HR yazılım sağlayıcısı Rippling, şirketlerin yapay zeka harcamalarını takip edip kontrol altına almasına yardımcı olmayı amaçlayan 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 bir verimlilik artışı sağlayıp sağlamadığını ya da yalnızca düşük kaliteli yapay zeka çıktısı üretip üretmediğini ölçüyor. Şirketin blog gönderisinde aktardığına göre araç, "kod incelemelerinde meslektaşları tarafından sık sık işlerini yeniden yapmaları istenen yüksek AI harcaması yapan mühendisleri" gösterebilmeyi vaat ediyor.
Ürünün ortaya çıkışı, Rippling'in yılın başında birçok şirket gibi tokenmaxxing stratejisine tümüyle yönelmesi ve ardından çalışanların hızla nakit yakmaya başladığını fark etmesiyle doğrudan bağlantılı. Şirketin Ürün Direktörü Matt MacInnis, Mart ayında Finans Direktörü Adam Swiecicki'nin yönetici ekibi toplantısında paylaştığı ve herkesi şoke eden rakamı hala hatırladığını söylüyor.
Mart Ayındaki Şok Toplantı ve Yüzde 40'lık Bütçe Uyarısı
MacInnis'in TechCrunch'a anlattığına göre, Swiecicki'nin Mart ayındaki sunumunda Rippling'in AI tokenlarına Ar-Ge personel bütçesinin yüzde 40'ını yakma yolunda olduğu ortaya çıktı. Bu, şirketin o birimdeki çalışanlara ödediği tüm ücretlerin yüzde 40'ı kadar bir tutarı yalnızca tokenlara harcadığı anlamına geliyordu. Söz konusu tutar milyonlarca dolar seviyesindeydi. Teknoloji şirketlerinin çoğunda mühendislik birimini barındıran Ar-Ge organizasyonu için bu oran son derece yüksekti.
Harcamalar ay bazında yüzde 80 oranında büyüyordu ve bu eğilim devam etseydi, bir sonraki yıl şirket yüksek maaşlı Ar-Ge birimi çalışanlarına harcadığı tutarın neredeyse tamamına yakınını, yüzde 90'ını, AI tokenlarına harcayacaktı. MacInnis bu tablo karşısında yaşadıkları şaşkınlığı "İnanamadık" sözleriyle özetledi. Yönetim, harcamaların ne düzeyde olduğunu ve bu para karşılığında ne elde edildiğini anlamak için acil bir proje başlattı.
Ürünün lansman reklamı da bu durumu mizahi bir dille anlatıyor. Reklamda Swiecicki bir taburede otururken çalışanların deste deste nakit alıp kağıt öğütücüye attığı görülüyor. Bu görsel, kontrolsüz harcamanın boyutunu sembolize ediyor.
Harcama Analizi: Yüzde 15'lik Kesim ve Aylık 50 Bin Dolarlık Mühendis
Rippling analiz yaptığında çarpıcı bulgulara ulaştı. Şirketin blog gönderisinde paylaştığı bilgiye göre, çalışanların yaklaşık yüzde 10 ila 15'i toplam AI harcamasının yaklaşık yüzde 60'ını oluşturuyordu. Hatta bir mühendisin tek başına ayda 50 bin dolar harcadığı tespit edildi.
Şirket AI kullanımını durdurmak istemedi, sadece ciddi şekilde dizginlemeyi hedefledi. İlk adım olarak kullandığı her bir araçla maksimum harcama tavanı müzakere etmeye başladı. Bu araçlar arasında Cursor, OpenAI ve Anthropic bulunuyordu.
Bu süreçte hemen belirgin bir sorun ortaya çıktı. Çalışanlar varsayılan olarak tüm görevler için en yeni ve en pahalı frontier modelleri kullanıyordu. MacInnis bu duruma ilişkin olarak, "Gerçek şu ki Anthropic ve OpenAI gibi çıkarım sağlayıcılarının harcamanızı kontrol etmenize yardımcı olmak için hiçbir teşviki yok. Harcamanın kontrolden çıkması için her türlü teşvikleri var ve tam olarak yaptıkları da bu. Size harika kullanım içgörüleri sunmuyorlar ve birbirleriyle iş birliği yapmıyorlar" dedi. MacInnis'e göre bu, 2026'nın başlarında yaygın bir sorundu.
Frontier Modeller, Maliyet Tuzağı ve AI Gateway Çözümü
Yılın sekiz ayı geride kalırken kurumsal şirketler birkaç önemli ders çıkarmış durumda. İlk olarak, farklı fiyat noktalarında birden fazla laboratuvardan birden fazla modele ihtiyaç duyduklarını anladılar. Buna muhtemelen Çin menşeli 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 yüzde 85 daha ucuz olduğunu keşfettiklerini belirtti. SpaceX'in artık onlarca modele erişim sunan Cursor'u da bünyesinde bulundurduğu hatırlatılıyor. Z.ai'nin GLM 5.2 modeli bu günlerde teknoloji şirketleri arasında özellikle kodlama görevleri için favori Çin modeli haline gelmiş durumda. Databricks de bu modeli destekleyen şirketler arasında yer alıyor.
İkinci olarak, şirketler istemleri görev için en iyi ve en uygun maliyetli modele yönlendiren bir AI gateway'e ihtiyaç duyduklarını öğrendi. Rippling de aynı sonuca vardı ve bu ürünün bir parçası olan kendi AI gateway'ini geliştirdi. MacInnis, halihazırda başka bir gateway kullanan şirketlerin yine de AI Spend Console ürününü kullanabileceğini, ancak harcamayı yöneten özelliklerden faydalanmak istemeleri halinde Rippling'in gateway'ini kullanmaları gerekeceğini söylüyor.
Dashboardlar, Verimlilik Skorları ve AI Captains Modeli
AI Spend Console, tokenmaxxing günlerinde liderlik tablosu olarak bilinen dashboardlar üretiyor. Bu panolar, günlük istem sayısı ile iş çıktısı ve harcama gibi özellikleri bir arada puanlıyor. İş çıktısı, yazılan kod satırları veya oluşturulan pull request'ler gibi metriklerle birlikte değerlendiriliyor. Böylece yüksek harcama yapan ancak çıktısı düşük veya sık sık revizyon gerektiren çalışanlar tespit edilebiliyor.
Bu araç devreye alındıktan sonra Rippling, token harcamasını personel bütçesinin yüzde 40'ından yaklaşık yüzde 15'ine düşürdüğünü açıkladı. Ancak bu düşüş AI kullanımını kısarak elde edilmedi. MacInnis'in paylaştığı verilere göre şirket, CFO'nun uyarı yaptığı ay 605 milyar token ile zirve yapmıştı. Temmuz ayında şirket içi kullanım yeniden 600 milyar token seviyesine ulaştı, ancak "Temmuz ayındaki token harcamasının maliyeti, Nisan ayındaki token harcamasının maliyetinin yüzde 37'siydi" dedi. MacInnis bu farkı, "Bu sadece artık istemleri daha etkili modellere yönlendirmemizden kaynaklanıyor" sözleriyle açıkladı ve "Satış ekibinin Fable kullanarak dil bilgisi güncellemeleri yapmasına izin vermiyoruz" esprisini ekledi.
Yine de Rippling'e göre yalnızca teknolojik çözümler yeterli değil. Şirket, AI'ı etkili kullanan kişileri tespit ederek onları şirketin geri kalanına yardımcı olmakla görevli "AI captains" olarak atadı. Bu kişiler, diğer çalışanlara daha verimli model kullanımı ve doğru araç seçimi konusunda rehberlik ediyor.
HR Abonelerine Dahil Ürün ve Mühendislik Dışına Genişleme Çabası
AI kullanımını mühendislik dışına genişletme çabaları ise halen devam eden bir süreç. MacInnis, yazılım mühendislerinin şu ana kadar birincil kullanıcılar olduğunu belirtiyor. Ancak şirket, örneğin müşteri onboarding ekiplerinin bazı posta verilerini ve veri mutabakat görevlerini otomatikleştirmek için AI üzerinde çalışıyor. Bu durumda dashboard, daha fazla müşteri onboarding'i üzerinden verimliliği ölçecek.
MacInnis bu noktada kritik bir eşik tanımlıyor: "Token tüketimini G&A fonksiyonlarında ve müşteriyle temas eden fonksiyonlarda verimliliğe bağlayabilmemiz gerekiyor. Bunu yapamazsak, tüm bu şeylerin daha geniş çalışan tabanına sunulması konusundaki tüm iddialar boşa çıkar."
Rippling örneği doğruysa, tokenmaxxing o kadar tersine dönmüş olabilir ki çalışanların AI erişimi artık Slack veya e-posta gibi olmayabilir. Şirket verimliliği ölçemezse, tüm çalışanlar bu 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.
Rippling'in AI harcaması Ar-Ge personel bütçesinin yüzde 40'ına ulaşmıştı.
Harcama aylık yüzde 80 büyüyordu ve bir mühendis ayda 50 bin dolar harcıyordu.
Şirket gateway ve model yönlendirmesiyle maliyeti yüzde 15'e düşürürken token kullanımını 600 milyar seviyesinde tuttu.
Sıkça Sorulan Sorular
AI Spend Console nedir?
AI Spend Console, Rippling tarafından tanıtılan ve şirketlerin AI harcamalarını takip edip kontrol altına almasına yardımcı olan bir üründür. Bireysel çalışanların, ekiplerin ve rollerin ne kadar harcama yaptığını haritalandırır ve bu harcamanın gerçek verimlilik sağlayıp sağlamadığını ölçer.
Rippling neden AI Spend Console'u geliştirdi?
Şirket yılın başında tokenmaxxing stratejisine yöneldikten sonra Mart ayında CFO Adam Swiecicki'nin sunumunda AI token harcamalarının Ar-Ge personel bütçesinin yüzde 40'ına ulaştığı ve aylık yüzde 80 büyüdüğü ortaya çıktı. Bu şok edici tablo üzerine yönetim harcamaları anlamak ve kontrol altına almak için acil bir proje başlattı ve ürün bu süreçte doğdu.
Rippling'in analizinde harcama dağılımına ilişkin ne bulundu?
Kaynak içeriğe göre analizde çalışanların yaklaşık yüzde 10 ila 15'inin toplam AI harcamasının yaklaşık yüzde 60'ını oluşturduğu ve bir mühendisin ayda 50 bin dolar harcadığı tespit edildi.
Rippling maliyetleri nasıl düşürdü?
Şirket Cursor, OpenAI ve Anthropic ile maksimum harcama tavanı müzakere etti, çalışanların varsayılan olarak en pahalı frontier modelleri kullanmasını engelledi ve istemleri en uygun maliyetli modele yönlendiren kendi AI gateway'ini kurdu. Böylece harcama personel bütçesinin yüzde 40'ından yaklaşık yüzde 15'ine düştü, Temmuz'da 600 milyar token kullanılmasına rağmen maliyet Nisan ayının yüzde 37'si seviyesinde kaldı.
AI Spend Console nasıl temin ediliyor?
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. Harcamayı yöneten özellikler için Rippling'in gateway'inin kullanılması gerekiyor.
