在花费数百万美元投资人工智能后,Rippling 推出了员工投资回报率(ROI)工具

Rippling,一家领先的HR软件提供商,推出了AI支出控制台(AI Spend Console),这是一款旨在遏制“Token最大化”现象的工具,通过帮助组织监控和控制其AI支出来实现这一目标。该工具的一个突出功能允许公司按个人员工、团队和职位追踪支出,从而判断较高的成本是否与真正的生产力相关,还是仅仅增加了AI生成的噪音。
根据该公司的博客文章,该工具识别出“拥有高额AI支出且其同事频繁要求重写代码的工程师”,从而突显了开发工作流程中的低效问题。
该解决方案的出现源于Rippling在今年早些时候拥抱了“Token最大化”趋势,这与行业趋势一致,但随后发现员工迅速耗尽了预算。首席产品官Matt MacInnis回忆称,在三月份的一次高管会议上,CFO Adam Swiecicki揭示了令领导层震惊的惊人数据。
Rippling预计将把其研发人员预算的40%用于AI令牌,这意味着在令牌上的支出相当于支付给该部门员工薪酬的40%——金额高达数百万美元。(研发部门通常在大多数科技公司中容纳工程团队。)
随着支出以每月80%的速度增长,如果继续这一趋势,明年的AI令牌成本将达到高薪研发人员预算的90%。
“我们感到难以置信,”MacInnis告诉TechCrunch。
他解释说,管理层立即启动了一个“紧急”项目,以分析支出并评估从这些费用中获得的价值。该产品的发布广告甚至描绘了Swiecicki坐在凳子上,而员工将成捆的现金扔进碎纸机的场景。
根据博客文章,Rippling在分析后发现了诸如“大约10-15%的员工驱动了约60%的总AI支出。一名工程师每月花费50,000美元”等见解。
Rippling并不打算停止AI的使用,而是希望大幅限制它。公司首先与其主要工具——Cursor、OpenAI和Anthropic——协商支出上限。这揭示了一个明显的问题:员工默认使用最新、最昂贵的前沿模型来处理所有任务。
“事实是,像Anthropic和OpenAI这样的推理提供商完全没有动力帮助你控制支出。他们从失控的支出中受益,而这正是正在发生的事情。他们未能提供强大的使用洞察,并且彼此之间缺乏合作,”MacInnis表示。
这是2026年初的一个普遍挑战。在年初的八个月里,企业已经认识到两个关键点:首先,他们需要来自不同AI实验室、不同价格点的多种模型,包括前沿的开源权重选项,可能来自中国提供商。
Rippling创始人兼首席执行官Parker Conrad上个月指出,内部基准测试显示SpaceX的Grok是整体领导者,但“GLM 5.2便宜85%,但提供的性能与前沿模型几乎相同”。(SpaceX现在拥有Cursor,后者提供对Grok和其他数十种模型的访问权限。)Z.ai的GLM 5.2已成为科技公司中编码任务的首选中国模型,Databricks也提倡使用它。
其次,企业现在认识到需要一个AI网关,将提示词引导至每个任务最具成本效益的模型。Rippling得出了这一结论,并构建了集成到该产品中的自有AI网关。MacInnis指出,使用其他网关的企业仍然可以使用AI支出控制台,但那些寻求支出治理功能的企业必须使用Rippling的网关。
AI支出控制台生成仪表板(在“Token最大化”时期曾被称为排行榜),对每日提示词结合工作产出(代码行/拉取请求)和支出等指标进行评分。
借助该工具,Rippling将其令牌支出从人员预算的40%降低至约15%,同时并未限制AI的使用。MacInnis透露,在CFO发出警告的那个月,该公司令牌使用量峰值达到6050亿。7月份,内部使用量再次达到6000亿令牌,但他补充道,“7月令牌支出的成本仅为4月令牌支出成本的37%。”
“这仅仅是因为我们现在路由到了更有效的模型,”他说,并开玩笑称,“我们不允许销售团队使用Fable进行语法更新。”
然而,Rippling强调,仅靠技术是不够的。公司确定了有效使用AI的员工,并指定他们为“AI队长”,以协助组织的其余部分。
MacInnis指出,将AI使用扩展到工程领域之外的努力仍在进行中,因为软件工程师一直是主要用户。尽管如此,Rippling正将此方法应用于客户入职团队,以自动化邮件数据和对账任务。随后,仪表板将根据入职客户的数量来衡量生产力。
“我们必须能够将总务和面向客户职能中的令牌消耗与生产力联系起来。如果我们做不到这一点,这些工具对更广泛员工群体的可用性就存在不确定性,”MacInnis表示。
因此,如果Rippling作为一个例子,那么“Token最大化”可能已经向相反方向摆动得太远,以至于员工的AI访问权限可能不再像Slack或电子邮件那样无处不在。如果无法衡量生产力,并非所有员工都能保留访问权限。
关于该产品,AI支出控制台包含在Rippling的HR订阅服务中,尽管会产生额外的基于使用的成本。MacInnis表示,它也可以作为独立产品购买,并与其他HR记录系统集成。
相关文章
Runlayer 指控 Rippling 窃取其产品创意
Runlayer,一家提供安全模型上下文协议(Model Context Protocol)网关的初创公司——该标准旨在使人工智能模型和智能体能够安全地访问外部数据与工具——已对人力资源软件公司 Rippling 提起诉讼,据 TechCrunch 审阅的投诉文件显示。此次法律行动向向企业客户销售人工智能基础设施的公司发出了警告,尤其是那些拥有内部构建类似解决方案所需工程资源的技术公司。根据诉讼文件,Runlayer 与潜在客户 Rippling 进行了一次广泛的产品试用。在此过程中,这家
如何修复移动 SEO 的核心网页指标
提升本地 SEO:构建您的 Google 实体云盘堆栈目录:简介理解 Google 实体云堆叠Google 实体云堆叠的关键优势开始使用 Google 实体云堆栈 4.1. 选项 1:获取老号 Gmail 账户 4.2. 选项 2:创建新账户配置 Google Drive 以进行实体堆栈 5.1. 了解文件夹类型 5.2. 创建公共文件夹 5.3. 跨账户共享文件夹最大化实体云堆栈的影响 6.1. 开发 SEO 友好型内容 6.2. 为您的堆栈生成反向链接管理和组织实体云堆栈的最
Moonshot AI 的 Kimi 完成超过 35 亿美元 F 轮融资,估值达 350 亿美元
据《科技日报》报道,月之暗面(Moonshot AI)旗下 Kimi 已成功完成 F 轮融资,融资金额超过 35 亿美元,投后估值达到 350 亿美元。得益于订阅需求超过目标三倍以上的强劲驱动,本轮融资提前完成。此外,此前计划中的 G 轮(Pre-IPO)融资也已加速推进,投前估值现已达 500 亿美元。作为中国领先的 AI 大模型公司,月之暗面凭借 Kimi 在长上下文处理及实际性能方面的突破,迅速获得了用户关注和市场认可。这笔巨额融资彰显了资本市场对国内前沿 AI 模型的强烈信心,为扩大
相关专题推荐
评论 (0)
0/500

Rippling,一家领先的HR软件提供商,推出了AI支出控制台(AI Spend Console),这是一款旨在遏制“Token最大化”现象的工具,通过帮助组织监控和控制其AI支出来实现这一目标。该工具的一个突出功能允许公司按个人员工、团队和职位追踪支出,从而判断较高的成本是否与真正的生产力相关,还是仅仅增加了AI生成的噪音。
根据该公司的博客文章,该工具识别出“拥有高额AI支出且其同事频繁要求重写代码的工程师”,从而突显了开发工作流程中的低效问题。
该解决方案的出现源于Rippling在今年早些时候拥抱了“Token最大化”趋势,这与行业趋势一致,但随后发现员工迅速耗尽了预算。首席产品官Matt MacInnis回忆称,在三月份的一次高管会议上,CFO Adam Swiecicki揭示了令领导层震惊的惊人数据。
Rippling预计将把其研发人员预算的40%用于AI令牌,这意味着在令牌上的支出相当于支付给该部门员工薪酬的40%——金额高达数百万美元。(研发部门通常在大多数科技公司中容纳工程团队。)
随着支出以每月80%的速度增长,如果继续这一趋势,明年的AI令牌成本将达到高薪研发人员预算的90%。
“我们感到难以置信,”MacInnis告诉TechCrunch。
他解释说,管理层立即启动了一个“紧急”项目,以分析支出并评估从这些费用中获得的价值。该产品的发布广告甚至描绘了Swiecicki坐在凳子上,而员工将成捆的现金扔进碎纸机的场景。
根据博客文章,Rippling在分析后发现了诸如“大约10-15%的员工驱动了约60%的总AI支出。一名工程师每月花费50,000美元”等见解。
Rippling并不打算停止AI的使用,而是希望大幅限制它。公司首先与其主要工具——Cursor、OpenAI和Anthropic——协商支出上限。这揭示了一个明显的问题:员工默认使用最新、最昂贵的前沿模型来处理所有任务。
“事实是,像Anthropic和OpenAI这样的推理提供商完全没有动力帮助你控制支出。他们从失控的支出中受益,而这正是正在发生的事情。他们未能提供强大的使用洞察,并且彼此之间缺乏合作,”MacInnis表示。
这是2026年初的一个普遍挑战。在年初的八个月里,企业已经认识到两个关键点:首先,他们需要来自不同AI实验室、不同价格点的多种模型,包括前沿的开源权重选项,可能来自中国提供商。
Rippling创始人兼首席执行官Parker Conrad上个月指出,内部基准测试显示SpaceX的Grok是整体领导者,但“GLM 5.2便宜85%,但提供的性能与前沿模型几乎相同”。(SpaceX现在拥有Cursor,后者提供对Grok和其他数十种模型的访问权限。)Z.ai的GLM 5.2已成为科技公司中编码任务的首选中国模型,Databricks也提倡使用它。
其次,企业现在认识到需要一个AI网关,将提示词引导至每个任务最具成本效益的模型。Rippling得出了这一结论,并构建了集成到该产品中的自有AI网关。MacInnis指出,使用其他网关的企业仍然可以使用AI支出控制台,但那些寻求支出治理功能的企业必须使用Rippling的网关。
AI支出控制台生成仪表板(在“Token最大化”时期曾被称为排行榜),对每日提示词结合工作产出(代码行/拉取请求)和支出等指标进行评分。
借助该工具,Rippling将其令牌支出从人员预算的40%降低至约15%,同时并未限制AI的使用。MacInnis透露,在CFO发出警告的那个月,该公司令牌使用量峰值达到6050亿。7月份,内部使用量再次达到6000亿令牌,但他补充道,“7月令牌支出的成本仅为4月令牌支出成本的37%。”
“这仅仅是因为我们现在路由到了更有效的模型,”他说,并开玩笑称,“我们不允许销售团队使用Fable进行语法更新。”
然而,Rippling强调,仅靠技术是不够的。公司确定了有效使用AI的员工,并指定他们为“AI队长”,以协助组织的其余部分。
MacInnis指出,将AI使用扩展到工程领域之外的努力仍在进行中,因为软件工程师一直是主要用户。尽管如此,Rippling正将此方法应用于客户入职团队,以自动化邮件数据和对账任务。随后,仪表板将根据入职客户的数量来衡量生产力。
“我们必须能够将总务和面向客户职能中的令牌消耗与生产力联系起来。如果我们做不到这一点,这些工具对更广泛员工群体的可用性就存在不确定性,”MacInnis表示。
因此,如果Rippling作为一个例子,那么“Token最大化”可能已经向相反方向摆动得太远,以至于员工的AI访问权限可能不再像Slack或电子邮件那样无处不在。如果无法衡量生产力,并非所有员工都能保留访问权限。
关于该产品,AI支出控制台包含在Rippling的HR订阅服务中,尽管会产生额外的基于使用的成本。MacInnis表示,它也可以作为独立产品购买,并与其他HR记录系统集成。
Runlayer 指控 Rippling 窃取其产品创意
Runlayer,一家提供安全模型上下文协议(Model Context Protocol)网关的初创公司——该标准旨在使人工智能模型和智能体能够安全地访问外部数据与工具——已对人力资源软件公司 Rippling 提起诉讼,据 TechCrunch 审阅的投诉文件显示。此次法律行动向向企业客户销售人工智能基础设施的公司发出了警告,尤其是那些拥有内部构建类似解决方案所需工程资源的技术公司。根据诉讼文件,Runlayer 与潜在客户 Rippling 进行了一次广泛的产品试用。在此过程中,这家
如何修复移动 SEO 的核心网页指标
提升本地 SEO:构建您的 Google 实体云盘堆栈目录:简介理解 Google 实体云堆叠Google 实体云堆叠的关键优势开始使用 Google 实体云堆栈 4.1. 选项 1:获取老号 Gmail 账户 4.2. 选项 2:创建新账户配置 Google Drive 以进行实体堆栈 5.1. 了解文件夹类型 5.2. 创建公共文件夹 5.3. 跨账户共享文件夹最大化实体云堆栈的影响 6.1. 开发 SEO 友好型内容 6.2. 为您的堆栈生成反向链接管理和组织实体云堆栈的最
Moonshot AI 的 Kimi 完成超过 35 亿美元 F 轮融资,估值达 350 亿美元
据《科技日报》报道,月之暗面(Moonshot AI)旗下 Kimi 已成功完成 F 轮融资,融资金额超过 35 亿美元,投后估值达到 350 亿美元。得益于订阅需求超过目标三倍以上的强劲驱动,本轮融资提前完成。此外,此前计划中的 G 轮(Pre-IPO)融资也已加速推进,投前估值现已达 500 亿美元。作为中国领先的 AI 大模型公司,月之暗面凭借 Kimi 在长上下文处理及实际性能方面的突破,迅速获得了用户关注和市场认可。这笔巨额融资彰显了资本市场对国内前沿 AI 模型的强烈信心,为扩大





首页






