Por Canuto  

Rippling presentó Data Cloud, una nueva apuesta para centralizar analítica empresarial, recursos humanos y datos operativos en una sola plataforma. Parker Conrad dice que la herramienta ya permite identificar qué empleados realmente obtienen valor de la IA y cuáles solo elevan el gasto en tokens sin resultados claros.
***

  • Rippling asegura que su nueva Data Cloud puede sustituir gran parte de la pila moderna de datos empresariales.
  • Parker Conrad mostró tableros que cruzan uso de Anthropic, GitHub, Salesforce y calificaciones internas para medir retorno de la IA.
  • La empresa también impulsa banca corporativa y nómina el mismo día, mientras descarta una salida a bolsa en el corto plazo.

 

Rippling quiere convencer al mercado de que una parte importante del análisis de datos empresariales debe vivir dentro de los sistemas de gestión de capital humano. La tesis no es menor, porque empuja a la compañía más allá del software tradicional de recursos humanos.

Con ese argumento, la empresa lanzó Rippling Data Cloud, un producto diseñado para concentrar en una sola capa la ingesta, organización, consulta y visualización de datos corporativos. La propuesta apunta directamente a herramientas especializadas que hoy dominan distintos tramos de esa cadena.

Según reportó TechCrunch, Parker Conrad sostiene que la pila de datos moderna puede colapsarse en un sistema único. En su visión, Rippling no solo conecta información de múltiples aplicaciones, sino que además entiende la estructura organizacional y cómo cambian las relaciones internas dentro de una empresa.

Ese matiz es central en la oferta del producto. Conrad argumenta que la mayoría de las plataformas de inteligencia empresarial carecen de un conocimiento nativo sobre jerarquías, equipos, responsables, promociones o compensaciones.

Para una audiencia acostumbrada al auge de la IA en fintech, software y mercados, el caso es relevante porque combina dos obsesiones recientes del mundo corporativo. Por un lado, reducir el costo de la infraestructura de datos; por el otro, medir si el gasto creciente en herramientas de IA realmente produce retornos.

Rippling quiere comprimir toda la pila moderna de datos

Hoy muchas empresas mueven información desde distintos sistemas operativos hacia un almacén central mediante proveedores externos. Después necesitan otra herramienta para almacenar y consultar los datos, otra para transformarlos y limpiarlos, y una más para visualizarlos.

En el ejemplo citado por Conrad, ese recorrido incluye jugadores como Fivetran o Airbyte para mover datos, Snowflake para almacenamiento y consulta, dbt Labs para transformación y Tableau como capa final de visualización. Rippling quiere ocupar todas esas funciones con un solo sistema.

La apuesta no es solo técnica, sino estratégica. Si una empresa logra reunir nómina, organigramas, desempeño, finanzas operativas y señales de productividad en un único entorno, puede formular preguntas más complejas sin depender de varios proveedores.

Conrad defendió precisamente ese punto desde su oficina en San Francisco, donde mostró tableros construidos con las herramientas internas de Rippling. Su énfasis fue que el valor no está únicamente en consolidar datos, sino en conservar el contexto de quién hace qué dentro de la organización.

Ese contexto incluye relaciones de reporte que cambian con el tiempo, métricas ligadas a áreas específicas y el efecto que cualquier variación puede tener sobre empleados, gerentes o departamentos. En otras palabras, Rippling quiere vender una base de datos con memoria organizacional.

El caso de uso más llamativo: vigilar el retorno del gasto en IA

Durante la demostración, Conrad relató que Rippling activó el producto sobre su propia fuerza laboral. Allí detectó empleados que usaban Claude para tareas como revisar su calendario, leer su correo y elaborar planes personales de trabajo.

En uno de esos casos, dijo que el gasto proyectado alcanzaba una tasa anual de USD $30.000. Aclaró enseguida que nadie estaba haciendo nada indebido, pero remarcó que el retorno sobre la inversión simplemente no justificaba ese nivel de consumo.

La observación toca un nervio sensible entre ejecutivos y directores financieros. Muchas compañías pagan licencias y consumo variable de modelos generativos sin tener una manera clara de vincular ese gasto con productividad, calidad o resultados de negocio.

Conrad presentó un tablero que cruza registros de uso de Anthropic, datos de solicitudes de extracción de GitHub y calificaciones de desempeño internas de Rippling. El objetivo es identificar qué ingenieros extraen valor real de las herramientas de IA y cuáles solo elevan la factura.

Su conclusión inicial fue que los empleados de alto rendimiento tienden a gastar más, algo que consideró esperable. Sin embargo, dijo que el tablero también revela perfiles con alto gasto y altas tasas de rechazo por parte de compañeros en revisiones de código.

Para Conrad, esa combinación puede indicar que una persona está generando mucho material de baja calidad con ayuda de IA. Su frase fue directa: si tus compañeros te están diciendo que vuelvas a hacer esto todo el tiempo, tal vez estés generando mucha basura.

Ese análisis ya llevó a Rippling a reducir límites de gasto para ciertos empleados. Además, el producto puede configurarse para alertar a los gerentes o incluso apagarse automáticamente cuando alguien supera un umbral de consumo definido por la empresa.

Más tableros, más control interno y una narrativa de eficiencia

El control del gasto en IA no fue el único ejemplo mostrado por el ejecutivo. También enseñó un tablero construido al pedir a Rippling AI que analizara el ciclo más reciente de revisión de compensaciones en la empresa.

Ese panel incluía distribuciones de calificaciones de desempeño, tasas de promoción por departamento y relaciones salariales. Según Conrad, todo podía desglosarse hasta el nivel individual, lo que refuerza la promesa de profundidad analítica del sistema.

Luego mostró otro panel que combinaba el volumen de tickets de soporte tomados de Salesforce con datos de programación de empleados. La idea era detectar rápidamente qué equipos estaban sobrecargados y cuáles operaban con menor presión.

En ese ejemplo, señaló que el equipo de inscripciones estaba gravemente subcontratado. También indicó que el equipo de viajes acumulaba más del doble de tickets sin resolver que el equipo de plataforma.

Más allá de cada caso concreto, el mensaje comercial es claro. Rippling intenta posicionarse como una plataforma desde la cual la gerencia pueda ver costos, productividad, personal y fricciones operativas sin salir de un mismo entorno.

Ese tipo de centralización puede resultar atractivo para compañías que hoy reparten datos críticos entre recursos humanos, atención al cliente, desarrollo y finanzas. También encaja con la presión actual de justificar cada dólar invertido en automatización e IA generativa.

Precios, modelos de IA y nuevos ingresos para Rippling

Consultado sobre el impacto del consumo intensivo de tokens en los márgenes de la empresa, Conrad evitó dar cifras precisas. Dijo que todavía es temprano para entrar en ese nivel de detalle.

Aun así, rechazó la idea de que Rippling esté subsidiando el uso de sus clientes. Su respuesta fue que la empresa no está perdiendo dinero y que el objetivo es mantener el producto lo más asequible posible para los clientes.

El SKU base, empaquetado con Rippling AI, cuesta alrededor de USD $20 al mes. A eso se suman cargos basados en uso para los consumidores más intensivos.

Conrad afirmó que actualmente unas 560 empresas utilizan la oferta. También dijo que los nuevos ingresos provenientes de ese producto se ubican aproximadamente entre USD $5 millones y USD $7 millones al mes.

Sobre la infraestructura de modelos, explicó que Rippling ha cambiado recientemente parte de sus cargas desde Anthropic hacia OpenAI. Según su evaluación, el modelo 5.5 de OpenAI es mejor y más rentable para varios de los trabajos que la empresa está ejecutando.

De todos modos, también matizó esa afirmación al señalar que el equilibrio sigue cambiando. Agregó que Rippling usa distintos modelos para distintas tareas, una postura cada vez más común entre empresas que no quieren depender de un solo proveedor de IA.

Banca corporativa, nómina instantánea y competencia con Ramp

Data Cloud fue el lanzamiento más visible de la semana, pero no el único. Días antes, Rippling también anunció Business Banking, una oferta que incluye una cuenta corriente de alto rendimiento y procesamiento de nómina el mismo día.

Conrad describió esa función como una forma de eliminar la carga mental de manejar dos cronogramas distintos. El argumento es que muchas empresas tienen que coordinar por separado la disponibilidad bancaria y la ejecución de nómina.

Según explicó, la mayoría de los sistemas de nómina exigen procesar pagos entre dos y cuatro días antes. El producto bancario de Rippling permitiría ejecutar la nómina el mismo día en que se paga a los empleados.

Además, dijo que la plataforma acepta cambios tan tarde como la 1 p.m. del mismo día de pago. Ese detalle apunta a una promesa de flexibilidad operativa que puede resultar valiosa para empresas con plantillas dinámicas o ajustes de última hora.

La expansión roza el terreno ocupado por fintech como Ramp, que recientemente recaudó USD $750 millones con una valoración de USD $44.000 millones. Esa cifra es casi tres veces la valoración de USD $16.800 millones que inversores asignaron a Rippling el año pasado.

Conrad dijo que el negocio bancario de Rippling todavía es mucho más pequeño que el de Ramp, pero afirmó que está creciendo muy rápido y que va extremadamente bien. También insistió en que hay ventajas en centralizar todas estas funciones dentro de un mismo sistema.

I+D agresivo, caja futura y ninguna prisa por salir a bolsa

Conrad señaló que, en términos generales, Rippling sigue aproximadamente a dos años de alcanzar flujo de caja positivo. Esa afirmación ayuda a entender por qué la compañía sigue priorizando expansión y desarrollo por encima de rentabilidad inmediata.

Según explicó, Rippling gasta entre el 45% y el 50% de sus ingresos en investigación y desarrollo. Comparó ese rango con el 8% al 9% que destinan empresas públicas de software de recursos humanos como Paylocity y Paycom.

Para el fundador, ese diferencial no es un problema accidental, sino parte del diseño de la empresa. El costo de construir todo internamente es, en sus palabras, precisamente el punto de la estrategia.

La recompensa esperada es un sistema capaz de responder preguntas complejas sin extraer información desde cuatro pilas distintas de proveedores. Esa integración, sostiene, hace más fácil cruzar datos y operar más rápido en entornos empresariales cada vez más dependientes de software.

Sobre una eventual oferta pública inicial, Conrad fue tajante. Dijo que no tiene prisa, incluso en un momento en que la ventana para salir a bolsa está abierta.

Su comentario fue especialmente filoso al afirmar que los mercados públicos se han convertido en una comunidad de retiro para compañías de crecimiento lento. Aun así, matizó que no es una postura religiosa en un sentido u otro.

La definición final fue todavía más clara. Por ahora, dijo sencillamente, Rippling no va a salir a bolsa, ni siquiera con un guiño implícito al mercado.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados