Облачный единорог Rippling в начале 2026 выдала своим сотрудникам самые мощные AI-модели практически без оглядки на стоимость.
А через несколько месяцев внезапно увидели, что расходы на токены достигли 40% бюджета на зарплаты всей R&D-команды. И росли эти расходы примерно на 80% в месяц.
🚜 10–15% сотрудников создавали около 60% всех AI-расходов. А самый неутомимый умудрялся сжечь токенов на $50 000 в месяц.
Однако, они же не просто так единорог, люди-то неглупые. Вместо того чтобы запретить AI, Rippling поступили нестандартнее: построили систему, дающее понимание, какие расходы на ИИ действительно повышают производительность, а какие улетают в черную дыру.
Изучили, какую модель лучше использовать для конкретного запроса и раскидали по типам задач:
Задача A - дешёвая модель
В - модель среднего уровня
C - дорогая frontier-модель
💲 Назвали это всё AI Spend Console, инструмент, который показывает:
- сколько AI использует конкретный сотрудник
- сколько денег он расходует
- сколько запросов делает
- какой результат производит
- как его показатели выглядят относительно коллег
Но они не просто написали очередной софт, они нашли спецов, которые хорошо умеют работать с AI, и назначила их "капитанами", задача которых - помогать остальным бедолагам учиться использовать AI эффективнее.
🎉 Что это дало?
- расход токенов снизился с 40% до ~15% от бюджета на сотрудников R&D
- при этом объём использования AI практически не упал
- в июле компания использовала примерно столько же токенов, сколько в апреле - около 600 млрд.
Но стоило это всего 37% от стоимости апрельского использования. То есть, они не стали меньше использовать AI. Они научилась использовать его дешевле и рациональнее.
На старте проблема возникала из-за того, что люди в компании часто автоматически выбирали самую новую и самую мощную модель - даже если для конкретной задачи она была избыточной.
😐 А как мы понимаем, у OpenAI и Anthropic нет экономического стимула помогать клиенту уменьшать его расходы.Не только у них, к слову, возьмите ваш любой рекламный канал.