La historia comienza con un susto interno. Rippling — plataforma de gestión de workforce — descubrió a principios de 2026 que su gasto en tokens de IA crecía un 80% al mes. Al investigar, encontró a ingenieros individuales consumiendo el equivalente al 40% del presupuesto de headcount de I+D. "Nos quedamos sorprendidos", dijo Matt MacInnis, ejecutivo de la empresa. En un mes, el costo había llegado al equivalente de US$ 50 mil al mes en un solo ingeniero.
La causa: empleados usando por defecto los modelos de frontera más recientes — y más caros — para todas las tareas, independientemente de la complejidad. Rippling había incentivado la experimentación sin límites. El resultado fue una factura inesperada que forzó una revisión urgente.
Lo que descubrió Rippling
La empresa negoció límites de gasto con cada herramienta — Cursor, OpenAI y Anthropic. Luego descubrió otro problema: los propios proveedores no tienen ningún incentivo para ayudar a controlar los costos. "Los proveedores de inferencia no tienen absolutamente ningún incentivo para ayudarle a controlar su gasto. Tienen todos los incentivos para que sea un gasto descontrolado", dijo MacInnis.
La solución interna: enrutar las solicitudes hacia modelos más eficientes. El GLM 5.2 — modelo de pesos abiertos — se consideró un 85% más barato que los modelos de frontera con un rendimiento casi idéntico para tareas rutinarias. En julio de 2026, el consumo interno alcanzó los 600 mil millones de tokens — similar al pico de abril — pero el costo fue solo el 37% del valor de abril. El gasto cayó del 40% al 15% del presupuesto de I+D.
Qué es el AI Spend Console
Lanzado el 6 de agosto de 2026, el AI Spend Console conecta el gasto de tokens con el Employee Graph de Rippling — registro de empleados, departamentos, cargos y líneas de reporte. Esto permite ver no solo cuánto gasta cada persona, sino si ese gasto produce un resultado.
Ejemplo concreto: el sistema puede identificar ingenieros con un alto gasto en IA y mostrar si sus colegas piden con frecuencia rehacer el trabajo durante las revisiones de código. El CFO de Rippling, Adam Swiecicki, fue directo: "La pregunta no es cuánto estás gastando en IA. Es lo que tu gasto en IA está produciendo. Hasta que no puedas responder eso, solo estás gestionando costos — no resultados."
Capacidades principales: desglose de gastos por empleado, equipo y cargo; puerta de enlace que enruta las solicitudes a los modelos más eficientes; conexión con datos de GitHub y Salesforce para medir la productividad real; aplicación de políticas de gasto por departamento.
Lo que esto señala
Rippling transformó una costosa lección en un producto — y el momento es perfecto. El mercado que en 2025 acumuló herramientas de IA pasará 2026 descubriendo cuáles funcionan realmente. El AI Spend Console llega cuando los CFO y los CTO se hacen exactamente esta pregunta.
