人力資源軟體供應商 Rippling 本週發表了 AI Spend Console，這是一款旨在協助企業追蹤並控制其 AI 支出的產品，以避免過度消耗 token。其中最引人注目的功能是，它能追蹤個別員工、團隊和職位的 AI 支出，並評估他們是否真正提高了生產力，還是只是產生了更多低品質的 AI 內容。

Rippling 在其部落格文章中承諾，這項工具將能揭示「哪些工程師的 AI 支出很高，但其同事卻經常在程式碼審查中要求他們重做工作」。

這項工具的誕生，源於 Rippling 在年初像許多公司一樣，全力投入 token 使用，卻發現員工們正瘋狂地燒錢。產品長 Matt MacInnis 仍記得三月份的一次高階主管會議，當時財務長 Adam Swiecicki 提出了一個令他們震驚的數字。

Rippling 的 AI token 支出預計將佔其研發部門人力預算的 40%，這意味著他們在 token 上的花費，相當於該部門員工總薪酬的四成，高達數百萬美元。支出每月增長 80%，如果這種趨勢持續下去，明年在 AI token 上的花費將高達研發部門高薪員工薪酬的 90%。

MacInnis 告訴 TechCrunch：「我們簡直不敢相信。」他表示，管理層立即啟動了一項「緊急」專案，以了解這些支出以及他們從中獲得了什麼。事實上，這款新產品的發布廣告中，Swiecicki 坐在凳子上，而員工們則拿起一疊疊現金丟進碎紙機。

Rippling 進行分析後發現，「大約 10-15% 的員工貢獻了總 AI 支出的約 60%。其中一名工程師每月花費 5 萬美元。」其部落格文章中提到。

Rippling 並不想停止 AI 的使用，只是想大幅度地加以控制。他們首先與公司使用的工具，包括 Cursor、OpenAI 和 Anthropic，協商了最高支出上限。他們立即發現一個明顯的問題：員工預設使用最新、最昂貴的頂尖模型來處理所有任務。

MacInnis 說：「事實是，像 Anthropic 和 OpenAI 這樣的推論服務供應商，完全沒有動機幫助你控制支出。」他補充道：「他們有充分的動機讓支出失控，而他們也確實這麼做了。他們沒有提供很好的使用洞察，彼此之間也沒有合作。」

這曾是 2026 年初的普遍問題。如今，八個月過去了，企業已經摸索出了一些門道。首先，他們知道需要來自不同 AI 實驗室、具有不同價格點的多個模型，包括頂尖的開源模型，甚至可能是來自中國的模型。

Rippling 創辦人兼執行長 Parker Conrad 上個月指出，當他的公司為內部用途進行基準測試時，發現 SpaceX 的 Grok 是全方位的領導者，但「GLM 5.2 便宜 85%，性能卻與頂尖模型幾乎相同」。(SpaceX 現已擁有 Cursor，該公司提供 Grok 和數十種其他模型的存取權限。)

Z.ai 的 GLM 5.2 近來已成為科技公司中，用於編碼任務特別受歡迎的中國模型。Databricks 也一直在推廣它。

其次，企業現在知道他們需要一個 AI 閘道，能將提示詞路由到最適合且最具成本效益的模型來執行任務。Rippling 也得出了這個結論。因此，他們建立了自己的 AI 閘道，這也是該產品的一部分。MacInnis 表示，即使企業已經使用其他閘道，仍然可以使用 AI Spend Console 產品，但如果他們想要使用控制支出的功能，則需要使用 Rippling 的閘道。

AI Spend Console 會生成儀表板（在過去 tokenmaxxing 盛行時曾被稱為排行榜），評估每日提示詞數量、工作產出（程式碼行數/拉取請求）和支出等指標。Rippling 表示，透過這項工具，他們已將 token 支出從人力預算的 40% 降至約 15%。但這並沒有減少 AI 的使用。

MacInnis 分享，在財務長發出警告的那個月，公司消耗了高達 6050 億個 token。到七月，內部使用量再次達到 6000 億個 token，然而「七月的 token 支出成本僅為四月支出的 37%」。他說：「這只是因為我們現在將流量路由到更有效的模型。」他開玩笑說：「我們不會讓銷售團隊使用 Fable 來進行語法更新。」

Rippling 指出，僅有技術解決方案是不夠的。公司發現了有效使用 AI 的員工，並將他們任命為「AI 隊長」，負責協助公司其他部門。MacInnis 表示，將 AI 應用擴展到工程部門以外的努力仍在進行中，因為目前主要使用者仍是軟體工程師。

但 Rippling 正在為客戶導入團隊開發相關應用，例如自動化郵件資料和資料核對任務。屆時，儀表板將以導入更多客戶的數量來衡量生產力。MacInnis 說：「我們必須能夠將行政管理職能和客戶服務職能中的 token 消耗與生產力連結起來。如果我們做不到這一點，那麼這些東西能否推廣給更廣泛的員工基礎就都說不準了。」

因此，如果 Rippling 是一個範例，那麼過度使用 token 的情況可能已經走向另一個極端，員工對 AI 的存取權限可能不再像 Slack 或電子郵件那樣普遍。如果公司無法衡量生產力，那麼並非所有員工都能獲得存取權限。

至於產品本身，AI Spend Console 已包含在 Rippling 的 HR 訂閱方案中，但仍會產生額外的 AI 使用費用。MacInnis 表示，它也可以作為獨立產品購買，並與其他 HR 系統整合。