記事のサマリー（TL;DR）
- Rippling の AI トークン支出が月次80%増で R&D 人件費の40%相当・数百万ドル規模に達し、CPO が緊急対応を開始
- AI Spend Console は社員・チーム単位の消費量と成果物（コード行数・PR数）を紐づけ、”スラッジ生産者”を可視化するダッシュボード
- AI ゲートウェイによるモデルルーティングで、7月トークン使用量は4月とほぼ同量（約6,000億）を保ちながらコストは37%まで圧縮
国内 SaaS・情シス担当者が押さえるべき「AI 支出の野放し」リスクと対処法
Rippling の事例は、2025〜2026年にかけて多くの企業が経験した「トークンマキシング（tokenmaxxing）」の失敗パターンを数字で示した希少な公開事例です。日本国内でも Cursor・GitHub Copilot・Claude for Work・ChatGPT Team などを全社展開する動きが加速していますが、エンジニア部門が主導する形でのライセンス・API コスト管理は後手に回りやすい構造があります。
Rippling の教訓は3点に集約されます。①フロンティアモデルへのデフォルト集中（Anthropic・OpenAI 側にコスト削減インセンティブが存在しない）、② 10〜15%の社員が支出の60%を占めるロングテール集中、③エンジニア以外の職種への展開時に生産性指標の設計が必要になること――です。kintone や Salesforce などのデータを Rippling 相当の AI ゲートウェイで統合し、部門別コストをモニタリングする構成は、日本の情シス・経営層にとっても現実的な選択肢として浮上しつつあります。また BigQuery などで AI API コストと業務アウトプット指標を突合するデータ基盤設計の需要は、今後急速に高まるとみられます。
詳細
数百万ドルの衝撃――CFO が提示した「40%」という数字
HR ソフトウェアプロバイダーの Rippling は今週、AI Spend Console を発表しました。「アンチ・トークンマキシング」プロダクトと銘打たれたこのツールは、企業が AI 支出を把握・制御するために設計されています。
特に注目すべき機能は、社員個人・チーム・職種ごとの AI 支出額を可視化し、その支出が本当の生産性向上につながっているか、それとも “AIスラッジ”（質の低い量産コンテンツ）を生んでいるだけかを判定する点です。同社のブログでは「コードレビューで同僚からやり直しを頻繁に求められているにもかかわらず AI 支出が高いエンジニア」を特定できると説明しています。
このツールが生まれた背景には、Rippling 自身の苦い経験があります。2026年初頭、多くの企業と同様に Rippling も全社的なトークンマキシングに踏み切りました。ところが3月の経営会議で CFO の Adam Swiecicki が提示した数字が経営陣に衝撃を与えます。
Rippling は R&D 人件費の40%相当をAIトークン代として消費する軌道に乗っていたのです。月次成長率は80%で、このトレンドが続けば翌年には R&D 部門の高給社員への報酬総額の90%に匹敵するトークン代を支払う計算になります。
「信じられなかった」と Chief Product Officer（CPO）の Matt MacInnis は TechCrunch に語っています。経営陣はただちに「緊急」プロジェクトを立ち上げ、支出実態の解析に着手しました。
製品ローンチの広告映像では、Swiecicki がスツールに座る傍らで社員たちが大量の紙幣を紙シュレッダーに投入し続けるシーンが映し出されています。
分析で判明した実態――1人のエンジニアが月50,000ドル
Rippling が詳細分析を行った結果、次の事実が明らかになりました。
- 全社員の約10〜15%が AI 支出全体の約60%を占めていた
- ある1人のエンジニアだけで月5万ドル（約750万円）を消費していた
Rippling が目指したのは AI 利用の停止ではなく、「大幅な適正化」でした。まず Cursor・OpenAI・Anthropic との間に最大支出上限を交渉するところから始めました。
調査で見えてきた構造的な問題は明確でした。社員がすべてのタスクに対して、最新かつ最も高価なフロンティアモデルをデフォルトで使い続けていたのです。
MacInnis はこう語ります。「Anthropic や OpenAI などの推論プロバイダーは、あなたのコストを抑制するインセンティブを一切持っていない。むしろ支出が膨らみ続けることに彼らの利益がある。それがまさに起きていた。優れた利用インサイトを提供しないし、互いに連携もしない」
2026年のエンタープライズの「正解」――複数モデル ＋ AI ゲートウェイ
2026年に入って8か月が経過し、エンタープライズ各社はAI活用について2つの共通解に行き着いています。
①複数のAIラボから複数モデルを、価格帯別に使い分ける
Rippling の創業者兼 CEO Parker Conrad は先月、社内ベンチマークの結果として「Grok（SpaceX傘下）がオールラウンドで最高性能だった一方、Z.ai の GLM 5.2 はフロンティアモデルとほぼ同等の性能を持ちながら85%安い」と指摘しました。なお SpaceX は現在 Cursor を傘下に持ち、Grok を含む多数のモデルへのアクセスを提供しています。GLM 5.2 はコーディングタスクにおいて技術系企業の間で人気が高まっており、Databricks もその支持者に名を連ねています。
②プロンプトを最適なモデルへルーティングする AI ゲートウェイを導入する
Rippling もこの結論に至り、自社製 AI ゲートウェイを構築しました。このゲートウェイは AI Spend Console の一部として提供されます。MacInnis によると、他社製ゲートウェイをすでに利用している企業でも AI Spend Console 単体は使えますが、支出管理機能をフルに活用するには Rippling のゲートウェイが必要になります。
ダッシュボードの仕組みと成果
AI Spend Console は、かつて「リーダーボード」と呼ばれていた形式のダッシュボードを生成します。評価指標は以下の組み合わせです。
- 1日あたりのプロンプト数
- 作業成果物（コード行数・プルリクエスト数）
- 支出額
このツールを導入した結果、Rippling はトークン支出を R&D 人件費比40%から約15%に削減しました。しかし AI 利用量自体は削っていません。
CFO が警鐘を鳴らした月（4月）のトークン使用量のピークは6,050億トークンでした。7月には再び6,000億トークンに達しましたが、「7月のトークン支出コストは4月比で37%」だったと MacInnis は述べています。
「より効果的なモデルにルーティングしているだけです。営業チームが文法チェックに Fable を使い続けさせたりはしていない」と彼は冗談交じりに語りました。
技術だけでは足りない――「AI キャプテン」制度と今後の課題
テクノロジーの最適化だけでは不十分だと Rippling は強調します。同社は AI を効果的に活用している社員を「AI キャプテン」に任命し、他の社員を支援する役割を担わせる施策を開始しました。
もっとも、エンジニアリング部門以外への AI 活用展開はまだ途上にあります。現在は顧客オンボーディングチームによる郵送データ処理やデータ照合タスクの自動化に取り組んでいる段階です。ダッシュボードでは、こうした業務においてオンボーディング完了顧客数という指標で生産性を測定する方向性を検討しています。
MacInnis はこう語ります。「G&A 機能や顧客対応機能でのトークン消費と生産性をリンクさせられなければ、より広い社員層へのAIアクセス提供の前提が崩れる。それが私たちの課題です」
これは重要な示唆を含みます。生産性を測定できない業務については、全社員への AI アクセス提供を見直す可能性がある――Rippling はそこまで踏み込んでいます。トークンマキシングの反動として、AI アクセスが Slack やメールのような「全員に当然付与されるもの」ではなくなる時代が来るかもしれません。
製品の提供形態
AI Spend Console は、Rippling の HR サブスクライバー向けに追加費用なし（ただし AI 使用量に応じた費用は別途発生）で提供されます。また、スタンドアロン製品として他社 HR システムと統合する形でも購入が可能です。