في مارس 2026، اكتشفت Rippling أن إنفاقها على رموز الذكاء الاصطناعي يلتهم 40% من ميزانية رواتب فريق البحث والتطوير، مع نمو شهري يصل إلى 80%. استجابةً للأزمة، قامت الشركة ببناء أداة "AI Spend Console" لتتبع الإنفاق لكل موظف وتوجيه الاستعلامات للنماذج الأقل تكلفة.
إجابة البحث

Create a landscape editorial hero image for this Studio Global article: What happened when Rippling discovered it was spending 40% of its R&D headcount budget on AI tokens, growing 80% month-over-month, and how d. Article summary: Here is the full story verified against multiple sources.. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
في مارس 2026، قدم المدير المالي لشركة Rippling، آدم سويسيكي، توقعات صادمة لفريق الإدارة: كانت الشركة في طريقها لحرق 40% من ميزانية رواتب فريق البحث والتطوير على رموز الذكاء الاصطناعي، أي ملايين الدولارات، مع نمو شهري في الإنفاق يصل إلى 80% . وكان أحد المهندسين وحده ينفق 50,000 دولار شهرياً على الذكاء الاصطناعي
. وكشفت البيانات أيضاً أن 10-15% من الموظفين مسؤولون عن حوالي 60% من إجمالي الإنفاق على الذكاء الاصطناعي
.
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:
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.
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
).
قامت Rippling بتفاوض على سقف أقصى للإنفاق لكل أداة ذكاء اصطناعي - Cursor، OpenAI، Copilot وغيرها - لمنع أي أداة من تجاوز الميزانية المخصصة .
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"
.
موظفون مكلفون بمراقبة وإدارة إنفاق الذكاء الاصطناعي ضمن فرقهم، مما يخلق مساءلة مباشرة .
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
.
Studio Global AI
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
في مارس 2026، اكتشفت Rippling أن إنفاقها على رموز الذكاء الاصطناعي يلتهم 40% من ميزانية رواتب فريق البحث والتطوير، مع نمو شهري يصل إلى 80%.
في مارس 2026، اكتشفت Rippling أن إنفاقها على رموز الذكاء الاصطناعي يلتهم 40% من ميزانية رواتب فريق البحث والتطوير، مع نمو شهري يصل إلى 80%. استجابةً للأزمة، قامت الشركة ببناء أداة "AI Spend Console" لتتبع الإنفاق لكل موظف وتوجيه الاستعلامات للنماذج الأقل تكلفة.
النتيجة: خفض الإنفاق من 40% إلى 15% من ميزانية الرواتب دون خفض حجم الاستخدام (600 مليار رمز شهرياً).