Rippling redujo su gasto en tokens de IA del 40% al 15% del presupuesto de I+D sin disminuir el uso

En marzo de 2026, el CFO de Rippling, Adam Swiecicki, presentó un pronóstico que dejó atónito al equipo ejecutivo: la empresa estaba en camino de gastar el 40% de su presupuesto de personal de I+D en tokens de IA, lo que equivalía a millones de dólares, con un gasto creciendo un 80% mes tras mes . Un solo ingeniero estaba gastando 50.000 dólares al mes en IA . Los datos también revelaron que entre el 10% y el 15% de los empleados generaban aproximadamente el 60% del gasto total en IA .

En lugar de cerrar el acceso, Rippling construyó AI Spend Console, lanzándola públicamente el 6 de agosto de 2026 . El producto tiene varias capacidades interconectadas:

Seguimiento del gasto por empleado

AI Spend Console mapea el gasto en tokens de IA a empleados, equipos y roles individuales, y luego lo correlaciona con señales de productividad como solicitudes de extracción (pull requests) y revisiones de código . Esto le dio a Rippling la capacidad de ver qué roles o personas específicas estaban generando la factura, y si ese gasto estaba produciendo resultados.

Puerta de enlace de IA con enrutamiento inteligente

Rippling construyó una capa intermediaria que enruta automáticamente cada solicitud al modelo más rentable para la tarea, en lugar de usar por defecto los costosos modelos frontera . Los puntos de referencia internos de la compañía encontraron que el modelo GLM 5.2 de Z.ai era un 85% más barato que los principales modelos frontera, ofreciendo un rendimiento casi idéntico, por lo que las solicitudes rutinarias se redirigieron allí . (Nota: esta es una comparación reportada por la empresa, no un resultado independiente ).

Límites de gasto por herramienta

Rippling negoció un tope de gasto máximo para cada herramienta de IA —Cursor, OpenAI, Copilot y otras— para evitar que una sola herramienta generara una factura sin control .

Correlación de productividad

La consola vincula el consumo de tokens con resultados medibles —commits de código, calidad de PR, velocidad de revisión— para que el gasto que no genere productividad pueda ser identificado y abordado . Rippling lo llama deliberadamente un "tablero" en lugar de una "tabla de clasificación" .

Capitanes de IA

Empleados designados responsables de monitorear y gobernar el gasto en IA dentro de sus equipos, creando una responsabilidad directa .

El resultado

En cuestión de meses, Rippling redujo su gasto en tokens de IA de aproximadamente el 40% del presupuesto de personal de I+D a alrededor del 15% —sin reducir el volumen de uso. La empresa seguía consumiendo aproximadamente 600 mil millones de tokens al mes en julio, pero la factura de ese mes fue solo el 37% de lo que fue en abril . Como lo expresaron varias fuentes: el volumen de tokens nunca cayó —la factura sí lo hizo .