HR yazılım sağlayıcısı Rippling, şirketlerin yapay zeka harcamalarını takip edip kontrol altına almasına yardımcı olan AI Spend Console adlı yeni ürününü bu hafta tanıttı. Anti-tokenmaxxing olarak tanımlanan ürün, bireysel çalışanların, ekiplerin ve rollerin ne kadar harcama yaptığını haritalandırırken bu harcamaların gerçek verimliliğe dönüşüp dönüşmediğini ya da yalnızca AI slop üretip üretmediğini ölçmeyi vaat ediyor. Şirketin blog gönderisine göre araç, yüksek AI harcaması yapan ancak kod incelemelerinde akranları tarafından sık sık işini yeniden yapması istenen mühendisleri de gösterecek.
Ürünün ortaya çıkışı, Rippling'in yılın başında birçok şirket gibi tokenmaxxing'e tüm gücüyle yüklenmesinin ardından çalışanların hızla nakit yakmaya başlamasıyla doğrudan bağlantılı. Şirketin Ürün Direktörü Matt MacInnis, Mart ayındaki yönetici toplantısını hala net hatırlıyor. O toplantıda Finans Direktörü Adam Swiecicki'nin sunduğu rakam yönetimi şoke etti. Rippling, AI token'larına Ar-Ge personel bütçesinin %40'ını yakma yolundaydı. Bu, şirketin o birimdeki çalışanlarına ödediği toplam ücretin %40'ı kadar bir tutarı yalnızca token'lara harcadığı anlamına geliyordu.
Mart Ayında Ortaya Çıkan Şok Tablo
MacInnis'in TechCrunch'a anlattığına göre söz konusu tutar milyonlarca dolara karşılık geliyordu. Çoğu teknoloji şirketinde olduğu gibi Rippling'de de Ar-Ge organizasyonu mühendislik birimini barındırıyor. Harcamalar ay bazında %80 oranında artıyordu ve bu eğilim devam etseydi, bir sonraki yıl şirket yüksek maaşlı Ar-Ge çalışanlarına ödediği tutarın neredeyse %90'ı kadar bir parayı yalnızca AI token'larına harcayacaktı. MacInnis bu tablo için "İnanamadık" ifadesini kullandı.
Yönetim, harcamaların nereye gittiğini ve karşılığında ne elde edildiğini anlamak için acil bir proje başlattı. Hatta yeni ürünün lansman reklamında Swiecicki bir taburede otururken çalışanların deste deste nakit alıp kağıt öğütücüye attığı görülüyor. Yapılan analiz, çarpıcı bir yoğunlaşmayı ortaya koydu. Şirketin blog gönderisinde paylaştığı bilgiye göre çalışanların yaklaşık %10-15'i toplam AI harcamasının yaklaşık %60'ını tek başına gerçekleştiriyordu. Hatta bir mühendisin ayda 50 bin dolar harcadığı tespit edildi.
Çalışan Bazlı Harcama Analizi ve Tavan Sınırı
Rippling, AI kullanımını durdurmak istemedi, sadece ciddi biçimde dizginlemeyi hedefledi. İlk adım olarak şirketin kullandığı her bir araçla maksimum harcama tavanı müzakere edildi. Bu araçlar arasında Cursor, OpenAI ve Anthropic bulunuyordu. Bu süreçte hemen göze çarpan bir sorun tespit edildi. Çalışanlar varsayılan olarak tüm görevler için en yeni ve en pahalı frontier modelleri kullanıyordu.
MacInnis bu durumu, çıkarım sağlayıcılarının harcama kontrolüne yardımcı olmak için hiçbir teşvike sahip olmamasıyla açıkladı. MacInnis, "Gerçek şu ki Anthropic ve OpenAI gibi çıkarım sağlayıcılarının harcamanızı kontrol etmenize yardımcı olmak için kesinlikle hiçbir teşviki yok. Harcamanın kontrolden çıkması için her türlü teşvikleri var ve tam olarak yaptıkları da bu. Size harika bir kullanım içgörüsü sunmuyorlar ve birbirleriyle iş birliği yapmıyorlar" dedi. Şirketin aktardığına göre bu, 2026'nın başlarında yaygın bir sorundu.
Çoklu Model Stratejisi ve Çin Kökenli Alternatifler
Yılın sekiz ayı geride kalırken kurumsal şirketler bu konuda birkaç önemli ders çıkardı. İlk olarak, farklı fiyat noktalarında birden fazla laboratuvardan birden fazla modele ihtiyaç duyduklarını öğrendiler. Buna muhtemelen Çin kökenli bir frontier açık ağırlık seçeneği de dahil. Rippling'in kurucusu ve CEO'su Parker Conrad, geçen ay şirketin kendi iç kullanımları için yaptığı kıyaslamalarda SpaceX'in Grok modelinin genel olarak lider olduğunu ancak Z.ai'nin GLM 5.2 modelinin frontier modellere neredeyse aynı performansı sunarken %85 daha ucuz olduğunu keşfettiklerini belirtti. SpaceX'in artık Cursor'ın sahibi olduğu ve Cursor'ın Grok ile birlikte onlarca başka modele erişim sunduğu da hatırlatıldı.
Z.ai'nin GLM 5.2 modeli, bu günlerde teknoloji şirketleri arasında özellikle kodlama görevleri için favori bir Çin modeli haline geldi. Databricks de bu modeli öne çıkaran şirketler arasında yer alıyor. İkinci olarak, kurumsal şirketler artık istemleri görev için en iyi ve en maliyet etkin modele yönlendiren bir AI gateway'e ihtiyaç duyduklarını biliyor. Rippling de aynı sonuca vardı ve bu ürünün bir parçası olarak kendi AI gateway'ini inşa etti.
AI Gateway ve Dashboard Yapısı
MacInnis, halihazırda başka bir gateway kullanan kurumların yine de AI Spend Console ürününü kullanabileceğini, ancak harcama yönetimine ilişkin özelliklerden yararlanmak istiyorlarsa Rippling'in gateway'ini kullanmaları gerekeceğini söyledi. AI Spend Console, bir zamanlar tokenmaxxing günlerinde liderlik tablosu olarak bilinen dashboard'lar üretiyor. Bu panolar, günlük istem sayısı ile iş çıktısı ve harcama gibi özellikleri bir arada puanlıyor. İş çıktısı, yazılan kod satırları ve pull request'ler gibi metriklerle ölçülüyor.
Bu araç devreye alındıktan sonra Rippling, token harcamasını personel bütçesine oranla %40'tan yaklaşık %15'e düşürdüğünü açıkladı. Ancak şirket AI kullanımını kısmadı. MacInnis'in paylaştığı bilgiye göre şirket, Finans Direktörü'nün uyarıyı yaptığı ay 605 milyar token ile zirve harcamaya ulaşmıştı. Temmuz ayında şirket içi kullanım yeniden 600 milyar token'a ulaştı ancak Temmuz ayındaki token harcamasının maliyeti, Nisan ayındaki harcamanın maliyetinin %37'si kadardı. MacInnis bunu, "Bu sadece artık istemleri daha etkili modellere yönlendirdiğimiz için" sözleriyle açıkladı ve "Satış ekibinin Fable kullanarak dil bilgisi güncellemeleri yapmasına izin vermiyoruz" diye espri yaptı.
AI Captain'ler ve Mühendislik Dışına Yayılım Çabası
Rippling'e göre yalnızca teknolojik çözümler yeterli değil. Şirket, AI'ı etkili kullanan kişileri tespit ederek onları şirketin geri kalanına yardımcı olmakla görevli "AI captain"ler olarak atadı. Yine de mühendislik dışındaki alanlarda AI kullanımını yaygınlaştırma çabaları halen devam eden bir süreç. MacInnis, şu ana kadar birincil kullanıcıların yazılım mühendisleri olduğunu söylüyor. Ancak şirket, örneğin müşteri onboarding ekiplerinin bazı posta verilerini ve veri mutabakat görevlerini otomatikleştirmesi üzerinde çalışıyor. Bu durumda dashboard, daha fazla müşteri onboarding'i üzerinden verimliliği ölçecek.
MacInnis, "G&A fonksiyonlarındaki ve müşteriyle temas eden fonksiyonlardaki token tüketimini verimliliğe bağlayabilmemiz gerekiyor. Bunu yapamazsak, tüm bu şeylerin daha geniş çalışan tabanına sunulmasıyla ilgili tüm iddialar boşa çıkar" dedi. Rippling örneği gösterge ise tokenmaxxing o kadar tersine dönmüş olabilir ki çalışanların AI erişimi artık Slack veya e-posta gibi olmayabilir. Şirket verimliliği ölçemezse, tüm çalışanlar erişime sahip olmayabilir.
Ürün tarafında ise AI Spend Console, Rippling'in HR abonelerine dahil olarak sunuluyor, ancak ek AI kullanımına dayalı maliyetler bulunuyor. Ayrıca bağımsız bir ürün olarak da satın alınabiliyor ve başka bir kayıt sistemi olan HR sistemiyle entegre edilebiliyor.
Sıkça Sorulan Sorular
AI Spend Console nedir?
Kaynak içeriğe göre AI Spend Console, Rippling tarafından tanıtılan ve anti-tokenmaxxing olarak tanımlanan bir üründür. Şirketlerin AI harcamalarını takip edip kontrol altına almasına yardımcı olur, bireysel çalışanların, ekiplerin ve rollerin harcamalarını haritalandırır ve bu harcamaların gerçek verimliliğe dönüşüp dönüşmediğini ölçer.
Rippling neden AI Spend Console'u geliştirdi?
Şirket yılın başında tokenmaxxing'e yüklenmiş ve Mart ayında Finans Direktörü Adam Swiecicki'nin sunumunda Ar-Ge personel bütçesinin %40'ının AI token'larına gittiği, harcamaların ay bazında %80 arttığı ve bu eğilim sürerse bir sonraki yıl %90'a ulaşacağı ortaya çıkmıştır. Yönetim bu şok tablo üzerine harcamaları anlamak için acil bir proje başlatmış ve ürün bu süreçten doğmuştur.
Yapılan analizde harcama dağılımına ilişkin ne bulundu?
Rippling'in analizine göre çalışanların yaklaşık %10-15'i toplam AI harcamasının yaklaşık %60'ını oluşturuyordu ve bir mühendis ayda 50 bin dolar harcıyordu. Çalışanların varsayılan olarak en yeni ve en pahalı frontier modelleri kullandığı da tespit edildi.
Rippling maliyetleri nasıl düşürdü?
Şirket Cursor, OpenAI ve Anthropic ile maksimum harcama tavanları müzakere etti, kendi AI gateway'ini kurarak istemleri daha uygun maliyetli modellere yönlendirdi ve dashboard'larla takibe geçti. Böylece token harcamasını personel bütçesinin %40'ından yaklaşık %15'ine indirdi. Temmuz'da 600 milyar token kullanımı Nisan'daki 605 milyar zirveye yakın olmasına rağmen maliyet Nisan ayının %37'si oldu.
AI Spend Console nasıl temin ediliyor?
Kaynak içeriğe göre ürün Rippling'in HR abonelerine dahil olarak sunuluyor ancak ek AI kullanımına dayalı maliyetler bulunuyor. Ayrıca bağımsız bir ürün olarak satın alınabiliyor ve başka bir HR kayıt sistemiyle entegre edilebiliyor.
