RipplingがAI支出管理ツール公開 費用を40%から15%に圧縮

結論

AIの利用料が膨らむ企業は、まず誰がいくら使っているかを数字で押さえるべきだ。人事労務サービスのRipplingは、自社のAIトークン費用が研究開発の人件費予算の40%に達しかけたことを受け、社員ごとの支出を可視化するAI Spend Consoleを公開した。導入後、費用は予算の15%まで下がった。AIの請求額が伸び続ける現場に、支出を管理する具体的な型を示した事例だ。

何が起きたのか

Ripplingによれば、同社のAIトークン費用は月ごとに80%のペースで増え、研究開発の人件費予算の40%を占めかねない水準まで来ていた。支出は一部に偏り、全社員の10〜15%が費用の60%を生み、あるエンジニア1人は月5万ドルを使っていた。

そこで作ったAI Spend Consoleは、社員やチームごとの支出を、コードの生産量やプルリクエストといった成果の指標と並べて示す。さらに利用をCursor、OpenAI、Anthropic、Grok、そしてZ.aiのGLM 5.2へ振り分ける。CEOのParker Conrad氏は、GLM 5.2を「85%安いのに性能はほぼ同じ」と評した。結果として、トークン費用は人件費予算の40%から15%へ下がり、7月の費用は同程度の6000億トークンを使いながら4月の37%に収まったという。数字は同社の自己申告であり、他社にそのまま当てはまるとは限らない。

トークンが費用に直結する仕組みはトークンとは、料金の基礎は生成AIの料金の基礎で解説している。

現場の実務にどう効くか

この事例の要点は、AIの費用管理が「使うのを我慢する」ではなく「見える化して振り分ける」段階に入ったことだ。まず、社員やチーム単位で月の利用額を集計する。多くの組織で、支出は少数の社員に偏る。上位の利用者が何にトークンを使っているかを点検すると、無駄な長文の投入や、安いモデルで足りる作業に高いモデルを使っている実態が見えてくる。

次に、用途ごとにモデルを振り分ける。日々の要約や下書きは安いモデル、精度が要る作業だけ高いモデルに回すだけで、総額は大きく変わる。安いモデルへ切り替える具体策は生成AIのコストが高いと感じたときの見直し方、値下げの流れは生成AIのコスト低下と普及の流れにまとめている。Ripplingが安いモデルに切り替えて費用を大きく下げた事実は、高いモデルを一律に使う運用に見直しの余地があることを示している。

費用を成果の指標と並べて見る発想も重要だ。支出額だけを削ると生産性まで落ちかねない。1人あたりの費用とコード量や案件数を並べて、投じた費用が成果に結びついているかで判断すると、削るべき支出と残すべき支出を切り分けやすい。専用のツールがなくても、多くのAIサービスは利用状況の管理画面を備えている。まずは月次で部署ごとの利用額を書き出し、突出した使い方がないかを見るところから始めれば、費用の主導権を取り戻せる。

FAQ

Ripplingは何を作ったのですか。 社員やチームごとのAI利用額を、コード量やプルリクエストなどの生産性の指標と並べて可視化するAI Spend Consoleです。複数のAIサービスへ利用を振り分ける機能も持ちます。数値は同社の自己申告のため、自社では実測で確かめてください。

自社でAI費用を抑えるにはどうすればよいですか。 まず誰がいくら使っているかを可視化し、用途ごとに安いモデルへ振り分けます。一部の社員に支出が偏る傾向があるため、上位利用者の使い方を点検するのが早道です。

出典

• After Rippling blew millions on AI, it built an employee ROI tool（TechCrunch）
• Rippling built an AI cost tracker after AI spend hit 40% of R&D budget（AI Weekly）