人力资源软件提供商 Rippling 本周发布 AI Spend Console，一款帮助企业追踪和控制 AI 支出的反"tokenmaxxing"产品。该工具可详细追踪每位员工、团队和岗位的 AI 花费，并衡量其是否真正提升了生产力。
人力资源软件提供商 Rippling 本周发布了 AI Spend Console，一款反"tokenmaxxing"（AI代币滥刷）产品，帮助企业追踪和控制 AI 支出。其中最有趣的功能之一是，它能显示每位员工、团队和岗位在 AI 上的花费，以及他们是否真正提高了生产力，还是只是在制造更多 AI 垃圾输出。
该公司承诺，该工具将显示"哪些工程师的 AI 支出较高，而其同事在代码审查中经常要求他们返工"，Rippling 在其博客文章中表示。
该工具的诞生源于 Rippling 在今年年初全面拥抱 tokenmaxxing——正如许多公司所做的那样——结果发现员工在大把烧钱。首席产品官 Matt MacInnis 至今仍记得 3 月份的执行团队会议，当时 CFO Adam Swiecicki 展示了一个令他们震惊的数字。
Rippling 当时正以研发部门人力预算的 40% 在 AI 代币上烧钱，相当于它在 AI 代币上的支出相当于该部门所有员工薪酬的 40%。数百万美元。（研发部门是大多数科技公司工程团队的所在地。）
支出以每月 80% 的速度增长，如果这一趋势持续下去，下一年它在 AI 代币上的支出将几乎达到其高薪研发部门员工薪酬的 90%。
"我们简直不敢相信，"MacInnis 告诉 TechCrunch。
管理层立即启动了一个"紧急"项目，以了解支出情况以及他们从这些钱中获得了什么，他说。事实上，这款新产品的发布广告中，Swiecicki 坐在凳子上，而员工们正拿起一沓沓现金扔进碎纸机。
当 Rippling 进行分析时，它发现了一些事实，比如"大约 10-15% 的员工驱动了约 60% 的 AI 总支出。有一位工程师每月花费 5 万美元，"其博客文章分享道。
Rippling 并不想停止 AI 使用，只是大幅控制。它首先与公司使用的每个 AI 工具——Cursor、OpenAI 和 Anthropic——谈判设置了最高支出上限。它立即发现了一个明显的问题：员工默认使用最新、最昂贵的前沿模型处理所有任务。
"事实是，像 Anthropic 和 OpenAI 这样的推理提供商完全没有动机帮助你控制支出。他们完全有动机让它成为失控的开支，而这正是他们在做的。他们不提供良好的使用洞察，也不相互合作，"MacInnis 说。
这是 2026 年初的常见问题。现在，进入今年第八个月，企业已经弄清楚了几件事。首先，他们需要来自多个 AI 实验室的多种不同价位的模型，包括一个前沿的开源权重选项，可能来自中国。
Rippling 创始人兼 CEO Parker Conrad 上个月指出，当他的公司为内部用途进行自己的基准测试时，发现 SpaceX 的 Grok 是全面领先者，但"GLM 5.2 便宜 85%，但性能几乎相同"。（SpaceX 现在拥有 Cursor，后者提供对 Grok 和数十种其他模型的访问。）智谱 AI 的 GLM 5.2 已成为科技公司编程任务中特别受欢迎的中国模型。Databricks 也一直在推崇它。
第二，企业现在知道，他们需要一个 AI 网关，将提示路由到最适合该任务且最具性价比的模型。Rippling 也得出了同样的结论。因此，它构建了自己的 AI 网关，也作为该产品的一部分。MacInnis 表示，已经在使用其他网关的企业仍然可以使用 AI Spend Console 产品，但如果他们想要支出管理功能，则需要使用 Rippling 的网关。
AI Spend Console 生成仪表板（在 tokenmaxxing 时代曾被称为排行榜），根据每日提示次数结合工作产出（代码行数/拉取请求）和支出等属性进行评分。
有了这个工具，Rippling 表示其代币支出从人力预算的 40% 降到了约 15%。但它并没有减少 AI 使用。该公司在 CFO 发出警告的那个月达到了 6050 亿代币的峰值使用量。7 月份，内部使用量再次达到 6000 亿代币，但"7 月份代币支出的成本是 4 月份代币支出成本的 37%，"他说。
"这仅仅是因为我们现在将任务路由到更有效的模型，"他说，并开玩笑说"我们不让销售团队用 Fable 做语法更新。"
但 Rippling 指出，仅靠技术解决方案是不够的。该公司发现了一些有效使用 AI 的员工，并让他们成为"AI 队长"，负责协助公司其他部门。
然而，MacInnis 表示，将 AI 扩展到工程部门之外的尝试仍在进行中，目前软件工程师是主要用户。但 Rippling 正在努力，例如，在客户入职团队中自动化一些邮件处理和数据核对任务。仪表板将根据 onboarding 的客户数量来衡量生产力。
"我们必须能够将 G&A 职能和面向客户职能中的代币消耗与生产力联系起来。如果我们做不到这一点，那么所有这些 AI 工具对更广泛的员工群体来说都可能不可用，"MacInnis 说。
因此，如果以 Rippling 为例，tokenmaxxing 可能已经过度向另一个方向摆动，以至于员工的 AI 访问权限可能不再像 Slack 或电子邮件那样普遍。如果公司无法衡量生产力，那么并非所有员工都能获得 AI 访问权限。
至于产品，AI Spend Console 包含在 Rippling 的 HR 订阅中，但会产生额外的 AI 使用费用。MacInnis 表示，它也可以作为独立产品购买，并与另一个人力资源系统集成。
来源：TechCrunch
