Rippling 如何將 AI Token 支出從研發預算的 40% 砍到 15%，而且使用量不減反增

2026 年 3 月，Rippling 財務長 Adam Swiecicki 在一場高層會議中公布了一個令人震驚的預測：該公司的 AI Token 支出正以每月 80% 的速度成長，預計將燒掉 研發人事預算的 40%——金額高達數百萬美元 。更驚人的是，光是 一位工程師 每月就在 AI 上花費了 50,000 美元 。數據還顯示，公司內部 10% 到 15% 的員工，驅動了約 60% 的 AI 總花費 。

面對這個「不可持續」的開銷，Rippling 沒有選擇直接關閉 AI 工具的使用權限，而是決定自己建造一個解決方案——AI Spend Console，並於 2026 年 8 月 6 日正式對外公開 。這個產品整合了幾項關鍵功能：

個人化支出追蹤

AI Spend Console 能將 Token 花費精確對應到每一位員工、團隊與職位，再與實際的產出訊號（如 Pull Request 數量、程式碼審查品質）進行比對 。這讓管理階層能一眼看出哪些角色或個人是帳單的主要來源，以及這筆支出是否真的有創造價值。

AI 閘道與智慧路由

Rippling 建立了一個中介層，會自動將每次的提示詞（prompt）導向最符合任務成本效益的模型，而非一律使用昂貴的頂尖模型 。公司內部的基準測試發現，Z.ai 的 GLM 5.2 模型 比領先的頂尖模型便宜 85%，但效能幾乎完全一致，因此大量的例行提示詞都被導向此處 。（請注意，此為 Rippling 自行報告的比較結果，並非獨立第三方驗證 。）

工具級支出上限

Rippling 與 Cursor、OpenAI、Copilot 等各 AI 工具供應商協商了 最高支出上限，避免任何單一工具產生無上限的鉅額帳單 。

生產力相關性分析

此儀表板將 Token 消耗與可量化的產出（如程式碼提交、PR 品質、審查速度）連結，讓無法轉化為生產力的支出能被標記並採取行動 。Rippling 特別強調這是一個「儀表板」而非「排行榜」，以避免員工間的惡性競爭 。

AI 負責人（AI Captains）

指派特定員工負責監控和管理其團隊內的 AI 支出，建立直接的問責機制 。

驚人的成果

在實施這些措施後的幾個月內，Rippling 成功地將 AI Token 支出從 研發人事預算的約 40% 降至約 15%——而且完全沒有減少使用量。該公司 7 月份依然消耗了約 6000 億顆 Token，但 7 月的帳單金額 只有 4 月的 37% 。正如多家媒體所總結的：Token 使用量從未下降，下降的是帳單金額 。