HR سافٹ ویئر فراہم کنندہ Rippling نے اس ہفتے AI Spend Console کی نقاب کشائی کی، ایک اینٹی ٹوکن میکسنگ پروڈکٹ جو کمپنی کو ٹریک کرنے اور اس کے AI اخراجات پر مشتمل کرنے میں مدد کرتا ہے۔ سب سے دلچسپ خصوصیات میں سے ایک یہ ہے کہ یہ نقشہ بناتا ہے کہ انفرادی ملازمین، ٹیمیں اور کردار کتنا خرچ کر رہے ہیں اور کیا وہ حقیقی طور پر زیادہ پیداواری ہیں، یا عام طور پر زیادہ AI سلوپ پیدا کر رہے ہیں۔
کمپنی اپنے بلاگ پوسٹ میں کہتی ہے کہ کمپنی نے وعدہ کیا ہے کہ یہ ٹول یہ دکھائے گا کہ "کن انجینئروں کے پاس زیادہ AI خرچ ہوتا ہے جن کے ساتھی اکثر ان سے کوڈ ریویو میں دوبارہ کام کرنے کے لیے کہتے ہیں،" کمپنی اپنی بلاگ پوسٹ میں کہتی ہے۔
یہ ٹول اس وقت پیدا ہوا جب سال کے آغاز میں Rippling نے ٹوکن میکسنگ پر مکمل طور پر کام کیا - جیسا کہ بہت سے لوگوں نے کیا - صرف یہ دریافت کرنے کے لیے کہ ملازمین بے دریغ نقدی جلا رہے تھے۔ چیف پروڈکٹ آفیسر میٹ میک انیس اب بھی مارچ میں ایگزیکٹو ٹیم کی میٹنگ کو یاد کرتے ہیں جب سی ایف او ایڈم سویسکی نے ایک ایسا نمبر پیش کیا جس نے انہیں چونکا دیا۔
Rippling اپنے R&D ہیڈکاؤنٹ بجٹ کا 40% AI ٹوکنز پر جلانے کے راستے پر تھا، یعنی وہ اس یونٹ میں ملازمین کو ادا کیے گئے تمام معاوضوں کا 40% ٹوکنز پر خرچ کر رہا تھا۔ لاکھوں ڈالر۔ (R&D org زیادہ تر ٹیک کمپنیوں میں انجینئرنگ کا گھر ہے۔)
اخراجات میں 80% مہینہ بہ مہینہ اضافہ ہو رہا تھا، اور اگر یہ رجحان جاری رہا، تو اگلے سال یہ تقریباً اتنا ہی AI ٹوکنز پر خرچ کرے گا - 90% - جتنا اس نے اپنے اعلیٰ تنخواہ والے R&D یونٹ کے ملازمین پر خرچ کیا۔
"ہم ناقابل یقین تھے،" میک انیس نے ٹیک کرنچ کو بتایا۔
انہوں نے کہا کہ انتظامیہ نے اخراجات کو سمجھنے کے لیے فوری طور پر ایک "فوری" پروجیکٹ شروع کیا اور اس رقم کے لیے وہ کیا حاصل کر رہے تھے۔ درحقیقت، اس نئی پروڈکٹ کے لانچ اشتہار میں سوئسکی کو اسٹول پر بیٹھے ہوئے دکھایا گیا ہے جب کہ ملازمین نقدی اٹھا رہے ہیں اور انہیں کاغذ کے شریڈر میں پھینک رہے ہیں۔
جب Rippling نے ایک تجزیہ کیا تو اس نے حقائق دریافت کیے جیسے کہ "ہمارے تقریباً 10-15% ملازمین AI کے کل اخراجات کا تقریباً 60% خرچ کر رہے تھے۔ ایک انجینئر $50000 ماہانہ خرچ کر رہا تھا،" اس کے بلاگ پوسٹ نے شیئر کیا۔
Rippling AI کے استعمال کو روکنا نہیں چاہتی تھی، بس اس پر لگام لگائیں - بہت کچھ۔ اس کی شروعات اس کی کمپنی کے استعمال کردہ ہر ٹولز کے ساتھ زیادہ سے زیادہ خرچ کرنے کی حد پر گفت و شنید کرکے شروع ہوئی: کرسر، اوپن اے آئی، اور اینتھروپک۔ اس نے فوری طور پر ایک واضح مسئلہ پایا: ملازمین نے تمام کاموں کے لیے سب سے حالیہ، اور سب سے مہنگے، فرنٹیئر ماڈلز کو استعمال کرنے میں ڈیفالٹ کیا۔
"سچ یہ ہے کہ انتھروپک اور اوپن اے آئی کی طرح انفرنس فراہم کرنے والوں کے پاس آپ کے اخراجات کو کنٹرول کرنے میں آپ کی مدد کرنے کے لیے بالکل کوئی مراعات نہیں ہیں۔ ان کے پاس اس کے لیے ہر طرح کی ترغیب ہے کہ وہ بھاگے جانے والے اخراجات ہیں، اور بالکل وہی ہے جو وہ کرتے ہیں۔ وہ آپ کو استعمال کی بڑی بصیرت فراہم نہیں کرتے، اور وہ ایک دوسرے کے ساتھ تعاون نہیں کرتے،" میک انیس نے کہا۔
یہ 2026 کے اوائل میں ایک عام مسئلہ تھا۔ اب، سال کے آٹھ ماہ بعد، کاروباری اداروں نے کچھ چیزوں کا پتہ لگایا ہے۔ سب سے پہلے، وہ جانتے ہیں کہ انہیں مختلف قیمتوں پر متعدد AI لیبز سے متعدد ماڈلز کی ضرورت ہے، بشمول فرنٹیئر اوپن ویٹ آپشن، شاید چینی نژاد۔
Rippling کے بانی اور CEO پارکر کونراڈ نے گزشتہ ماہ نوٹ کیا کہ جب ان کی کمپنی نے اپنے اندرونی استعمال کے لیے اپنے معیارات بنائے تو اس نے دریافت کیا کہ SpaceX's Grok ہمہ جہت لیڈر تھا لیکن یہ کہ "GLM 5.2 85% سستا ہے لیکن اس کی کارکردگی تقریباً ایک جیسی ہے" فرنٹیئر ماڈلز کے لیے۔ (اسپیس ایکس اب کرسر کا مالک ہے، جو گروک اور درجنوں دیگر ماڈلز تک رسائی فراہم کرتا ہے۔) Z.ai کا GLM 5.2 ان دنوں ٹیک کمپنیوں کے درمیان کوڈنگ کے کاموں کے لیے ایک خاص پسندیدہ چینی ماڈل بن گیا ہے۔ ڈیٹابرکس بھی اس کی حمایت کرتا رہا ہے۔
دوسرا، اب کاروباری اداروں کو معلوم ہے کہ انہیں ایک AI گیٹ وے کی ضرورت ہے جو کام کے لیے بہترین، سب سے زیادہ سرمایہ کاری مؤثر ماڈل کی طرف اشارہ کرتا ہے۔ Rippling بھی اس نتیجے پر پہنچا۔ لہذا اس نے اپنا AI گیٹ وے بنایا جو اس پروڈکٹ کا بھی حصہ ہے۔ میک انیس کا کہنا ہے کہ یہ ان کاروباری اداروں کے لیے ممکن ہے جو پہلے سے ہی AI Spend Console پروڈکٹ کو استعمال کرنے کے لیے کوئی دوسرا گیٹ وے استعمال کرتے ہیں، حالانکہ اگر وہ وہ خصوصیات چاہتے ہیں جو اخراجات کو کنٹرول کرتی ہیں، تو انہیں Rippling's gateway استعمال کرنے کی ضرورت ہوگی۔
AI Spend Console ڈیش بورڈز تیار کرتا ہے (ایک بار ٹوکن میکسنگ دنوں میں لیڈر بورڈ کے نام سے جانا جاتا تھا) جو کام کے آؤٹ پٹ (کوڈ/پل کی درخواستوں کی لائنوں) اور خرچ کے ساتھ مل کر روزانہ پرامپٹ جیسی خصوصیات کو اسکور کرتا ہے۔
اس ٹول کی جگہ کے ساتھ، Rippling نے کہا کہ اس نے اپنے ٹوکن اخراجات کو اپنے ہیڈ کاؤنٹ بجٹ کے 40% سے کم کر کے تقریباً 15% کر دیا ہے۔ لیکن اس نے AI کے استعمال کو کم نہیں کیا۔ کمپنی نے 605 بلین ٹوکن کی چوٹی خرچ کی جس مہینے CFO نے اپنی وارننگ جاری کی، میک انیس نے شیئر کیا۔ جولائی میں، داخلی استعمال دوبارہ 600 بلین ٹوکن تک پہنچ گیا، اس کے باوجود "جولائی کے ٹوکن اخراجات کی لاگت اپریل کے ٹوکن اخراجات کی لاگت کا 37% تھی،" انہوں نے کہا۔
"یہ صرف اس وجہ سے ہے کہ اب ہم زیادہ موثر ماڈلز کی طرف جا رہے ہیں،" انہوں نے مذاق کرتے ہوئے کہا کہ "ہم سیلز ٹیم کو Fable کا استعمال کرتے ہوئے گرامر اپ ڈیٹ کرنے نہیں دے رہے ہیں۔" لیکن ٹیکنالوجی کے حل کافی نہیں ہیں، Rippling نوٹ۔ کمپنی نے لوگوں کو AI کو مؤثر طریقے سے استعمال کرتے ہوئے پایا اور انہیں "AI کپتان" بنا دیا جس کی ذمہ داری باقی کمپنی کی مدد کے لیے سونپی گئی۔
میک انیس کا کہنا ہے کہ پھر بھی، انجینئرنگ سے آگے AI کو استعمال کرنے کے لیے اس طرح کی کوششیں جاری ہیں، کیونکہ سافٹ ویئر انجینئر اب تک بنیادی صارف رہے ہیں۔ لیکن Rippling، مثال کے طور پر، کچھ میلنگ ڈیٹا اور ڈیٹا سے مفاہمت کے کاموں کو خودکار کرنے کے لیے کسٹمر آن بورڈنگ ٹیموں کے لیے اس پر کام کرنا ہے۔ اس کے بعد ڈیش بورڈ مزید صارفین کو آن بورڈ کرنے کے لحاظ سے پیداواری صلاحیت کی پیمائش کرے گا۔
"ہمیں G&A فنکشنز میں ٹوکن کی کھپت اور گاہک کا سامنا کرنے والے فنکشنز کو دوبارہ پیداواری صلاحیت سے جوڑنے کے قابل ہونا پڑے گا۔ اگر ہم ایسا نہیں کر سکتے ہیں تو، وسیع تر ملازمین کی بنیاد پر دستیاب ہونے والی اس چیز پر تمام شرطیں ختم ہو جائیں گی،" MacInnis کہتے ہیں۔
لہذا، اگر Rippling ایک مثال ہے، tokenmaxxing اب تک دوسری سمت میں تبدیل ہو سکتا ہے کہ ملازم AI تک رسائی اب Slack یا ای میل کی طرح نہیں رہ سکتی ہے۔ اگر کمپنی پیداواری صلاحیت کی پیمائش نہیں کر سکتی، تو ہو سکتا ہے کہ تمام ملازمین تک رسائی نہ ہو۔
جہاں تک پروڈکٹ کا تعلق ہے، AI Spend Console Rippling کے HR سبسکرائبرز کے لیے شامل ہے، حالانکہ اضافی AI کے استعمال پر مبنی اخراجات ہیں۔ میک انیس کا کہنا ہے کہ اسے اسٹینڈ اکیلے پروڈکٹ کے طور پر بھی خریدا جا سکتا ہے اور ریکارڈ کے دوسرے HR سسٹم کے ساتھ مربوط کیا جا سکتا ہے۔
