Todo mundo que testou modelos de IA no trabalho sabe: é fácil deixar o cartão correndo sem perceber. Foi basicamente isso que aconteceu com a Rippling, empresa de software de RH, que descobriu em março que estava prestes a queimar 40% do orçamento de folha do time de engenharia só em tokens de IA. O valor gasto em consumo de modelos chegou perto do que a empresa paga em salários pra 40% desse time.
O CFO Adam Swiecicki apresentou o número numa reunião de diretoria e, segundo o Chief Product Officer Matt MacInnis, a reação foi de choque total. O gasto vinha crescendo 80% ao mês. Se a curva continuasse, no ano seguinte a empresa gastaria quase tanto em tokens quanto em salários do time — 90%.
Onde estava o vazamento
Quando a Rippling analisou os números, achou o padrão clássico: entre 10% e 15% dos funcionários eram responsáveis por 60% de todo o gasto com IA. Um engenheiro, sozinho, gastava 50 mil dólares por mês. O problema não era exatamente usar IA demais — era usar sempre o modelo mais caro e mais recente pra qualquer tarefa, até as simples.
A resposta não foi cortar o acesso. Foi criar visibilidade. A empresa negociou tetos de gasto com Cursor, OpenAI e Anthropic e, mais importante, construiu o próprio gateway de IA, uma camada que decide qual modelo usar em cada tarefa em vez de deixar todo mundo apontar pro modelo mais robusto por padrão. Segundo o fundador Parker Conrad, nos testes internos o Grok saiu na frente em desempenho geral, mas o GLM 5.2, modelo chinês da Zhipu, ficou quase equivalente custando 85% menos.
O produto que nasceu disso
Esse processo interno virou o AI Spend Console, lançado essa semana. A ideia é simples: o painel cruza quanto cada funcionário, time ou cargo gasta em IA com o que essa pessoa realmente entrega. Um exemplo direto do anúncio da empresa: o sistema aponta quais engenheiros com gasto alto em IA têm colegas pedindo retrabalho com frequência nas revisões de código. Gastar muito com IA não é sinônimo de produzir bem, às vezes é sinônimo de gerar mais trabalho pros outros.
O resultado prático, segundo a empresa: o gasto caiu de 40% para cerca de 15% do orçamento da equipe de engenharia, sem reduzir o volume de uso. Em abril a Rippling processou 605 bilhões de tokens; em julho, praticamente o mesmo volume, 600 bilhões. A diferença é que o custo de julho ficou em 37% do custo de abril, porque o roteamento passou a mandar cada tarefa pro modelo certo.
A empresa também criou uma função informal de capitães de IA, funcionários que usam bem a ferramenta e ajudam o resto do time. Fora da engenharia ainda é experimento: times de onboarding de clientes estão testando automação de dados com a mesma lógica de medir produtividade antes de liberar acesso mais amplo.
Se a IA vai continuar disponível pra todo mundo na empresa, alguém vai precisar mostrar que isso compensa. É esse o ponto que a Rippling deixou claro com esse lançamento.
O AI Spend Console já vem incluso pra clientes da assinatura de RH da Rippling, com custo adicional conforme o uso de IA. Também pode ser comprado separado e integrado a outro sistema de RH.