本記事はAIを活用して自動収集・要約しています。サムネイルおよび画像もAIツールを使用して生成しています。
Rippling、AIトークン利用料を可視化・管理する「AI Spend Console」を発表
Ripplingは、企業のAI（人工知能）利用料を可視化し、経営指標と結び付けて管理する新製品「AI Spend Console」を発表しました。CFOやCTOがAI利用料の実態を把握し、承認済みのLLM（大規模言語モデル）の利用を統制できるようにする製品です。
1従来のダッシュボードとの違い
AI Spend Consoleは、AI利用料を従業員の属性（部門・チーム・役職など）に結び付けて可視化する点が特徴です。さらに、人事評価やプルリクエスト数といった業績指標とAI利用料を関連付けることで、トークン利用がどの程度成果につながっているかを分析できます。
2開発の背景：AIトークン利用料が月80%増のペースで拡大
Ripplingでは全社員にAI活用を推奨し、利用制限を設けていませんでした。その結果、AIトークンの利用料は前月比80%のペースで増加し、このままではR＆D（研究開発）部門の人件費予算の40%をトークン費用が占める見通しとなりました。
現場調査（Go and See）を実施した結果、以下が判明しました。
- 全従業員の10〜15%が、AI利用料全体の約60%を占めていた（うち1人は月5万ドルを利用）
- 最新モデルが高コストな「Fast mode」に既定設定されたままになっていた
- AI活用による生産性向上は、利用開始初期にもっとも大きく、利用料を増やすほど比例して伸びるわけではなかった
34つの取り組みでAI利用料を統制
Ripplingは、以下の4段階でAI利用料の可視化と統制を進めました。
- データ統合：Cursor・OpenAI・Anthropicなど各ベンダーのAI利用料データを自社の「Data Cloud」に集約し、ユーザー識別子を従業員プロフィールへ自動マッピング
- ダッシュボード構築：AI利用料と成果指標（PR数・コード修正量など）を可視化する「AI Scorecard」を作成し、活用度・利用深度・生産性・サイクルタイム・効率性の5指標で評価
- AI Gateway導入：従業員と承認済みモデルの間に内部ルーティング層を設置し、利用上限・モデルアクセス方針の設定、リクエストのルーティング、ログ記録を一元化
- AI Captains制度：非R＆D部門を含む各組織にAI活用の推進担当者を配置し、成果創出・導入促進・ガバナンスを担わせる
これらの取り組みにより、R＆D部門のトークン費用は人件費予算の40%から10〜15%まで低下し、年間で数千万ドル規模の削減につながったとしています。生産性についても、制約を設けたことでむしろ向上したとしています。
4AI Spend Consoleの主な機能
- 利用料の要因分析：部門・役職・チーム別にAI利用料の内訳を把握
- 利用料と成果の関連付け：人事評価やプルリクエスト数などの指標とAI利用料を結び付け、非効率な利用を特定
- アクセス・利用料の統制：従業員の属性に応じたモデルアクセス方針を設定し、承認済みLLMへリクエストを自動的にルーティング
AI Spend Consoleは、Ripplingのサブスクリプション契約なしで30日間の無料トライアルを利用できます。
出典：Rippling Blog「From unchecked AI spend to complete control: How Rippling built AI Spend Console」（2026年8月6日）https://www.rippling.com/blog/introducing-ai-spend-console
