HR软件公司Rippling本周发布了AI Spend Console，一款帮助企业追踪和管控AI支出的产品。其中最有趣的功能是，它能映射每个员工、团队和角色花了多少钱，以及这些支出是否真正提升了生产力，还是生成了大量AI废料（AI slop）。公司声称，该工具会显示“哪些工程师高额使用AI但频繁被同事要求返工”。

这款产品源于Rippling自己在年初对AI tokenmaxxing（疯狂使用token）的全面投入——像很多公司一样——结果发现员工在疯狂烧钱。首席产品官Matt MacInnis仍记得3月的管理层会议，CFO Adam Swiecicki给出了一个让他们震惊的数字：Rippling当时的AI token支出正以占R&D人力预算40%的速度燃烧，意味着花在token上的钱相当于该部门员工薪酬总额的40%。数额达数百万美元。支出月增长达到80%，如果趋势持续，下一年AI token开销将达到R&D人力预算的90%。“我们难以置信，”MacInnis说。管理层立即启动了一个“紧急”项目，以了解支出和回报。

分析发现，大约10-15%的员工驱动了约60%的AI支出。一名工程师每月花费$50,000。Rippling不想禁止AI使用，只是想控制它。它首先与使用的每个AI工具（Cursor、OpenAI、Anthropic）谈判设定了支出上限。随后发现一个明显问题：员工默认使用最新、最贵的模型处理所有任务。“事实是，推理提供商（如Anthropic和OpenAI）完全没有动力帮你控制支出。他们希望它成为失控的费用，”MacInnis说，这是2026年初的常见问题。

现在（2026年8月），企业已经明白了几件事。首先，需要来自多个AI实验室的不同价位模型，包括一个前沿开放权重模型，可能来自中国。Rippling创始人Parker Conrad上个月提到，公司内部基准测试发现，SpaceX的Grok整体领先，但“GLM 5.2便宜85%，性能几乎与前沿模型相同”。（SpaceX现在拥有Cursor，提供Grok和其他几十个模型）。Z.ai的GLM 5.2在编程任务中尤其受企业欢迎。其次，企业需要一个AI网关，将提示路由到最适合、最具成本效益的模型。Rippling也自己构建了AI网关，集成在产品中。

AI Spend Console生成仪表盘，评分属性包括每日提示次数、工作产出（代码行/拉取请求）和支出。在工具部署后，Rippling的token支出从人力预算的40%降到约15%。但AI使用量并未减少：CEO警告的月份消耗峰值6050亿token，7月内部用量再次达到6000亿token，但“7月的token支出只有4月成本的37%”。“这只是因为我们现在将请求路由到更高效的模型，”MacInnis开玩笑说，“我们不会让销售团队用Fable做语法更新。”

除了技术方案，Rippling还找出高效使用AI的员工，任命为“AI队长”协助其他人。但让工程之外的部门也有效用AI仍在推进中，目前软件工程师是主要用户。公司正尝试在客户入职团队中自动化邮件数据和对账任务，仪表盘将用“入职客户数”衡量生产力。“如果无法将G&A职能和面向客户职能中的token消耗与生产力挂钩，那么这些工具对更广泛的员工群体来说就不可用，”MacInnis说。如果Rippling是例子，tokenmaxxing可能已经过度摇摆，员工对AI的访问不再像Slack或电子邮件那样普及——如果公司无法衡量生产力，可能不是所有员工都能访问。

AI Spend Console对Rippling的HR订阅用户免费，但会有额外的AI使用费用。它也可以作为独立产品购买，并与其他HR系统集成。