📰 重點摘要
鴻海旗下人資軟體商Rippling本週推出「AI Spend Console」，用來追蹤並控管企業內部的AI支出，防止「瘋狂燒token」（tokenmaxxing）失控。這款工具最特別的功能，是能追蹤個別員工、團隊、職能的AI花費，並比對這些花費是否真的換來更高生產力，還是只是產出一堆「AI垃圾內容」（AI slop）。官方部落格提到，工具能標示出「哪些工程師AI花費很高，但同事在code review時經常要求他們重做」。
這項產品的起因是Rippling今年初也跟風全面擁抱tokenmaxxing，結果員工瘋狂燒錢。產品長Matt MacInnis回憶，三月的高層會議上，財務長Adam Swiecicki提出的數字讓大家震驚：公司當時的AI token支出，已經逼近整個研發部門薪資預算的40%，等於花在token上的錢，相當於該部門40%員工的總薪酬，累計高達數百萬美元。而且支出每月成長80%，若持續下去，隔年token支出將逼近研發部門薪資的90%。
進一步分析發現，約10%到15%的員工貢獻了60%的總AI支出，其中一名工程師單月花費高達5萬美元。Rippling並未打算禁用AI，而是要大幅收緊，做法包括與Cursor、OpenAI、Anthropic個別協商最高支出上限。他們也發現員工預設一律使用最新、最貴的前沿模型處理所有任務。MacInnis直言，Anthropic、OpenAI等推理服務商完全沒有誘因幫客戶控制支出，也不會提供良好的用量洞察或彼此協作。詳細內容請見原文連結。
💬 JudyAI Lab 觀點
Rippling這週推出的AI Spend Console,把「AI支出治理」變成一個視覺化、可歸責的產品功能,值得AI builder留意。
這個案例反映出一個正在成形的趨勢:當企業全面匯入AI工具後,下一個問題不是「要不要用」,而是「怎麼知道錢花得值不值」。Rippling自己就是活生生的教訓——token支出一度逼近研發部門薪資預算的40%,而且每月成長80%,10%到15%的員工貢獻了60%的總支出。更值得注意的是他們發現的行為模式:員工預設一律使用最新最貴的前沿模型處理所有任務,而不去判斷任務難度是否真的需要。這說明AI工具的「用量」跟「產出品質」之間,如果沒有量測機制,很容易脫鉤,變成MacInnis說的「服務商沒有誘因幫你控制支出」的結構性問題。
給AI builder的思考方向:與其等支出失控才處理,不如現在就檢視自己或團隊的AI用量,是否有依任務複雜度分級選用模型的習慣。
📅 原文資訊
- 發布時間：2026-08-07T21:30
- 來源原文：https://techcrunch.com/2026/08/07/after-rippling-blew-millions-on-ai-in-months-it-built-an-employee-roi-tool/