A história começa com um susto interno. A Rippling — plataforma de gestão de workforce — descobriu no início de 2026 que seu gasto com tokens de IA crescia 80% ao mês. Ao investigar, encontrou engenheiros individuais consumindo o equivalente a 40% do budget de headcount de P&D. "Ficamos chocados", disse Matt MacInnis, executivo da empresa. Em um mês, o custo havia chegado ao equivalente a US$ 50 mil por mês em um único engenheiro.
A causa: funcionários usando por padrão os modelos de fronteira mais recentes — e mais caros — para todas as tarefas, independente da complexidade. A Rippling havia incentivado experimentação sem limites. O resultado foi uma conta inesperada que forçou uma revisão urgente.
O que a Rippling descobriu
A empresa negociou caps de gasto com cada ferramenta — Cursor, OpenAI e Anthropic. Depois descobriu outro problema: os próprios provedores não têm incentivo para ajudar a controlar os custos. "Os provedores de inferência não têm absolutamente nenhum incentivo para ajudar você a controlar seu gasto. Eles têm todo incentivo para que seja uma despesa descontrolada", disse MacInnis.
A solução interna: rotear requisições para modelos mais eficientes. O GLM 5.2 — modelo open-weight — foi encontrado 85% mais barato que modelos de fronteira com desempenho quase idêntico para tarefas rotineiras. Em julho de 2026, o consumo interno chegou a 600 bilhões de tokens — similar ao pico de abril — mas o custo foi apenas 37% do valor de abril. O gasto caiu de 40% para 15% do budget de P&D.
O que é o AI Spend Console
Lançado em 6 de agosto de 2026, o AI Spend Console conecta gasto de tokens com o Employee Graph da Rippling — registro de funcionários, departamentos, cargos e linhas de reporte. Isso permite ver não só quanto cada pessoa gasta, mas se esse gasto produz resultado.
Exemplo concreto: o sistema pode identificar engenheiros com alto gasto em IA e mostrar se seus colegas frequentemente pedem para refazer o trabalho durante code reviews. O CFO da Rippling Adam Swiecicki foi direto: "A pergunta não é quanto você está gastando em IA. É o que seu gasto em IA está produzindo. Até você conseguir responder isso, está apenas gerenciando custos — não resultados."
Capacidades principais: breakdown de gastos por funcionário, equipe e cargo; gateway que roteia requisições para os modelos mais eficientes; conexão com dados de GitHub e Salesforce para medir produtividade real; enforcement de políticas de gasto por departamento.
O que isso sinaliza
A Rippling transformou uma lição cara em produto — e o timing é perfeito. O mercado que em 2025 acumulou ferramentas de IA vai passar 2026 descobrindo quais realmente funcionam. O AI Spend Console chega quando CFOs e CTOs estão fazendo exatamente essa pergunta.
