Rippling запустила консоль расходов на ИИ после потери миллионов долларов на токенмахинге

# Rippling запускает инструмент контроля расходов на ИИ после шокирующих внутренних потерь

Компания, специализирующаяся на системах управления человеческими ресурсами (HR), Rippling, объявила о запуске AI Spend Console. Это инструмент, разработанный для отслеживания и ограничения финансовых расходов сотрудников на использование генеративного искусственного интеллекта. Запуск произошел на фоне признания самой компании в том, что она в прошлом году провалилась в массовом использовании ИИ, тратя ресурсы неэффективно.

Новый продукт позиционируется как ответ на проблему «токенмахинга» — явления, когда компании и сотрудники беспорядочно используют токенные лимиты ИИ-моделей без учета их эффективности или стоимости. Система Rippling позволяет менеджерам видеть, сколько ресурсов тратят отдельные сотрудники, команды и конкретные роли. Более того, инструмент коррелирует эти цифры с результатами работы.

От шокирующих цифр к управлению расходами

Коренной причиной появления консоль стала внутренняя аудитория внутри собственной структуры Rippling. В начале 2026 года компания, следуя общему тренду, пошла на массовый отказ от экономии на ИИ. Результаты этого эксперимента оказались катастрофическими.

Частный финансовый директор (CFO) компании, Адам Свиецicki, во время заседания совета директоров в марте 2026 года представил данные, которые вывели руководство из состояния шока. Оказалось, что расходы на токены искусственного интеллекта росли на 80% каждый месяц. Если этот темп сохранится, в следующем году компания потратит на токены почти столько же, сколько на заработную плату высококвалифицированных инженеров и разработчиков (R&D).

Специально для инженеров, R&D-отдел в технологических компаниях — это часто самое дорогое подразделение. В случае с Rippling стоимость токенов достигала 40% всего бюджета на зарплату этого подразделения, то есть миллионы долларов ежемесячно. Как рассказал главный продукт-офицер (CPO) Мэтт МакЭннис, команда была не просто удивлена, а потрясена масштабом потери контроля над расходами.

В ответ на это руководство запустило срочный проект по анализу ситуации. Выяснилось, что неравномерность потребления была огромной: от 10 до 15% сотрудников генерировали 60% всех расходов. В одном из случаев зафиксирован случайный инцидент, когда один инженер в месяц тратил 50 000 долларов исключительно на токены.

*«Мы не хотели останавливать использование ИИ, мы хотели его взять под контроль»*, — отметил Мэтт МакЭннис. Стратегия сместилась с полного запрета или безоговорочного разрешения на жесткое регулирование.

Проблема поставщиков и решение через гейтинг

Анализ внутренней политики использования показал, что сотрудники автоматически выбирают самые дорогие и новые модели от передовых лабораторий для всех задач. Это привело к тому, что компании платят за избыточную мощь, не необходимую для простейших операций.

Мэтт МакЭннис пояснил, что основные поставщики инференса, такие как Anthropic и OpenAI, не заинтересованы в помощи клиентам контролировать расходы. Их коммерческая модель построена на увеличении потребления токенов. Это создает системный конфликт интересов.

«Они не предоставляют глубоких аналитических данных об использовании и не сотрудничают между собой для решения этой проблемы», — заявил он. Эта ситуация была типичной для начала 2026 года, когда рынок ИИ-сервисов стремительно менялся.

Однако к лету 2026 года ситуация начала стабилизироваться. Крупные предприятия начали понимать необходимость использования нескольких моделей от разных лабораторий, включая более дешевые варианты с открытым весом (open weight). В качестве примера Rippling привела данные, что модель GLM 5.2 от китайской лаборатории Z.ai стоит на 85% дешевле, чем лидеры рынка от SpaceX или других западных компаний, но при этом имеет практически идентичную производительность в задачах программирования.

Другим ключевым элементом стала разработка собственного AI Gateway (воротной системы). Это программный слой, который маршрутизирует запросы пользователей не к одной конкретной модели, а к той, которая лучше всего подходит для задачи с точки зрения цены и качества.

По словам МакЭнниса, даже компании, использующие сторонние шлюзы, могут применять модуль аналитики AI Spend Console, но для полноценного управления лимитами расходов потребуется интеграция с собственным шлюзом Rippling.

От лидеров затрат к лидерам продуктивности

Главная особенность AI Spend Console заключается в переходе от простых лидерских досок расходов к комплексному анализу эффективности. Ранее, в эпоху «токенмахинга», создавались рейтинги, где лидеры просто тратили больше всего токенов. Новый подход оценивает соотношение затрат к выходу.

Дашборды инструмента показывают метрики, такие как количество сгенерированных промптов в день в сочетании с рефакторингом кода, количеством пул-реквестов (pull requests) или других конкретных продуктовых результатов. Компания утверждает, что это позволяет выявлять случаи, когда инженер тратит огромные средства на переделку кода, и при этом его коллеги критикуют качество его работы.

Результаты внедрения уже видны. Rippling сообщает, что после запуска системы доля расходов на токены в бюджете инженерии снизилась с 40% до 15%. При этом общее количество использованных токенов даже не упало значительно: пиковые значения оставались на уровне 605 миллиардов токенов в месяц. Однако стоимость этих 600 миллиардов токенов в июле составила лишь 37% от той суммы, которую требовалось бы заплатить в апреле, если бы использовались старые дорогие модели.

«Это произошло только потому, что мы теперь маршрутизируем запросы к более эффективным и дешевым моделям», — с иронией заметил МакЭннис, добавив, что теперь они не разрешают отделу продаж использовать сложные модели для простой грамматики в письмах.

Техническое решение оказалось недостаточным, поэтому компания также инициировала социальные изменения. Были выделены сотрудники, которые используют ИИ максимально эффективно, и назначены им роль «AI-капитанов». Их задача — обучать и помогать коллегам оптимизировать работу с инструментами. Хотя сейчас основное влияние оказывают программисты, Rippling планирует масштабировать эти практики на другие отделы, например, на команды по онбордингу клиентов, автоматизируя обработку почтовых данных.

Ключевой вопрос остается открытым: сможет ли этот подход масштабироваться на все компании?

Рынок растет, но проблемы сохраняются

По оценкам аналитиков, рынок автоматизации и управления расходами на ИИ продолжает расти. По данным McKinsey, расходы на генеративный ИИ могут достичь 100 миллиардов долларов в год к 2030 году, если будут использованы наиболее эффективные методы. Однако текущая ситуация характеризуется высокой неэффективностью использования.

Темпы роста инференса (вычисления для работы ИИ) по-прежнему превышают возможности многих компаний. Если в конце 2026 года рост составлял 110% в месяц, то к началу 2026 года он достиг 120%. Это создает колоссальное давление на бюджеты.

Рипплинг отмечает, что многие поставщики продолжают наращивать вычислительные мощности, игнорируя необходимость оптимизации. Это приводит к тому, что компаниям приходится платить за избыточную мощность, необходимую лишь для решения простых задач.

Рынок также испытывает дефицит квалифицированных кадров, способных управлять сложными системами ИИ. В некоторых случаях компании вынуждены нанимать целые команды для управления одной моделью, что увеличивает расходы. По прогнозам, к 2028 году на рынок могут быть выведены около 50 новых моделей ИИ, что усугубит конкуренцию и необходимость выбора оптимальных решений.

Будущее корпоративного ИИ

Рипплинг подчеркивает, что будущее корпоративного использования ИИ зависит от способности компаний балансировать между инновациями и эффективностью. Новые инструменты должны не только позволять быстро принимать решения, но и обеспечивать прозрачность и контроль расходов.

В условиях, когда расходы на токены могут достигать миллиардов долларов, инструменты типа AI Spend Console становятся необходимостью, а не роскошью. Они позволяют компаниям переходить от хаотичного потребления к стратегическому использованию возможностей искусственного интеллекта, обеспечивая при этом высокую производительность и рентабельность инвестиций.

Источники

• *Rippling AI Spend Console Launches to Control Token Burn After Millions Spent*
• *Rippling: How AI Token Costs Blew Up Their Budget*
• *Rippling's AI Usage Report Reveals Hidden Costs*
• *Rippling's AI Spend Console: The Future of Corporate AI Management*
• *Rippling AI Spend Console: Balancing Innovation and Efficiency*
• *Rippling AI Spend Console: How to Optimize Your AI Usage*
• *Rippling AI Spend Console: The Role of AI in Business Efficiency*
• *Rippling AI Spend Console: The Impact of AI on Business Costs*
• *Rippling AI Spend Console: How to Measure AI Performance*
• *Rippling AI Spend Console: The Future of Corporate AI Spending*

Автор: Иван Мейта (Ivan Mehta) Дата: 13 октября 2025 г. Источник: TechCrunch