Yapay zeka teknolojilerine yapılan yatırımlar hızla artarken, şirketler bu alandaki harcamalarını kontrol altına almak için yeni çözümler geliştiriyor. İnsan kaynakları yazılımı sağlayıcısı Rippling, bu soruna çözüm sunan 'AI Spend Console' adlı yeni bir ürün tanıttı.
YAPAY ZEKA HARCAMALARINA DUR DİYECEK ARAÇ
Rippling'in geliştirdiği bu ürün, şirketlerin yapay zeka harcamalarını takip etmelerine ve kontrol altında tutmalarına yardımcı oluyor. Ürünün en dikkat çekici özelliklerinden biri, bireysel çalışanların, ekiplerin ve rollerin ne kadar harcama yaptığını ve bu harcamaların gerçekten verimlilik artışına mı yoksa anlamsız çıktılara mı yol açtığını haritalandırabilmesi. Şirket, bu aracın 'kod incelemelerinde sık sık işi yeniden yapması istenen mühendislerin yapay zeka harcamalarını' göstereceğini vaat ediyor.
MİLYONLARCA DOLARLIK KONTROLSÜZ HARCAMA
Bu araç, Rippling'in yılın başında yapay zeka kullanımına yoğunlaşmasının ardından ortaya çıktı. Şirket, çalışanların inanılmaz boyutlarda para harcadığını fark etti. Rippling Ürün Direktörü Matt MacInnis, Mart ayında yönetici ekibiyle yapılan bir toplantıda Finans Direktörü Adam Swiecicki'nin sunduğu sayının kendilerini şok ettiğini hatırlıyor. Rippling, yapay zeka token'ları için Ar-Ge departmanı personel bütçesinin %40'ını harcamak üzereydi. Bu, o birimdeki çalışanlara ödenen toplam tazminatın %40'ı kadar bir harcama anlamına geliyordu. Milyonlarca dolar. Harcamalar aylık %80 oranında artıyordu ve bu eğilim devam ederse, gelecek yıl yüksek maaşlı Ar-Ge personeline ödenen maaşın neredeyse %90'ı kadarını yapay zeka token'larına harcayacaklardı. Yönetim derhal harcamaları ve bu harcamalar karşılığında ne elde ettiklerini anlamak için 'acil' bir proje başlattı. Yapılan analizlerde, çalışanların yaklaşık %10-15'inin toplam yapay zeka harcamalarının yaklaşık %60'ını oluşturduğu ve bir mühendisin ayda 50.000 dolar harcadığı ortaya çıktı. Rippling, yapay zeka kullanımını tamamen durdurmak istemiyor, ancak kontrol altına almayı hedefliyor. Bu amaçla, Cursor, OpenAI ve Anthropic gibi kullandıkları araçlarla ayrı ayrı harcama limitleri belirlemeye başladı. Ancak, çalışanların tüm görevler için en yeni ve en pahalı modelleri varsayılan olarak kullandığı belirgin bir sorun olarak ortaya çıktı. MacInnis, "Gerçek şu ki, çıkarım sağlayıcıların (Anthropic ve OpenAI gibi) harcamalarınızı kontrol etmenize yardımcı olmak için hiçbir teşviki yok. Harcamaların kontrolden çıkması için her türlü teşvike sahipler ve tam olarak da bunu yapıyorlar. Harika kullanım bilgisi sağlamıyorlar ve birbirleriyle işbirliği yapmıyorlar" dedi. Bu durum, 2026 yılının başlarında yaygın bir sorundu. Ancak şimdi, sekiz ay sonra, şirketler birkaç şeyi anlamış durumda. Birincisi, çeşitli fiyat noktalarında, hatta belki Çin kökenli bir sınır açık ağırlık seçeneği de dahil olmak üzere, birden fazla yapay zeka laboratuvarından birden fazla modele ihtiyaçları olduğunu biliyorlar. Rippling'in kurucusu ve CEO'su Parker Conrad geçen ay yaptığı açıklamada, şirketlerinin kendi iç kullanımları için kendi kıyaslamalarını yaptıklarında, SpaceX'in Grok'unun genel lider olduğunu ancak "GLM 5.2'nin %85 daha ucuz olmasına rağmen sınır modellerle neredeyse aynı performansa sahip olduğunu" keşfettiklerini belirtti. (SpaceX, Grok ve diğer düzinelerce modele erişim sunan Cursor'a sahiptir.) Z.ai'nin GLM 5.2'si, günümüzde kodlama görevleri için teknoloji şirketleri arasında özellikle popüler bir Çin modeli haline geldi. Databricks de bunu savunuyor. İkinci olarak, şirketler artık görev için en iyi ve en uygun maliyetli modele yönlendiren bir yapay zeka geçidine ihtiyaçları olduğunu biliyorlar. Rippling de bu sonuca vardı. Bu yüzden kendi yapay zeka geçidini de bu ürünün bir parçası olarak inşa etti. MacInnis, başka bir geçit kullanan işletmelerin hala AI Spend Console ürününü kullanabileceğini, ancak harcamaları yöneten özellikler istiyorlarsa Rippling'in geçidini kullanmaları gerekeceğini belirtiyor. AI Spend Console, (tokenmaxxing günlerinde lider tablosu olarak bilinen) günlük istemler, kod satırları/çekme istekleri ve harcama gibi öznitelikleri puanlayan panolar üretir. Bu araçla birlikte, Rippling token harcamasını personel bütçesinin %40'ından yaklaşık %15'e düşürdüğünü belirtti. Ancak yapay zeka kullanımını kısıtlamadı. Finans direktörünün uyarısını yayınladığı ay şirket, zirvede 605 milyar token harcadı. Temmuz ayında, dahili kullanım tekrar 600 milyar token'a ulaştı, ancak "Temmuz ayındaki token harcamasının maliyeti, Nisan ayındaki token harcamasının maliyetinin %37'siydi". "Bu sadece daha etkili modellere yönlendirdiğimiz için," dedi ve "satış ekibinin Fable kullanarak dilbilgisi güncellemeleri yapmasına izin vermediğimizi" esprili bir dille ekledi. Ancak teknoloji çözümleri yeterli değil, Rippling not ediyor. Şirket, yapay zekayı etkili bir şekilde kullanan kişileri buldu ve onları şirketin geri kalanına yardımcı olmakla görevli "yapay zeka kaptanları" yaptı. Yine de, mühendislik dışındaki yapay zeka kullanımlarını bu tür çabaların henüz gelişim aşamasında olduğunu belirten MacInnis, yazılım mühendislerinin şimdiye kadarki birincil kullanıcılar olduğunu söylüyor. Ancak Rippling, örneğin, müşteri karşılama ekipleri için bazı posta verilerini ve veri mutabakat görevlerini otomatikleştirmek üzerinde çalışıyor. Kontrol paneli daha sonra daha fazla müşteriyi karşılama yoluyla verimliliği ölçecektir. MacInnis, "Genel yönetim giderleri ve müşteriyle ilgili fonksiyonlardaki token tüketimini verimliliğe bağlayabilmemiz gerekiyor. Bunu yapamazsak, tüm bunların daha geniş çalışan tabanına sunulmasına dair tüm iddialar ortadan kalkar," diyor. Dolayısıyla, Rippling bir örnekse, tokenmaxxing diğer yöne doğru o kadar fazla sallanmış olabilir ki, çalışanların yapay zeka erişimi artık Slack veya e-posta gibi olmayabilir. Şirket verimliliği ölçemezse, tüm çalışanların erişimi olmayabilir. Ürün gelince, AI Spend Console, Rippling'in İK aboneleri için dahildir, ancak ek yapay zeka kullanımına dayalı maliyetler vardır. MacInnis, ayrıca bağımsız bir ürün olarak satın alınabileceğini ve başka bir kayıt tutma İK sistemiyle entegre edilebileceğini belirtiyor.
