人力资源软件提供商Rippling本周推出了AI支出控制台（AI Spend Console），这是一款帮助企业跟踪并控制AI支出的反“tokenmaxxing”产品。该工具的一个亮点是能够映射出各个员工、团队和岗位的AI花费情况，并判断他们是否真正提高了生产力，还是仅仅产生了大量无效的AI输出。
公司承诺，这款工具能显示“哪些工程师的AI支出较高，但他们的同事在代码审查中经常要求他们返工”，这是Rippling在其官方博客中提到的。
这款工具诞生于Rippling年初全力投入tokenmaxxing的背景下——当时许多公司都在这样做——但很快发现员工的AI花费极为惊人。首席产品官Matt MacInnis仍记得三月份一次高管会议上，首席财务官Adam Swiecicki展示的数字令他们震惊。
Rippling的AI代币支出预计将占研发部门人力预算的40%，也就是说，花在代币上的钱相当于该部门40%员工薪酬的总和，金额高达数百万美元。（研发部门通常是大多数科技公司工程师的主要归属。）
支出以每月80%的速度增长，如果趋势持续，到明年，AI代币支出将达到研发部门员工薪酬的90%。
“我们简直不敢相信，”MacInnis对TechCrunch说。
管理层随即启动了一项“紧急”项目，旨在深入了解支出情况及其带来的实际价值。事实上，这款新产品的发布广告中，Swiecicki坐在凳子上，员工们则将一捆捆现金投入碎纸机，形象地展示了资金的浪费。
Rippling的分析显示，“大约10%到15%的员工贡献了约60%的AI总支出，其中一名工程师每月花费高达5万美元。”
Rippling并不想完全停止AI的使用，而是希望大幅度控制支出。公司首先与所用的AI工具供应商——Cursor、OpenAI和Anthropic——协商设定了最高支出上限。很快发现一个明显问题：员工默认使用最新且最昂贵的前沿模型来完成所有任务。
“事实上，像Anthropic和OpenAI这样的推理服务提供商，根本没有动力帮助你控制支出。他们更倾向于让费用失控，这正是他们的做法。他们不提供良好的使用洞察，也不相互协作，”MacInnis说。
这曾是2026年初的普遍问题。如今，经过八个月的摸索，企业已经明白了几点。首先，他们需要来自多个AI实验室、不同价格点的多种模型，包括可能来自中国的前沿开放权重模型。
Rippling创始人兼CEO Parker Conrad上个月指出，公司内部基准测试发现，SpaceX的Grok模型整体表现最佳，但“GLM 5.2的成本低85%，性能几乎与前沿模型相当”。（SpaceX现拥有Cursor，提供Grok及数十个其他模型的访问。）Z.ai的GLM 5.2已成为科技公司中用于编码任务的热门中国模型。Databricks也在积极推广该模型。
其次，企业现在知道需要一个AI网关，将请求路由到最合适且成本效益最高的模型。Rippling也得出了同样结论，因此开发了自己的AI网关，作为该产品的一部分。MacInnis表示，已经使用其他网关的企业仍可使用AI支出控制台，但若想享受支出管理功能，则需使用Rippling的网关。
AI支出控制台提供仪表盘（过去称为排行榜），综合评分包括每日提示次数、工作产出（代码行数/拉取请求）和支出等指标。
有了这款工具，Rippling将代币支出从占人力预算的40%降至约15%，但并未减少AI的使用。MacInnis透露，首席财务官发出警告的那个月，公司代币使用量达到峰值6050亿个。7月内部使用量再次达到6000亿，但“7月的代币支出成本仅为4月的37%”。
“这完全是因为我们现在将请求路由到了更高效的模型，”他开玩笑说，“我们不会让销售团队用Fable来做语法更新。”
不过，Rippling指出，技术解决方案本身还不够。公司发现那些有效使用AI的员工，并任命他们为“AI队长”，负责帮助其他同事。
MacInnis表示，除了工程部门，AI在其他业务线的应用仍在推进中。例如，Rippling正在为客户入职团队开发自动化邮件数据和数据核对任务的方案，仪表盘将以入职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挂钩。如果做不到这一点，这些工具就无法向更广泛的员工开放，”MacInnis说。
因此，如果以Rippling为例，tokenmaxxing的极端做法可能已经反向发展，员工对AI的访问权限可能不再像Slack或电子邮件那样普及。如果无法衡量生产力，可能并非所有员工都能获得AI使用权限。
至于产品本身，AI支出控制台包含在Rippling的人力资源订阅服务中，但会产生额外的AI使用费用。MacInnis表示，该产品也可作为独立产品购买，并与其他人力资源系统集成。
