 跨賬戶共享資料夾最大化實體雲堆疊的影響 6.1. 開發 SEO 友好型內容 6.2. 為您的堆疊生成反向連結管理和組織實體雲堆疊的最
Moonshot AI 的 Kimi 完成超過 35 億美元 F 輪融資,估值達 350 億美元
據《科技日報》報道,月之暗面(Moonshot AI)旗下 Kimi 已成功完成 F 輪融資,融資金額超過 35 億美元,投後估值達到 350 億美元。得益於訂閱需求超過目標三倍以上的強勁驅動,本輪融資提前完成。此外,此前計劃中的 G 輪(Pre-IPO)融資也已加速推進,投前估值現已達 500 億美元。作為中國領先的 AI 大模型公司,月之暗面憑藉 Kimi 在長上下文處理及實際效能方面的突破,迅速獲得了使用者關注和市場認可。這筆鉅額融資彰顯了資本市場對國內前沿 AI 模型的強烈信心,為擴大
相關專題推薦
評論 (0)
0/500

Rippling,一家領先的HR軟體提供商,推出了AI支出控制檯(AI Spend Console),這是一款旨在遏制“Token最大化”現象的工具,透過幫助組織監控和控制其AI支出來實現這一目標。該工具的一個突出功能允許公司按個人員工、團隊和職位追蹤支出,從而判斷較高的成本是否與真正的生產力相關,還是僅僅增加了AI生成的噪音。
根據該公司的部落格文章,該工具識別出“擁有高額AI支出且其同事頻繁要求重寫程式碼的工程師”,從而突顯了開發工作流程中的低效問題。
該解決方案的出現源於Rippling在今年早些時候擁抱了“Token最大化”趨勢,這與行業趨勢一致,但隨後發現員工迅速耗盡了預算。首席產品官Matt MacInnis回憶稱,在三月份的一次高管會議上,CFO Adam Swiecicki揭示了令領導層震驚的驚人資料。
Rippling預計將把其研發人員預算的40%用於AI令牌,這意味著在令牌上的支出相當於支付給該部門員工薪酬的40%——金額高達數百萬美元。(研發部門通常在大多數科技公司中容納工程團隊。)
隨著支出以每月80%的速度增長,如果繼續這一趨勢,明年的AI令牌成本將達到高薪研發人員預算的90%。
“我們感到難以置信,”MacInnis告訴TechCrunch。
他解釋說,管理層立即啟動了一個“緊急”專案,以分析支出並評估從這些費用中獲得的價值。該產品的釋出廣告甚至描繪了Swiecicki坐在凳子上,而員工將成捆的現金扔進碎紙機的場景。
根據部落格文章,Rippling在分析後發現了諸如“大約10-15%的員工驅動了約60%的總AI支出。一名工程師每月花費50,000美元”等見解。
Rippling並不打算停止AI的使用,而是希望大幅限制它。公司首先與其主要工具——Cursor、OpenAI和Anthropic——協商支出上限。這揭示了一個明顯的問題:員工預設使用最新、最昂貴的前沿模型來處理所有任務。
“事實是,像Anthropic和OpenAI這樣的推理提供商完全沒有動力幫助你控制支出。他們從失控的支出中受益,而這正是正在發生的事情。他們未能提供強大的使用洞察,並且彼此之間缺乏合作,”MacInnis表示。
這是2026年初的一個普遍挑戰。在年初的八個月裡,企業已經認識到兩個關鍵點:首先,他們需要來自不同AI實驗室、不同價格點的多種模型,包括前沿的開源權重選項,可能來自中國提供商。
Rippling創始人兼執行長Parker Conrad上個月指出,內部基準測試顯示SpaceX的Grok是整體領導者,但“GLM 5.2便宜85%,但提供的效能與前沿模型幾乎相同”。(SpaceX現在擁有Cursor,後者提供對Grok和其他數十種模型的訪問許可權。)Z.ai的GLM 5.2已成為科技公司中編碼任務的首選中國模型,Databricks也提倡使用它。
其次,企業現在認識到需要一個AI閘道器,將提示詞引導至每個任務最具成本效益的模型。Rippling得出了這一結論,並構建了整合到該產品中的自有AI閘道器。MacInnis指出,使用其他閘道器的企業仍然可以使用AI支出控制檯,但那些尋求支出治理功能的企業必須使用Rippling的閘道器。
AI支出控制檯生成儀表板(在“Token最大化”時期曾被稱為排行榜),對每日提示詞結合工作產出(程式碼行/拉取請求)和支出等指標進行評分。
藉助該工具,Rippling將其令牌支出從人員預算的40%降低至約15%,同時並未限制AI的使用。MacInnis透露,在CFO發出警告的那個月,該公司令牌使用量峰值達到6050億。7月份,內部使用量再次達到6000億令牌,但他補充道,“7月令牌支出的成本僅為4月令牌支出成本的37%。”
“這僅僅是因為我們現在路由到了更有效的模型,”他說,並開玩笑稱,“我們不允許銷售團隊使用Fable進行語法更新。”
然而,Rippling強調,僅靠技術是不夠的。公司確定了有效使用AI的員工,並指定他們為“AI隊長”,以協助組織的其餘部分。
MacInnis指出,將AI使用擴充套件到工程領域之外的努力仍在進行中,因為軟體工程師一直是主要使用者。儘管如此,Rippling正將此方法應用於客戶入職團隊,以自動化郵件資料和對賬任務。隨後,儀表板將根據入職客戶的數量來衡量生產力。
“我們必須能夠將總務和麵向客戶職能中的令牌消耗與生產力聯絡起來。如果我們做不到這一點,這些工具對更廣泛員工群體的可用性就存在不確定性,”MacInnis表示。
因此,如果Rippling作為一個例子,那麼“Token最大化”可能已經向相反方向擺動得太遠,以至於員工的AI訪問許可權可能不再像Slack或電子郵件那樣無處不在。如果無法衡量生產力,並非所有員工都能保留訪問許可權。
關於該產品,AI支出控制檯包含在Rippling的HR訂閱服務中,儘管會產生額外的基於使用的成本。MacInnis表示,它也可以作為獨立產品購買,並與其他HR記錄系統整合。
Runlayer 指控 Rippling 竊取其產品創意
Runlayer,一家提供安全模型上下文協議(Model Context Protocol)閘道器的初創公司——該標準旨在使人工智慧模型和智慧體能夠安全地訪問外部資料與工具——已對人力資源軟體公司 Rippling 提起訴訟,據 TechCrunch 審閱的投訴檔案顯示。此次法律行動向向企業客戶銷售人工智慧基礎設施的公司發出了警告,尤其是那些擁有內部構建類似解決方案所需工程資源的技術公司。根據訴訟檔案,Runlayer 與潛在客戶 Rippling 進行了一次廣泛的產品試用。在此過程中,這家
如何修復移動 SEO 的核心網頁指標
提升本地 SEO:構建您的 Google 實體雲盤堆疊目錄:簡介理解 Google 實體雲堆疊Google 實體雲堆疊的關鍵優勢開始使用 Google 實體雲堆疊 4.1. 選項 1:獲取老號 Gmail 賬戶 4.2. 選項 2:建立新賬戶配置 Google Drive 以進行實體堆疊 5.1. 瞭解資料夾型別 5.2. 建立公共資料夾 5.3. 跨賬戶共享資料夾最大化實體雲堆疊的影響 6.1. 開發 SEO 友好型內容 6.2. 為您的堆疊生成反向連結管理和組織實體雲堆疊的最
Moonshot AI 的 Kimi 完成超過 35 億美元 F 輪融資,估值達 350 億美元
據《科技日報》報道,月之暗面(Moonshot AI)旗下 Kimi 已成功完成 F 輪融資,融資金額超過 35 億美元,投後估值達到 350 億美元。得益於訂閱需求超過目標三倍以上的強勁驅動,本輪融資提前完成。此外,此前計劃中的 G 輪(Pre-IPO)融資也已加速推進,投前估值現已達 500 億美元。作為中國領先的 AI 大模型公司,月之暗面憑藉 Kimi 在長上下文處理及實際效能方面的突破,迅速獲得了使用者關注和市場認可。這筆鉅額融資彰顯了資本市場對國內前沿 AI 模型的強烈信心,為擴大





首頁






