Rippling снизила расходы на ИИ в 2,7 раза: как измерить использование искусственного интеллекта в бизнесе

Издание TechCrunch опубликовало интервью с директором по продукту Rippling Мэттом Макиннисом, где тот описал, как компания в начале 2025 года разрешила сотрудникам свободно пользоваться ИИ-инструментами. К марту финансовый директор Адам Свечицки показал руководству шокирующую цифру: компания была на пути потратить на токены сумму, равную 40% всего зарплатного фонда инженерного подразделения. Расходы росли на 80% каждый месяц, и при таком темпе через год достигли бы 90% от фонда оплаты труда R&D.

Что умеет AI Spend Console?

• Карта расходов по людям и командам. Инструмент показывает, сколько тратит каждый сотрудник, команда и роль. Видно, кто сжигает бюджет, а кто реально продуктивнее с ИИ.

• Связь расходов с результатом. Дашборд (панель с графиками) совмещает число промптов (запросов к ИИ) в день с рабочим выходом: строки кода, пул-реквесты (запросы на проверку кода коллегами). Rippling обещает показать, «какие инженеры много тратят на ИИ, но коллеги постоянно просят их переделать код при проверке».

• Собственный шлюз для маршрутизации запросов. Rippling построила ИИ-шлюз, который направляет каждый промпт к самой подходящей и дешёвой модели для конкретной задачи вместо того, чтобы всегда использовать самую дорогую.

• Лимиты по договорам с поставщиками. Компания договорилась о потолках расходов с Cursor, OpenAI и Anthropic, потому что, по словам Макинниса, «у провайдеров инференса (вычислений для работы ИИ) нет никаких стимулов помогать вам контролировать расходы».

Как Rippling снизила расходы в 2,7 раза без сокращения использования ИИ?

Ключевой факт: в апреле, на пике тревоги, сотрудники Rippling использовали 605 миллиардов токенов. В июле использование составило 600 миллиардов токенов, почти столько же. Но стоимость июльского потребления составила 37% от апрельской, по словам Макинниса.

Причина: компания перестала по умолчанию отправлять все запросы в самые дорогие модели. Основатель и глава Rippling Паркер Конрад отметил, что по внутренним тестам компании модель GLM 5.2 от Z.ai оказалась на 85% дешевле при «почти идентичной производительности» по сравнению с передовыми моделями. Макиннис пошутил: «Мы больше не позволяем отделу продаж проверять грамматику с помощью Fable».

Но технологий мало. Rippling нашла сотрудников, которые эффективно используют ИИ, и назначила их «капитанами ИИ». Они помогают остальным коллегам работать с инструментами грамотнее.

За пределами инженеров пока не всё гладко

Макиннис признал, что пока основные пользователи ИИ в компании это инженеры. Rippling работает над применением ИИ для команд, которые занимаются подключением новых клиентов: автоматизация рассылок и сверки данных. Дашборд тогда будет измерять продуктивность числом подключённых клиентов.

Мы должны уметь связать потребление токенов в административных и клиентских функциях с продуктивностью. Если мы не сможем это сделать, ни о каком доступе к ИИ для широкого круга сотрудников речи не идёт. : Мэтт Макиннис, директор по продукту Rippling

Это означает, что доступ к ИИ в Rippling перестал быть «как Slack или почта для всех». Если компания не может измерить отдачу, сотрудник может остаться без инструмента.

Что сравнить в России?

Прямого аналога AI Spend Console на российском рынке пока нет. Российские компании, использующие YandexGPT или GigaChat через API, видят расходы в личных кабинетах облачных провайдеров (Yandex Cloud, SberCloud), но эти панели показывают только общую сумму. Они не связывают траты конкретного сотрудника с его рабочим результатом и не маршрутизируют запросы к дешёвой модели автоматически.

Для российских компаний кейс Rippling ценен конкретными цифрами. Если даже технологическая компания из Кремниевой долины обнаружила, что 40% зарплатного фонда R&D утекает на токены, то бизнесу в РФ, где бюджеты на ИИ скромнее, контроль расходов критичен с первого дня.

Что делать с этим прямо сейчас?

• Автору на Дзене. Если вы платите за ChatGPT Plus, Claude Pro или другие подписки, посчитайте, сколько уходит в месяц и какой объём контента вы реально публикуете. Формула Rippling работает и для одного человека: расход делите на выход.

• Маркетологу. Спросите у команды, какие модели они используют по умолчанию. Часто все запросы идут в самую дорогую модель, хотя для рутины (переписать заголовок, проверить грамматику) хватит дешёвой. По данным Rippling, одна только маршрутизация запросов снизила затраты почти втрое.

• Предпринимателю в РФ. Выгрузите расходы на API из личного кабинета облачного провайдера, разбейте по проектам и сотрудникам вручную. Договоритесь с провайдером о потолке расходов: Rippling сделала это с Cursor, OpenAI и Anthropic, и в российских облаках такие лимиты тоже настраиваются.

Как попробовать AI Spend Console?

1. Если ваша компания уже использует HR-платформу Rippling, инструмент входит в подписку. Зайдите в административную панель и найдите раздел AI Spend Console.
2. Если у вас другая HR-система, AI Spend Console можно приобрести как отдельный продукт и интегрировать с вашей системой учёта кадров, по словам Макинниса.
3. Для полного контроля расходов (маршрутизация запросов и лимиты) потребуется использовать ИИ-шлюз Rippling. Если у вас уже есть свой шлюз, базовая аналитика расходов будет работать и без замены.

Частые вопросы

AI Spend Console работает только с Rippling?

Нет. По словам Макинниса, продукт можно купить отдельно и подключить к другой HR-системе. Но для функции маршрутизации запросов к дешёвым моделям и установки лимитов нужен ИИ-шлюз Rippling.

Какие модели Rippling считает выгодными?

Глава компании Паркер Конрад назвал модель GLM 5.2 от Z.ai: она на 85% дешевле передовых моделей при «почти идентичной производительности» по внутренним тестам Rippling. Компания также упоминает Grok (принадлежит SpaceX, доступен через Cursor) как лидера по совокупности качеств в своих бенчмарках.

Есть ли аналоги для малого бизнеса в России?

Готового продукта с такой функциональностью на российском рынке нет. Но принцип «считай расходы и маршрутизируй к дешёвой модели» можно реализовать вручную: выгружайте статистику из Yandex Cloud или SberCloud, сравнивайте стоимость токенов YandexGPT и GigaChat для разных задач и переключайтесь на дешёвую модель там, где качество не страдает.