Istället för att stänga av åtkomsten byggde Rippling AI Spend Console, som lanserades publikt den 6 augusti 2026 . Verktyget har flera sammanlänkade funktioner:
AI Spend Console kartlägger AI-tokenförbrukningen per anställd, team och roll, och korrelerar den mot produktivitetssignaler som pull requests och kodgranskningar . Det gav Rippling möjlighet att se vilka specifika roller eller individer som drev kostnaderna – och om utgifterna gav resultat.
Rippling byggde ett mellanlager som automatiskt skickar varje prompt till den mest kostnadseffektiva modellen för uppgiften, istället för att alltid använda de dyraste frontmodellerna . Företagets interna tester visade att Z.ai:s GLM 5.2-modell var 85% billigare än ledande frontmodeller med nästan identisk prestanda, så rutinmässiga prompts dirigerades dit
. (Detta är en företagsrapporterad jämförelse, inte ett oberoende resultat
.)
Rippling förhandlade fram ett maxbelopp för varje AI-verktyg – Cursor, OpenAI, Copilot med flera – för att förhindra att något enskilt verktyg drev upp en obegränsad nota .
Konsolen kopplar tokenförbrukning till mätbara resultat – kodincheckningar, pull request-kvalitet, granskningshastighet – så att utgifter som inte leder till produktivitet kan flaggas och åtgärdas . Rippling kallar det medvetet en ”dashboard” snarare än en ”leaderboard”
.
Utpekade medarbetare som ansvarar för att övervaka och styra AI-utgifterna inom sina team, vilket skapar direkt ansvarsskyldighet .
Inom några månader minskade Rippling AI-tokenutgifterna från cirka 40% av FoU-personalkostnaden till ungefär 15% – utan att minska användningsvolymen. Företaget förbrukade fortfarande cirka 600 miljarder tokens per månad i juli, men juliräkningen var bara 37% av vad den var i april . Som flera källor uttryckte det: tokenvolymen sjönk aldrig – räkningen gjorde det
.