Rippling koppelt AI-uitgaven aan wat een medewerker oplevert

Rippling bracht op 6 augustus AI Spend Console uit, een dashboard dat de AI-rekening van Anthropic, OpenAI en Cursor koppelt aan de medewerkers die hem maken en aan wat zij opleveren.

Daarmee verschuift het meetniveau van AI-kosten van de tool naar de persoon. Een financieel verantwoordelijke zag tot nu toe een totaalbedrag per leverancier, en met wat handwerk een uitsplitsing per team. Rippling verbindt het verbruik aan de identiteit van de medewerker en zet dat af tegen output zoals samengevoegde pull requests en beoordelingsdata. De vraag welke AI-abonnementen je volgend kwartaal verlengt, wordt zo een rekensom. Dat helpt vooral omdat de kosten zich ophopen bij een kleine groep: bij Rippling zelf veroorzaakte 10 tot 15 procent van de medewerkers ongeveer 60 procent van alle AI-uitgaven, met één engineer op 50.000 dollar per maand.

Een eigen rekening van tientallen miljoenen

Rippling zette AI-tools zonder limieten open voor al zijn personeel. Het tokenverbruik groeide daarna met 80 procent per maand. Een prognose liet zien dat het bedrijf op weg was om 40 procent van zijn R&D-personeelsbudget aan tokens uit te geven, en het jaar erna richting 90 procent.

Het onderzoek dat daarop volgde leverde meer op dan een bedrag. De duurste modellen stonden overal standaard aan, niet door een besluit maar omdat niemand er ooit naar gekeken had. De productiviteitswinst was echt maar niet lineair: engineers die tools als Cursor zwaar gebruikten leverden meer pull requests op, alleen kwam de grootste sprong uit de eerste stap naar gebruik, niet uit meer uitgeven aan de zwaarste modellen. En het verbruik bleek geconcentreerd bij een handvol mensen.

Het bedrijf zette bij elke leverancier een vast maandbedrag per tool als plafond, benoemde twintig AI Captains die per afdeling toolkeuze, invoering en toezicht bewaken, en bracht de prognose terug van 40 procent naar 10 tot 15 procent van het personeelsbudget. Dat scheelt naar eigen zeggen tientallen miljoenen dollars per jaar. In juli verbruikte Rippling opnieuw ongeveer 600 miljard tokens, net zoveel als in de piekmaand, maar dat kostte nog 37 procent van wat de tokens in april kostten. Chief product officer Matt MacInnis zei tegen TechCrunch dat aanbieders van inferentie zoals Anthropic en OpenAI "absoluut geen prikkel" hebben om klanten te helpen hun uitgaven te beheersen, en er juist alle belang bij hebben dat het een op hol geslagen kostenpost wordt.

Wat de console wel en niet doet

De console verbindt Anthropic, OpenAI en Cursor en splitst de uitgaven uit naar team, rol of afdeling. Het koppelen gebeurt automatisch: Rippling herkent in de leveranciersdata de velden die naar gebruikers verwijzen, zoals e-mailadressen, gebruikersnamen en personeelsnummers, en verbindt die aan het personeelsprofiel. Een GitHub-gebruikersnaam wordt zo het werkmailadres van de betreffende medewerker. Daarna legt het systeem de kosten naast GitHub-data en beoordelingsgegevens, en kun je in gewone taal een vraag stellen waarop het zelf een dashboard bouwt, zonder SQL.

Intern bouwde Rippling daarmee een AI Scorecard die engineers op vijf assen scoort: adoptie (10 punten), gebruiksdiepte (10), productiviteit in pull requests en regels code (10), doorlooptijd tot samenvoegen (10) en efficiëntie, uitgaven afgezet tegen productiviteit (7,5). De ranglijst loopt bij Rippling over ruim twaalfhonderd medewerkers.

Het beheersgedeelte ontbreekt nog. Harde uitgavenlimieten en het automatisch routeren van verzoeken naar goedgekeurde modellen lopen via Rippling AI Gateway, en dat onderdeel staat op een wachtlijst. Wat er vandaag is, is inzicht. De console is dertig dagen gratis te proberen zonder Rippling-abonnement; wie al Rippling AI afneemt, heeft hem in het pakket zitten.

Per medewerker meten raakt de ondernemingsraad

Voor een Nederlandse werkgever zit er een stap tussen die in de Amerikaanse aankondiging ontbreekt. Een systeem dat de aanwezigheid, het gedrag of de prestaties van werknemers controleert, is volgens de Autoriteit Persoonsgegevens een personeelsvolgsysteem. Dat geldt ook als je het er niet voor gebruikt maar er wel voor zou kunnen gebruiken. Voor een regeling daarover heeft de ondernemingsraad instemmingsrecht, op grond van artikel 27, eerste lid, onder l van de Wet op de ondernemingsraden.

Een dashboard dat AI-kosten aan individuele engineers en aan hun beoordelingsdata koppelt, valt daar in de praktijk onder. Uitrollen zonder die instemming levert cijfers op waar je vervolgens geen personeelsbesluit op mag baseren.

Van IT-post naar personeelsvraagstuk

De beweging zelf is niet nieuw, het meetniveau wel. 1Password bracht in juli een dashboard uit dat tokenverbruik van Cursor, Anthropic en OpenAI per leverancier, team en API-sleutel bundelt en waarschuwt voordat een vooruitbetaald saldo op is, maar dat blijft naar de tool kijken. Rippling kijkt naar de persoon, en kan dat omdat de personeelsdata er al ligt.

Daarmee verhuist AI-verbruik van de IT-begroting naar het personeelsdossier. De interessantste vondst in de eigen cijfers van Rippling ondergraaft meteen de ruwe lezing daarvan: de grootste productiviteitssprong kwam van de eerste stap naar AI-gebruik, niet van meer uitgeven aan de duurste modellen. De waarde van zo'n console zit dus niet in het aanwijzen van de engineer met de hoogste rekening, maar in het vinden van het punt waarop extra uitgaven geen extra output meer opleveren.