Один сотрудник потратил $30K на Claude ради почты

В одной компании сотрудник тратил $30 000 в год на токены Claude. Задача — просить модель анализировать его почту и расписание и составлять план на день. Глава Rippling Паркер Конрад узнал об этом только потому, что Rippling только что выпустила продукт, сопоставляющий расходы на ИИ с результатами работы — и этот случай всплыл почти сразу.

25 июня Rippling запустила Rippling Data Cloud — платформу, которая объединяет HR-данные (зарплаты, ревью, обратная связь от коллег) с внешними сигналами из инструментов: Salesforce, GitHub и теперь провайдеров ИИ, включая Anthropic. Ключевой вопрос, для ответа на который создана платформа: те, кто больше тратит на ИИ-инструменты, реально дают больше результата? По данным Rippling, платформой уже пользуются 560 компаний, а новый запуск даёт, по оценкам, 5–7 миллионов долларов нового ежемесячного дохода.

Что именно отслеживает система

Платформа фиксирует расходы на ИИ по каждому сотруднику и сопоставляет их с показателями работы: процент принятых ревью кода, выполнение планов, закрытие задач. Менеджеры получают автоматические оповещения, когда траты сотрудника превышают порог, — с возможностью сразу ограничить доступ из того же дашборда. Через запросы на обычном языке можно строить любые отчёты без аналитиков. Цена — около $20 в месяц на человека в пакете с Rippling AI.

Случай с сотрудником за $30K — иллюстрация, которую Конрад выбрал сам, чтобы показать ставки. Посыл не в том, что ИИ мешает работе, — а в том, что без данных невозможно отличить инженера, который с ИИ-ассистентом выпускает фичи в три раза быстрее, от человека, платящего $30K в год просто за красиво организованное утро. В бюджетной строке «AI-инструменты» они выглядят одинаково.

Деталь, которую стоит заметить: Rippling ушла от Anthropic

В том же анонсе Конрад упомянул, что сама Rippling недавно перевела свои ИИ-задачи с Anthropic на OpenAI — GPT-5.5 оказался, по его словам, «и лучше, и дешевле». Это значимый сигнал от команды, которая профессионально занимается измерением ROI от ИИ. Если даже те, кто строит инструменты для оценки AI-расходов, активно ищут более выгодный вариант — это говорит кое-что о направлении рынка.

Для билдеров, которые используют ИИ-инструменты самостоятельно, вывод прямой: компании, оплачивающие ваши подписки, начинают спрашивать, что они за это получают. Умение показать конкретный результат — выпущенную фичу, автоматизированную задачу, решённую проблему клиента — становится ценнее по мере того, как AI-расходы превращаются в строку бюджета, за которой следит финансовый отдел.