İnsan kaynakları yazılım sağlayıcısı Rippling, bu hafta AI Spend Console adlı yeni bir ürün duyurdu. Araç, şirketlerin yapay zeka harcamalarını takip etmesine ve kontrol altına almasına yardımcı olmak için tasarlandı. Ürünün çıkış noktası ise Rippling'in bizzat yaşadığı çarpıcı bir deneyim: Yılın başında sınır tanımadan AI kullanımına geçen şirket, kısa sürede milyonlarca dolarlık kontrolsüz bir harcama sarmalının içinde buldu kendini.
Mart Toplantısında Ortaya Çıkan Şok Rakam
Rippling'in Ürün Direktörü (CPO) Matt MacInnis, Mart ayındaki yönetim kurulu toplantısını hâlâ net biçimde hatırlıyor. CFO Adam Swiecicki o gün masaya öyle bir rakam koydu ki herkes donup kaldı. Şirket, Ar-Ge bütçesinin yüzde 40'ını AI tokenlarına harcıyor; yani çalışan maaşlarının yüzde 40'ı kadar para, yalnızca AI işlem ücretlerine gidiyordu. MacInnis, "İnanamadık" dedi TechCrunch'a.
Dahası, harcama her ay bir öncekine göre yüzde 80 artıyordu. Bu gidişat sürseydi, bir yıl sonra token maliyeti Ar-Ge çalışanlarının toplam maaşının yüzde 90'ına ulaşacaktı. Yönetim, durumu anlamak ve bu paraya ne karşılık alındığını sorgulamak için acil bir inceleme başlattı.
Çalışanların Yüzde 10-15'i Harcamanın Yüzde 60'ını Yapıyordu
Rippling'in yaptığı analizde çarpıcı bulgular ortaya çıktı. Şirket blog yazısında paylaştığı verilere göre çalışanların yaklaşık yüzde 10 ila 15'i toplam AI harcamasının yüzde 60'ını gerçekleştiriyordu. Bir mühendis tek başına ayda 50.000 dolar harcıyordu. Sorunun kökeninde ise çalışanların her görev için otomatik olarak en yeni ve en pahalı frontier modellere yönelmesi yatıyordu.
MacInnis bu konuda açık sözlü: "Gerçek şu ki Anthropic ve OpenAI gibi çıkarım sağlayıcılarının harcamanızı kontrol etmenize yardımcı olma konusunda hiçbir teşviki yok. Aksine, harcamanın kontrolden çıkması onların çıkarına. Kullanım içgörüsü sunmuyorlar ve birbirleriyle iş birliği yapmıyorlar." Rippling bu tespiti yaptıktan sonra Cursor, OpenAI ve Anthropic ile birer birer görüşerek her araç için maksimum harcama tavanı belirledi.
Kendi AI Gateway'ini Geliştirdi, Token Maliyetini Yüzde 37'ye İndirdi
Şirketin bulduğu ikinci büyük çözüm, görevlere göre en uygun maliyetli modele yönlendirme yapan bir AI gateway geliştirmekti. Bu gateway, AI Spend Console'un ayrılmaz bir parçası haline geldi. MacInnis, halihazırda başka bir gateway kullanan şirketlerin de AI Spend Console'u kullanabileceğini ancak harcama yönetimi özelliklerinden yararlanmak isteyenlerin Rippling'in kendi gateway'ine geçmesi gerektiğini belirtti.
Sonuçlar dikkat çekici. CFO'nun uyarısının geldiği Nisan ayında şirket 605 milyar token kullandı; Temmuz'da ise kullanım yeniden 600 milyar tokena ulaştı. Ancak Temmuz'un token maliyeti, Nisan'ın yalnızca yüzde 37'si kadardı. MacInnis bunu şöyle özetledi: "Bu sadece artık daha etkili modellere yönlendirme yapıyor olmamızdan kaynaklanıyor." Bir örnek de verdi: "Satış ekibinin dilbilgisi düzeltmeleri için Fable kullanmasına izin vermiyoruz."
Tüm bu süreçte token harcamasının Ar-Ge bütçesine oranı yüzde 40'tan yaklaşık yüzde 15'e geriledi; üstelik AI kullanımı kısılmadan.
Model Seçiminde Çin Yapımı GLM 5.2 Öne Çıkıyor
Rippling'in deneyimi, 2026'nın başında pek çok kurumun yaşadığı sorunların bir yansıması. Yılın sekizinci ayına gelindiğinde şirketler iki kritik gerçeği kavramış durumda: Birincisi, farklı fiyat noktalarında birden fazla AI modeliyle çalışmak gerekiyor; ikincisi, prompt'ları en uygun modele yönlendiren bir gateway zorunlu hale geliyor.
Rippling'in kurucu CEO'su Parker Conrad geçen ay şirketin kendi iç kullanımı için yaptığı kıyaslamalarda SpaceX'in Grok modelinin genel performansta öne çıktığını, ancak Z.ai'nin GLM 5.2 modelinin frontier modellere yakın performans sunarken yüzde 85 daha ucuz olduğunu paylaştı. GLM 5.2, özellikle kodlama görevlerinde teknoloji şirketleri arasında popüler bir seçenek haline geldi; Databricks da bu modeli savunanlar arasında yer alıyor. SpaceX'in artık Cursor'ın sahibi olduğu ve Cursor'ın Grok dahil onlarca modele erişim sunduğu da belirtildi.
Mühendislik Dışına Taşımak Hâlâ Zor
AI Spend Console'un ürettiği gösterge panelleri, günlük prompt sayısı, iş çıktısı (kod satırı/pull request) ve harcama gibi metrikleri birleştirerek çalışanları, takımları ve rolleri karşılaştırmalı biçimde değerlendiriyor. Araç, örneğin "yüksek AI harcaması olan ama kod incelemelerinde iş arkadaşları tarafından sık sık yeniden çalışması istenen mühendisleri" tespit edebiliyor.
Şirket, AI'yı etkili kullanan çalışanları "AI kaptanı" olarak atayarak diğer çalışanlara rehberlik etmelerini sağladı. Ancak MacInnis, mühendislik dışı alanlara yayılımın henüz gelişme aşamasında olduğunu kabul ediyor. Şirket şu an müşteri onboarding ekipleri için bazı veri uzlaştırma ve posta verisi görevlerini otomatikleştirmeye çalışıyor; gösterge paneli bu ekiplerin verimliliğini onboarding edilen müşteri sayısıyla ölçecek.
MacInnis, meseleyi net biçimde ortaya koyuyor: "Genel ve idari fonksiyonlardaki ile müşteriyle yüz yüze olan fonksiyonlardaki token tüketimini verimlilikle ilişkilendirebildiğimiz sürece bu araçlar geniş çalışan tabanına sunulabilir. Bunu yapamıyorsak, hiçbir şeyin garantisi yok." Bu tablo, AI erişiminin artık e-posta ya da Slack gibi herkesin kullandığı bir araç olmaktan çıkabileceğine işaret ediyor; verimlilik ölçülemeyen departmanlarda erişim kısıtlanabilir.
Ürün fiyatlandırması açısından AI Spend Console, Rippling'in mevcut İK abonelerine dahil ediliyor; ancak AI kullanımına bağlı ek maliyetler söz konusu. Ürün ayrıca bağımsız olarak da satın alınabiliyor ve başka İK sistemleriyle entegre edilebiliyor.
Sıkça Sorulan Sorular
Rippling'in AI Spend Console ürünü ne işe yarıyor?
AI Spend Console, şirketlerin yapay zeka harcamalarını çalışan, ekip ve rol bazında takip etmesini sağlayan bir araç. Hangi çalışanların ne kadar harcadığını ve bu harcamanın gerçek bir verimlilik artışı mı yoksa düşük kaliteli AI çıktısı mı ürettiğini ölçüyor. Ayrıca prompt'ları en uygun maliyetli modele yönlendiren bir AI gateway bileşeni de içeriyor.
Rippling, AI harcamalarının ne kadar arttığını nasıl fark etti?
Mart ayındaki bir yönetim kurulu toplantısında CFO Adam Swiecicki, şirketin Ar-Ge bütçesinin yüzde 40'ının AI tokenlarına gittiğini ve harcamanın aylık yüzde 80 büyüdüğünü ortaya koydu. Bu rakamlar yönetimi şoke ederek acil bir inceleme başlatmalarına yol açtı.
Rippling, AI token maliyetlerini nasıl düşürdü?
Şirket önce Cursor, OpenAI ve Anthropic ile maksimum harcama tavanları üzerine müzakere yaptı. Ardından görevlere göre en uygun modele yönlendirme yapan kendi AI gateway'ini geliştirdi. Bu sayede token harcamasının Ar-Ge bütçesine oranını yüzde 40'tan yaklaşık yüzde 15'e indirdi; Temmuz ayındaki token maliyeti Nisan'ın yalnızca yüzde 37'si oldu.
Rippling'in analizinde hangi çarpıcı veriler ortaya çıktı?
Analizde çalışanların yaklaşık yüzde 10-15'inin toplam AI harcamasının yüzde 60'ını gerçekleştirdiği görüldü. Tek bir mühendis aylık 50.000 dolar harcıyordu. Çalışanların her görev için otomatik olarak en pahalı frontier modellere yönelmesi temel sorun olarak belirlendi.
AI Spend Console hangi fiyatlandırma modeliyle sunuluyor?
Ürün, Rippling'in mevcut İK abonelerine dahil ediliyor; ancak AI kullanımına bağlı ek maliyetler var. Bağımsız bir ürün olarak da satın alınabiliyor ve başka İK sistemleriyle entegre edilebiliyor.
