Por Canuto  

Rippling, proveedor de software de recursos humanos, se encontró gastando el 40% de su presupuesto de I+D en tokens de IA, con un crecimiento mensual del 80%. Para frenar esta hemorragia, creó AI Spend Console, una herramienta que rastrea el gasto por empleado y enruta las tareas a modelos más baratos, reduciendo costos al 15% sin sacrificar el nivel de uso.
***

  • Rippling descubrió que gastaría el 40% de su presupuesto de personal de I+D en tokens de IA, con un crecimiento del 80% mensual.
  • La empresa construyó una puerta de enlace de IA para enrutar tareas a modelos más baratos, incluyendo GLM 5.2, reduciendo el gasto al 15%.
  • La herramienta AI Spend Console ya está disponible para suscriptores de Rippling y mide productividad por empleado.

 

El proveedor de software de recursos humanos Rippling se enfrentó a una realidad escalofriante en marzo: estaba quemando el 40% de su presupuesto de personal de I+D en tokens de inteligencia artificial. El CFO Adam Swiecicki presentó la cifra en una reunión ejecutiva, y el impacto fue inmediato.

El gasto crecía un 80% mes a mes, y si la tendencia continuaba, el año siguiente alcanzaría el 90% de la compensación total de esa unidad. “Estábamos incrédulos”, confesó Matt MacInnis, director de productos, a TechCrunch.

El tokenmaxxing: cómo las empresas pierden el control

El fenómeno se conoce como tokenmaxxing: los empleados usan modelos de IA de manera indiscriminada, a menudo los más caros, para cualquier tarea. En Rippling, el análisis reveló que aproximadamente el 10-15% de los empleados generaban alrededor del 60% del gasto total en IA.

Un caso extremo fue el de un ingeniero que gastaba USD $50.000 al mes en tokens. La empresa no quería detener el uso de IA, solo controlarlo, pero los proveedores no ofrecían herramientas de supervisión.

“Los proveedores de inferencia, como Anthropic y OpenAI, no tienen ningún incentivo para ayudarte a controlar tu gasto”, dijo MacInnis. “Tienen todo el incentivo para que sea un gasto descontrolado”.

Rippling no fue la única empresa afectada. A principios de 2026, muchas organizaciones se dieron cuenta de que necesitaban múltiples modelos de diferentes laboratorios, incluyendo opciones de pesos abiertos y más económicas.

El CEO Parker Conrad señaló que sus propios puntos de referencia mostraron que Grok, de SpaceX, era el líder general, pero que “GLM 5.2 es 85% más barato pero tenía un rendimiento casi idéntico”.

La creación de AI Spend Console

Ante la falta de soluciones externas, Rippling construyó su propia herramienta: AI Spend Console. Este producto incluye paneles que puntúan atributos como la cantidad de instrucciones por día, la producción de trabajo y el gasto.

También incorpora una puerta de enlace de IA que enruta las instrucciones al modelo más adecuado y rentable para la tarea. Esta puerta de enlace es clave para los controles de gasto, ya que permite negociar topes con cada proveedor.

MacInnis explicó que la herramienta muestra “qué ingenieros tienen un alto gasto en IA cuyos colegas les piden con frecuencia que rehagan el trabajo en revisiones de código”. Esto ayuda a identificar ineficiencias.

Para implementar los topes, Rippling negoció con Cursor, OpenAI y Anthropic. El problema inicial fue que los empleados usaban por defecto los modelos más nuevos y caros para todas las tareas.

Con la puerta de enlace, la empresa puede evitar que el equipo de ventas use modelos caros para correcciones gramaticales. “No vamos a permitir que el equipo de ventas haga actualizaciones de gramática usando Fable”, bromeó MacInnis.

Resultados: reducción de costos sin sacrificar uso

Después de implementar la herramienta, Rippling redujo su gasto en tokens del 40% de su presupuesto de personal a alrededor del 15%. Sin embargo, el uso de IA no disminuyó.

La compañía alcanzó un máximo de 605 mil millones de tokens en el mes de abril, cuando el CFO lanzó su advertencia. En julio, el uso interno volvió a casi 600 mil millones de tokens, pero el costo fue solo el 37% del gasto de abril.

“Eso es solo porque ahora estamos enrutando a los modelos más efectivos”, explicó MacInnis. La combinación de modelos como GLM 5.2 y Grok, según tareas específicas, permitió ahorrar significativamente.

La puerta de enlace de Rippling también se puede usar con otras herramientas, pero si se quieren las funciones de control de gasto, es necesario usar la puerta de enlace de Rippling. La herramienta está incluida para los suscriptores de recursos humanos, con costos adicionales por uso.

También se puede comprar como producto independiente e integrarse con otros sistemas de registro de recursos humanos.

La productividad más allá de la ingeniería

Rippling no solo se enfocó en el gasto, sino también en medir la productividad. La empresa nombró “capitanes de IA” para ayudar a otros empleados a usar la tecnología de manera efectiva.

Sin embargo, MacInnis reconoció que estos esfuerzos son un trabajo en progreso, ya que los ingenieros de software han sido los principales usuarios hasta ahora. La empresa está trabajando en automatizar tareas para equipos de incorporación de clientes, como el manejo de correos y la conciliación de datos.

El panel medirá la productividad en términos de incorporar más clientes. “Tenemos que poder vincular el consumo de tokens en las funciones de administración y en las funciones de cara al cliente con la productividad”, dijo MacInnis.

Si no se puede medir esa productividad, el acceso a la IA podría restringirse. La tendencia parece ir hacia un control más estricto: el acceso a la IA ya no será tan libre como Slack o el correo electrónico, a menos que se demuestre su retorno.

El producto AI Spend Console es parte del enfoque más amplio para democratizar la IA de manera responsable, pero con medidas claras de eficiencia.

Disponibilidad y futuro

AI Spend Console ya está disponible para los clientes de Rippling que usan su plataforma de recursos humanos. También se ofrece de forma independiente para empresas que usan otros sistemas, con integración vía API.

La decisión de Rippling de crear su propia herramienta en lugar de esperar a los proveedores refleja una tendencia creciente en el mercado. Las empresas están tomando el control de su gasto en IA.

El caso de Rippling muestra que es posible reducir costos drásticamente sin renunciar a los beneficios de la inteligencia artificial. La clave está en la selección inteligente de modelos y en la medición constante de la productividad.

Para otras organizaciones, el mensaje es claro: sin supervisión, el gasto en IA puede convertirse en una sangría financiera. Herramientas como AI Spend Console ofrecen una solución práctica.

La experiencia de Rippling es un ejemplo de cómo una empresa puede transformar un problema urgente en una oportunidad de producto.

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