Rippling, een leverancier van HR‑software, introduceerde deze week de AI Spend Console. Het is een tool die organisaties helpt te zien wie hoeveel uitgeeft aan AI en of die uitgaven daadwerkelijk productiviteit opleveren of vooral geldverspilling zijn. Rippling bouwde de console nadat het zelf ontdekte dat het intern miljoenen verbrandde aan AI‑gebruik.

Waarom Rippling deze tool maakte

Aan het begin van het jaar gebruikte Rippling intern massaal AI. Al snel bleek dat een klein deel van de medewerkers een groot deel van het budget opslokte. De financiële leiding zag dat de uitgaven razendsnel stegen, en er was geen goed inzicht of het ook echt iets opleverde.

In simpele cijfers: een paar procent van het personeel veroorzaakte een groot deel van de kosten, en sommige engineers gaven enorme bedragen per maand uit. Rippling wilde AI niet verbieden, maar wel leren wanneer en hoe het slim gebruikt wordt.

Wat de AI Spend Console doet

De tool verzamelt gebruiksdata en toont die op overzichtelijke dashboards. Belangrijke functies zijn:

• Zicht op uitgaven per medewerker, team en functie.

• Metingen die verbruik koppelen aan output, bijvoorbeeld aantal codewijzigingen of afgeronde taken.

• Mogelijkheid om limieten in te stellen bij de aanbieders van AI‑diensten.

• Een ingebouwde AI‑gateway — een systeem dat verzoeken automatisch naar het meest geschikte en voordeligste model stuurt.

De console maakt duidelijk of iemand veel tokens gebruikt (tokens: kleine stukjes tekst of verzoeken waarvoor je betaalt) en of dat leidt tot meer of betere resultaten. Zo zie je bijvoorbeeld of een engineer die veel tokens verbruikt, ook echt minder werk hoeft te doen door AI, of dat collega’s vaak moeten vragen om het werk opnieuw te doen.

Wat Rippling leerde en veranderde

Uit de analyse kwamen een paar heldere lessen:

• Een klein deel van de mensen veroorzaakte het grootste deel van het verbruik.

• Medewerkers kozen standaard voor de nieuwste en duurste modellen, ook als een goedkoper model net zo goed volstond.

• De aanbieders van AI‑modellen hebben weinig prikkel om het gebruik goedkoop of overzichtelijk te maken.

Op basis daarvan nam Rippling stappen:

• Ze sloten afspraken met hun leveranciers over maximale bestedingen per tool.

• Ze bouwden een eigen gateway die automatisch het juiste model kiest op basis van prijs en taak.

• Ze benoemden ervaren gebruikers tot interne "AI‑captains" die anderen helpen slimmer met AI te werken.

Het resultaat: Rippling verlaagde hun AI‑kosten van ongeveer 40% van het R&D‑budget naar ongeveer 15%, terwijl ze het gebruik niet wezenlijk beperkten. In sommige maanden bleef het aantal verwerkte tokens hoog, maar de kosten waren veel lager omdat de verzoeken naar goedkoper en effectiever modellen werden geleid.

Praktische lessen voor jouw organisatie

Als jouw organisatie AI gebruikt of dat wil gaan doen, zijn de lessen van Rippling relevant:

• Meet wie er wat gebruikt en koppel dat aan resultaat. Zonder die koppeling is het moeilijk te beoordelen of uitgaven zinvol zijn.

• Gebruik meerdere modellen en prijsniveaus. Niet elk taakje heeft de duurste oplossing nodig.

• Overweeg een gateway die prompts naar het beste model stuurt. Dat kan veel besparen.

• Laat ervaren gebruikers collega’s trainen, zodat goede gewoontes zich verspreiden.

Conclusie

Rippling laat zien dat hoge AI‑kosten niet per se betekenen dat er minder gebruik mogelijk moet zijn. Met goed meten, slimme routing van verzoeken en heldere regels kan een bedrijf het gebruik behouden en tegelijk flink besparen. De AI Spend Console is bedoeld om precies dat inzicht en die controle te bieden, zodat organisaties kunnen beoordelen wie waarde toevoegt en waar geld onnodig weglekt.