İnsan kaynakları yazılımı sağlayıcısı Rippling, bu hafta şirketlerin yapay zekâ harcamalarını izlemesine ve dizginlemesine yardımcı olan AI Spend Console ürününü tanıttı. Şirketin "anti-tokenmaxxing" olarak konumlandırdığı araç, kurumsal düzeydeki toplam harcamayı göstermekle kalmıyor; tek tek çalışanların, ekiplerin ve rollerin ne kadar harcadığını haritalayarak bu paranın gerçekten üretkenliğe dönüşüp dönüşmediğini de ortaya koymayı hedefliyor. Rippling'in blog yazısına göre araç, "kod incelemelerinde akranlarının sık sık işi yeniden yapmasını istediği, yüksek yapay zekâ harcamasına sahip mühendisleri" gösterebilecek.
Ürün, şirketin yılın başında sektördeki pek çok firma gibi tokenmaxxing yarışına girmesinin ardından doğdu. Rippling kısa süre içinde çalışanların kontrolsüz biçimde nakit harcadığını fark etti. Rippling Ürün Direktörü Matt MacInnis, Mart ayında yapılan yönetim ekibi toplantısında Mali İşler Direktörü Adam Swiecicki'nin paylaştığı rakamın kendilerini şoke ettiğini hatırlıyor. Şirket, Ar-Ge kadro bütçesinin %40'ını yapay zekâ tokenlarına harcama yolundaydı; bu, o birimdeki çalışanlara ödenen toplam ücretin %40'ı kadar bir tutarın tokenlara gitmesi anlamına geliyordu. Rakam milyonlarca dolardı. Harcama aydan aya %80 artıyordu ve bu eğilim sürseydi şirket, bir sonraki yıl yüksek maaşlı Ar-Ge kadrosuna harcadığına yakın bir oranı, %90'ı, yapay zekâ tokenlarına ayıracaktı.
Yönetimi harekete geçiren rakam
"İnanamadık" diyen MacInnis, yönetimin hemen harcamayı ve karşılığında ne elde edildiğini anlamak için "acil" bir projeye giriştiğini anlattı. Yeni ürünün lansman reklamı da bu tabloyu ti'ye alıyor: Reklamda Swiecicki bir taburede otururken çalışanlar para destelerini alıp kâğıt öğütücüye atıyor.
Harcamanın çoğunu azınlık yapıyor
Rippling'in analizi, "çalışanlarımızın kabaca %10-15'inin toplam yapay zekâ harcamasının yaklaşık %60'ını ürettiğini" ortaya koydu. Blog yazısına göre bir mühendis ayda 50.000 dolar harcıyordu. Şirket yapay zekâ kullanımını tamamen durdurmak istemiyor, yalnızca ciddi biçimde dizginlemek istiyordu. İlk adımda kullandığı her araçla — Cursor, OpenAI ve Anthropic — azami harcama tavanı için pazarlık yaptı.
Bu noktada bariz bir sorun hemen kendini gösterdi: Çalışanlar tüm görevler için varsayılan olarak en yeni ve en pahalı öncü modelleri kullanıyordu. MacInnis, Anthropic ve OpenAI gibi çıkarım sağlayıcılarının harcamayı kontrol etmenize yardımcı olmak için hiçbir teşvike sahip olmadığını savunuyor. Ona göre bu sağlayıcıların çıkarı harcamanın kontrolden çıkması yönünde ve tam olarak bunu yapıyorlar; kullanım içgörüsü sunmuyor ve birbirleriyle işbirliği yapmıyorlar. MacInnis bu durumun 2026 başında yaygın bir sorun olduğunu belirtiyor.
Model çeşitliliği ve kendi AI gateway'i
Yılın sekizinci ayına girilirken işletmelerin birkaç ders çıkardığını söyleyen MacInnis'e göre ilk ders, farklı fiyat noktalarında, farklı yapay zekâ laboratuvarlarına ait birden fazla modele ihtiyaç duyulduğu; buna muhtemelen Çin kökenli, öncü sınıfı açık ağırlıklı bir seçeneğin de dahil olduğu. Rippling kurucusu ve CEO'su Parker Conrad, geçen ay şirketin kendi iç kullanımı için yaptığı kıyaslamalarda SpaceX'in Grok'unun genel olarak lider çıktığını, ancak "GLM 5.2'nin %85 daha ucuz olmasına karşın öncü modellerle neredeyse aynı performansı" gösterdiğini aktarmıştı. Kaynağa göre SpaceX artık Cursor'a sahip ve Cursor, Grok ile düzinelerce başka modele erişim sunuyor. Z.ai'nin GLM 5.2 modeli bu günlerde teknoloji şirketleri arasında kodlama görevleri için özellikle gözde hale gelmiş durumda; Databricks de bu modeli destekliyor.
İkinci ders ise işletmelerin, istemleri göreve en uygun ve en ekonomik modele yönlendiren bir yapay zekâ geçidine (AI gateway) ihtiyaç duyduğu. Rippling de aynı sonuca vardı ve bu ürünün parçası olan kendi AI gateway'ini kurdu. MacInnis, hâlihazırda başka bir geçit kullanan işletmelerin AI Spend Console'u yine de kullanabileceğini, ancak harcamayı yöneten özelliklerden yararlanmak isteyenlerin Rippling'in geçidini kullanması gerektiğini söylüyor.
Dashboard'lar ve harcamadaki düşüş
AI Spend Console, tokenmaxxing günlerinde "liderlik tabloları" olarak bilinen panoları üretiyor. Bu panolar; günlük istem sayısını iş çıktısıyla (satır sayısı, pull request) ve harcamayla birleştirerek puanlıyor. Rippling'e göre bu araç devreye girdikten sonra şirketin token harcaması kadro bütçesinin %40'ından yaklaşık %15'ine geriledi. Ancak şirket yapay zekâ kullanımını kısmadı. MacInnis'in paylaştığına göre şirket, mali işler direktörünün uyarıyı verdiği ayda 605 milyar tokenla zirveyi gördü. Temmuz ayında iç kullanım yeniden 600 milyar tokenı buldu; buna karşın MacInnis, "Temmuz'daki token harcamasının maliyeti, Nisan'daki token harcamasının maliyetinin %37'siydi" diyor. Bunu, artık daha etkili modellere yönlendirme yapmalarına bağlıyor ve "satış ekibinin dil bilgisi düzeltmelerini Fable kullanarak yapmasına izin vermiyoruz" diyerek espri yapıyor.
AI captains ve mühendislik dışına yayılım
Rippling, teknoloji çözümlerinin tek başına yeterli olmadığını da vurguluyor. Şirket, yapay zekâyı etkili kullanan kişileri bulup onları şirketin geri kalanına yardım etmekle görevli "AI captain" (yapay zekâ kaptanı) olarak atadı. MacInnis'e göre bu çabalar hâlâ devam eden bir süreç; zira şimdiye kadar birincil kullanıcılar yazılım mühendisleri oldu. Şirket örneğin müşteri onboarding ekipleri için posta verilerinin bir kısmını ve veri mutabakatı görevlerini otomatikleştirmeye çalışıyor. Pano, üretkenliği bu durumda daha fazla müşterinin onboarding sürecini tamamlaması üzerinden ölçecek. MacInnis, "G&A fonksiyonlarında ve müşteriye dönük fonksiyonlarda token tüketimini üretkenliğe bağlayabilmemiz gerekiyor. Bunu yapamazsak, tüm bunların daha geniş çalışan tabanına sunulması konusunda her şey belirsiz kalır" diyor.
Fiyatlandırma ve erişim tartışması
MacInnis'e göre Rippling örneği üzerinden bakıldığında tokenmaxxing o kadar ters yöne savrulmuş olabilir ki çalışanların yapay zekâya erişimi artık Slack veya e-posta gibi olmayabilir. Şirket üretkenliği ölçemezse, tüm çalışanlar bu erişime sahip olmayabilir. Ürünün fiyatlandırmasına gelince: AI Spend Console, Rippling'in İK aboneleri için pakete dahil, ancak kullanıma bağlı ek yapay zekâ maliyetleri bulunuyor. MacInnis'e göre ürün ayrıca bağımsız olarak satın alınabiliyor ve başka bir İK kayıt sistemiyle entegre edilebiliyor.
Sıkça Sorulan Sorular
AI Spend Console nedir?
Rippling'in bu hafta tanıttığı, şirketlerin yapay zekâ harcamalarını izlemesine ve kontrol altına almasına yardımcı olan bir üründür. "Anti-tokenmaxxing" olarak tanımlanan araç, çalışan, ekip ve rol bazında harcamayı haritalıyor ve harcamanın gerçekten üretkenliğe dönüşüp dönüşmediğini göstermeyi vaat ediyor. Ürün ayrıca şirketin kendi AI gateway'ini de içeriyor.
Rippling bu aracı neden geliştirdi?
Şirket yılın başında tokenmaxxing yarışına katıldıktan sonra çalışanların yoğun biçimde nakit harcadığını fark etti. Mart ayında Rippling'in Ar-Ge kadro bütçesinin %40'ını yapay zekâ tokenlarına harcama yolunda olduğu ve harcamanın aydan aya %80 arttığı ortaya çıktı. Yönetim, harcamayı ve karşılığını anlamak için acil bir proje başlattı.
Rippling token harcamasını ne kadar azalttı?
Şirkete göre araç devreye girdikten sonra token harcaması kadro bütçesinin %40'ından yaklaşık %15'ine indi. Ancak yapay zekâ kullanımı kısılmadı: Mart uyarısının yapıldığı ayda 605 milyar tokenla zirve görüldü, Temmuz'da iç kullanım yeniden 600 milyar tokena ulaştı. Buna karşın Temmuz'un token maliyeti, Nisan'ın maliyetinin %37'si oldu.
AI Spend Console için Rippling'in AI gateway'i zorunlu mu?
MacInnis'e göre başka bir geçit kullanan işletmeler AI Spend Console'u kullanmaya devam edebilir. Ancak harcamayı yöneten özelliklerden yararlanmak isteyenlerin Rippling'in AI gateway'ini kullanması gerekiyor.
Ürünün fiyatlandırması nasıl ve tüm çalışanlar yapay zekâya erişebilecek mi?
AI Spend Console, Rippling'in İK aboneleri için pakete dahil olup kullanıma bağlı ek yapay zekâ maliyetleri içeriyor; bağımsız ürün olarak da satın alınabiliyor ve başka bir İK kayıt sistemiyle entegre edilebiliyor. Geniş çalışan erişimine ilişkin olarak MacInnis, şirket token tüketimini üretkenliğe bağlayamazsa bu tür araçların tüm çalışan tabanına sunulmasının belirsiz olduğunu söylüyor.
