Rippling推出 AI Spend Console：企业AI管理从“能不能用”转向“花得值不值”
Rippling 于 8 月推出 AI Spend Console，帮助企业按员工、团队和岗位追踪 AI 模型调用与成本，并将支出与代码提交、绩效等业务指标关联。产品还配套 AI Gateway，用于模型访问控制、支出上限与任务路由，旨在把 AI 费用管理从“能不能用”转向“花得值不值”。
Rippling 于 8 月推出 AI Spend Console，帮助企业按员工、团队和岗位追踪 AI 模型调用与成本，并将支出与代码提交、绩效等业务指标关联。产品还配套 AI Gateway，用于模型访问控制、支出上限与任务路由，旨在把 AI 费用管理从“能不能用”转向“花得值不值”。
美国人力资源软件公司 Rippling 于 8 月 7 日推出 AI Spend Console，试图帮助企业按员工、团队和岗位追踪人工智能模型的调用量与成本，并将这些支出与代码提交、代码评审和绩效等业务指标联系起来。该产品同时配套 AI Gateway，用于限制模型访问、设置支出上限，并将不同任务路由到价格和能力不同的模型。
这标志着企业AI管理的重点正在发生变化。早期企业更关心员工是否开始使用AI工具；随着调用量和模型费用迅速增长，财务和技术管理者开始面对另一个问题：AI带来的产出，是否足以证明相应支出是合理的。
Rippling曾面临失控的AI账单
Rippling在官方产品说明中说，公司在推动员工广泛使用AI工具的早期，没有设置足够的使用限制，AI token支出一度以每月约80%的速度增长。按照公司的预测，如果不采取措施，token支出可能相当于研发部门员工薪酬预算的40%，第二年甚至接近90%。
TechCrunch援引Rippling管理层的话报道，公司随后对内部使用情况进行分析，发现约10%至15%的员工贡献了约60%的AI支出；其中一名工程师的月度支出最高达到5万美元。公司在支出达到峰值的月份使用了约6050亿tokens，2026年7月的内部使用量再次达到约6000亿tokens。
这些数字来自Rippling对自身内部运营情况的披露，并不是对所有企业的普遍估计，也尚未见到独立审计或第三方复测。它们更像是一份企业在AI大规模普及后所遇到的成本案例：当模型调用从少数实验变成日常工作基础设施，传统的软件订阅管理方式可能不再足够。
Rippling称，在设置支出上限、调整模型路由并建立使用看板后，相关支出占比降至约15%。尽管7月的token使用量与4月接近，但成本约为4月的37%。公司将变化主要归因于把不同任务分配给更合适、成本更低的模型，而不是简单减少AI使用量。
从看板到AI Gateway
AI Spend Console的第一层功能是把来自Cursor、OpenAI和Anthropic等供应商的支出与使用数据集中起来。Rippling表示，系统可以将供应商记录中的邮箱、员工编号、用户名或显示名称映射到员工身份，再按部门、团队、职位等组织属性拆分费用。
在此基础上，财务和IT管理者可以查看不同团队使用了哪些模型、花费了多少，以及这些支出是否与业务结果同步增长。Rippling给出的示例包括比较AI支出与合并的代码拉取请求数量、代码评审返工情况和绩效数据。用户也可以用自然语言提出问题，由Rippling AI生成看板，而不必自行编写SQL查询。
第二层是AI Gateway。按照Rippling的产品说明，这一层位于员工和获准使用的模型之间，负责记录每次调用，并根据员工属性设置模型访问策略和token支出限制。它也可以把任务自动路由到不同模型，使企业不必为每一次模型更换重新调整整个开发工具链。
Rippling表示，AI Gateway目前处于等待名单阶段。公司已经可以通过AI Spend Console查看和分析支出，但完整的模型访问控制和自动路由功能仍应以官方后续说明为准。
成本控制也带来新的管理问题
Rippling的案例显示，企业可能并不需要在“无限使用”和“全面禁用”之间二选一。公司称，员工在没有预算限制时，往往倾向于默认使用最昂贵的新模型；设置限制后，他们反而需要了解不同模型的适用范围，寻找更有效率的配置和工作方式。
公司还建立了AI Captains项目，从各部门选出20名员工，帮助团队选择工具、设计自动化流程，并把使用情况与实际回报联系起来。Rippling称，这一做法让AI从研发部门扩展到其他部门的尝试获得了组织支持，但目前最明确的生产力信号仍主要来自软件工程场景。
这也暴露出AI成本治理的难点。代码拉取请求、合并时间和返工率相对容易量化；客户服务、招聘、销售支持或数据整理等岗位的AI价值，则往往需要更长时间才能体现。若企业把单纯的调用量或提示词数量当成生产力指标，可能会奖励更频繁的使用，而不是更有效的工作。
AIFlux此前报道过，Google为Gemini API的Managed Agents加入预算控制、hooks和后台执行等能力。两者面向的产品层级不同，但反映出同一趋势：企业AI的竞争正在从单一模型能力，延伸到成本上限、权限、审计、路由和任务完成效果等运行机制。
AI支出正在成为新的企业基础设施账本
Rippling将AI Spend Console面向现有HR客户提供，也允许将其作为独立产品使用。官方页面显示，非Rippling客户可以申请30天免费试用，现有Rippling AI客户则可在订阅中使用；具体使用成本和AI Gateway的完整定价仍待进一步披露。
对企业而言，真正的挑战并不只是看见一张更详细的费用报表，而是建立一套可信的因果链：哪一类员工在使用AI，使用了什么模型，完成了什么任务，产生了哪些可验证结果，以及在什么情况下应当选择更便宜的模型。
如果这类产品能够持续把调用成本与业务结果连接起来，AI预算就可能从一项难以解释的技术开支，变成可以由财务、工程和业务团队共同管理的运营指标。但在生产力指标尚未成熟之前，Rippling披露的节省效果仍应被视为公司自身案例，而不是普遍适用于所有企业的结论。
来源
不错过任何一条 AI 大事
订阅 AIFlux 早报，每天 3 分钟看懂产业动态。
