بدلاً من إيقاف الوصول إلى هذه الأدوات، قامت Rippling ببناء AI Spend Console، وأطلقتها رسمياً في 6 أغسطس 2026 . تحتوي المنصة على عدة إمكانيات متكاملة:

تتبع الإنفاق لكل موظف

تقوم المنصة بربط إنفاق رموز الذكاء الاصطناعي بكل موظف وفريق ودور وظيفي، ثم تربطه بمؤشرات الإنتاجية مثل طلبات السحب (pull requests) ومراجعات الأكواد . وهذا أعطى Rippling القدرة على رؤية الأدوار أو الأفراد الذين يتسببون في الفاتورة، وما إذا كان هذا الإنفاق يحقق نتائج.

بوابة ذكاء اصطناعي مع توجيه ذكي

قامت Rippling ببناء طبقة وسيطة تقوم تلقائياً بتوجيه كل استعلام إلى النموذج الأكثر فعالية من حيث التكلفة للمهمة المطلوبة، بدلاً من إرسال كل شيء إلى النماذج الحدودية الباهظة . اكتشفت Rippling أن نموذج Z.ai's GLM 5.2 أرخص بنسبة 85% من النماذج الحدودية الرائدة مع أداء متطابق تقريباً، لذلك تم توجيه الاستعلامات الروتينية إليه . (ملاحظة: هذه مقارنة أعلنتها الشركة وليست نتيجة مستقلة ).

حدود إنفاق لكل أداة

قامت Rippling بتفاوض على سقف أقصى للإنفاق لكل أداة ذكاء اصطناعي - Cursor، OpenAI، Copilot وغيرها - لمنع أي أداة من تجاوز الميزانية المخصصة .

ربط الإنفاق بالإنتاجية

تقوم المنصة بربط استهلاك الرموز بالمخرجات القابلة للقياس - المهام البرمجية، جودة طلبات السحب، سرعة المراجعة - بحيث يمكن الإبلاغ عن الإنفاق الذي لا يحقق إنتاجية واتخاذ إجراء بشأنه . وتصر Rippling على تسميتها "لوحة تحكم" وليس "لوحة متصدرين" .

قادة الذكاء الاصطناعي

موظفون مكلفون بمراقبة وإدارة إنفاق الذكاء الاصطناعي ضمن فرقهم، مما يخلق مساءلة مباشرة .

النتيجة

في غضون أشهر، خفضت Rippling إنفاقها على رموز الذكاء الاصطناعي من حوالي 40% من ميزانية رواتب البحث والتطوير إلى حوالي 15% - دون تقليل حجم الاستخدام. كانت الشركة لا تزال تستهلك حوالي 600 مليار رمز شهرياً في يوليو، لكن فاتورة يوليو كانت فقط 37% من فاتورة أبريل . وكما وصفتها عدة مصادر: حجم الرموز لم ينخفض أبداً، لكن الفاتورة انخفضت .

بدلاً من إيقاف الوصول إلى هذه الأدوات، قامت Rippling ببناء AI Spend Console، وأطلقتها رسمياً في 6 أغسطس 2026 . تحتوي المنصة على عدة إمكانيات متكاملة:

تتبع الإنفاق لكل موظف

تقوم المنصة بربط إنفاق رموز الذكاء الاصطناعي بكل موظف وفريق ودور وظيفي، ثم تربطه بمؤشرات الإنتاجية مثل طلبات السحب (pull requests) ومراجعات الأكواد . وهذا أعطى Rippling القدرة على رؤية الأدوار أو الأفراد الذين يتسببون في الفاتورة، وما إذا كان هذا الإنفاق يحقق نتائج.

بوابة ذكاء اصطناعي مع توجيه ذكي

قامت Rippling ببناء طبقة وسيطة تقوم تلقائياً بتوجيه كل استعلام إلى النموذج الأكثر فعالية من حيث التكلفة للمهمة المطلوبة، بدلاً من إرسال كل شيء إلى النماذج الحدودية الباهظة . اكتشفت Rippling أن نموذج Z.ai's GLM 5.2 أرخص بنسبة 85% من النماذج الحدودية الرائدة مع أداء متطابق تقريباً، لذلك تم توجيه الاستعلامات الروتينية إليه . (ملاحظة: هذه مقارنة أعلنتها الشركة وليست نتيجة مستقلة ).

حدود إنفاق لكل أداة

قامت Rippling بتفاوض على سقف أقصى للإنفاق لكل أداة ذكاء اصطناعي - Cursor، OpenAI، Copilot وغيرها - لمنع أي أداة من تجاوز الميزانية المخصصة .

ربط الإنفاق بالإنتاجية

تقوم المنصة بربط استهلاك الرموز بالمخرجات القابلة للقياس - المهام البرمجية، جودة طلبات السحب، سرعة المراجعة - بحيث يمكن الإبلاغ عن الإنفاق الذي لا يحقق إنتاجية واتخاذ إجراء بشأنه . وتصر Rippling على تسميتها "لوحة تحكم" وليس "لوحة متصدرين" .

قادة الذكاء الاصطناعي

موظفون مكلفون بمراقبة وإدارة إنفاق الذكاء الاصطناعي ضمن فرقهم، مما يخلق مساءلة مباشرة .

النتيجة

في غضون أشهر، خفضت Rippling إنفاقها على رموز الذكاء الاصطناعي من حوالي 40% من ميزانية رواتب البحث والتطوير إلى حوالي 15% - دون تقليل حجم الاستخدام. كانت الشركة لا تزال تستهلك حوالي 600 مليار رمز شهرياً في يوليو، لكن فاتورة يوليو كانت فقط 37% من فاتورة أبريل . وكما وصفتها عدة مصادر: حجم الرموز لم ينخفض أبداً، لكن الفاتورة انخفضت .