Introdução
A corrida pela adoção de inteligência artificial nas empresas revelou um problema crítico: muitas organizações estão gastando fortunas em ferramentas de IA sem conseguir medir o retorno real desse investimento. A Rippling, empresa de software de RH avaliada em mais de US$ 13 bilhões, descobriu isso da pior maneira possível – queimando milhões de dólares em tokens de IA em apenas alguns meses. Agora, a companhia transformou essa experiência dolorosa em um produto que promete ajudar outras empresas a evitar o mesmo erro.
O AI Spend Console, lançado esta semana pela Rippling, surge como uma resposta direta ao fenômeno conhecido como ‘tokenmaxxing’ – a prática de usar modelos de IA de forma indiscriminada e sem controle de custos. A ferramenta não apenas rastreia quanto cada funcionário, equipe ou departamento está gastando com IA, mas também mapeia se esse gasto está realmente gerando produtividade ou apenas criando mais trabalho desnecessário.
A descoberta chocante que mudou tudo
Em março deste ano, durante uma reunião executiva de rotina, o CFO da Rippling, Adam Swiecicki, apresentou números que deixaram toda a liderança em estado de choque. A empresa estava no caminho de gastar o equivalente a 40% de todo o orçamento de folha de pagamento de seu departamento de P&D apenas em tokens de IA. Para colocar em perspectiva: isso significava gastar tanto em IA quanto pagava para 40% de todos os engenheiros e desenvolvedores altamente qualificados da empresa.
Mais alarmante ainda era a velocidade do crescimento: os gastos com IA estavam aumentando 80% mês a mês. Se a tendência continuasse, em um ano a Rippling gastaria 90% do valor de sua folha de P&D apenas em tokens – quase tanto quanto pagava para toda sua equipe técnica. Matt MacInnis, Chief Product Officer da empresa, relembra: ‘Ficamos incrédulos. Era urgente entender o que estava acontecendo e o que estávamos recebendo em troca desse dinheiro.’
Anatomia do desperdício corporativo com IA
A análise interna revelou padrões preocupantes que provavelmente se repetem em empresas brasileiras neste momento. Aproximadamente 10-15% dos funcionários eram responsáveis por 60% de todo o gasto com IA. Um único engenheiro chegou a gastar US$ 50 mil em um mês – o equivalente a mais de R$ 250 mil no câmbio atual. Mas o problema não era apenas o volume de gasto.
A Rippling descobriu que os funcionários estavam usando por padrão os modelos mais recentes e caros para todas as tarefas, independentemente da complexidade. Era como usar uma Ferrari para ir ao supermercado da esquina – tecnicamente funciona, mas é um desperdício monumental de recursos. Tarefas simples como correção gramatical ou formatação de código estavam sendo executadas com modelos frontier que custam dezenas de vezes mais que alternativas adequadas.
MacInnis aponta um problema estrutural do mercado: ‘Os provedores de IA como Anthropic e OpenAI não têm nenhum incentivo para ajudar você a controlar gastos. Pelo contrário, eles têm todos os incentivos para que seja uma despesa descontrolada. Eles não fornecem insights detalhados de uso e não colaboram entre si.’
A solução: gateway inteligente e métricas de produtividade
A Rippling desenvolveu duas soluções principais. Primeiro, criou seu próprio gateway de IA que roteia automaticamente as solicitações para o modelo mais adequado e econômico para cada tarefa. A empresa descobriu, através de benchmarks próprios, que modelos alternativos como o GLM 5.2 da empresa chinesa Z.ai ofereciam 85% do desempenho dos modelos frontier por uma fração do custo, especialmente para tarefas de programação.
Segundo, e mais controverso, a ferramenta mapeia a produtividade real gerada pelo uso de IA. O sistema pode identificar, por exemplo, ‘quais engenheiros têm alto gasto com IA mas cujos colegas frequentemente pedem para refazer o trabalho em revisões de código’. Essa métrica brutal expõe quando o uso de IA está gerando mais ‘AI slop’ (conteúdo de baixa qualidade gerado por IA) do que valor real.
O AI Spend Console produz dashboards detalhados que combinam métricas como prompts por dia, output de trabalho (linhas de código, pull requests) e gastos. A ferramenta também estabelece limites de gasto por ferramenta e usuário, negociados diretamente com provedores como Cursor (agora propriedade da SpaceX), OpenAI e Anthropic.
Resultados impressionantes e o fim da era do ‘tokenmaxxing’
Com essas medidas implementadas, a Rippling conseguiu reduzir seus gastos com tokens de 40% para 15% do orçamento de P&D, sem diminuir o uso de IA. Em abril, no pico do desperdício, a empresa consumiu 605 bilhões de tokens. Em julho, o consumo voltou a 600 bilhões de tokens, mas o custo foi apenas 37% do valor gasto em abril.
A empresa também criou o papel de ‘AI captains’ – funcionários que demonstraram uso eficaz de IA e agora ajudam outros departamentos a otimizar suas práticas. Mas MacInnis admite que expandir o uso eficiente de IA além da engenharia ainda é um trabalho em progresso. Equipes de onboarding de clientes, por exemplo, estão sendo treinadas para automatizar tarefas de reconciliação de dados, com métricas de produtividade medidas em número de clientes integrados.
O que isso significa para empresas brasileiras
A experiência da Rippling serve como um alerta crucial para o mercado brasileiro, onde muitas empresas estão iniciando ou acelerando suas jornadas de adoção de IA. O caso ilustra três lições fundamentais:
Primeiro, a necessidade de governança desde o início. Esperar para implementar controles depois que os gastos explodiram é uma receita para desperdício. Empresas brasileiras devem estabelecer políticas claras sobre qual modelo usar para qual tipo de tarefa, evitando o uso indiscriminado de modelos caros.
Segundo, a importância de medir produtividade real, não apenas consumo. Não adianta celebrar que os funcionários estão usando IA se isso não se traduz em melhores resultados. Métricas específicas por função são essenciais – linhas de código para desenvolvedores, documentos processados para equipes administrativas, leads qualificados para vendas.
Terceiro, a democratização do acesso à IA pode estar em risco. MacInnis sugere que se as empresas não conseguirem vincular o consumo de tokens à produtividade em funções não-técnicas, o acesso amplo à IA pode ser restringido. Isso criaria uma divisão digital interna, onde apenas alguns departamentos teriam acesso às ferramentas mais avançadas.
O futuro do controle de gastos com IA
O AI Spend Console está disponível gratuitamente para clientes de RH da Rippling, com custos adicionais baseados no uso de IA. Também pode ser adquirido como produto standalone e integrado a outros sistemas de RH. Para o mercado brasileiro, onde a contenção de custos é sempre uma prioridade, ferramentas desse tipo podem ser a diferença entre uma transformação digital bem-sucedida e um desastre financeiro.
A tendência é clara: depois da euforia inicial com IA generativa, as empresas estão entrando em uma fase de maturidade onde ROI e eficiência importam mais que experimentação desenfreada. O caso da Rippling mostra que até empresas de tecnologia sofisticadas podem cair na armadilha do gasto descontrolado – imagine então empresas tradicionais sem essa expertise técnica.
Conclusão
A jornada da Rippling de gastadora compulsiva a evangelista do controle de custos em IA é um microcosmo do que está acontecendo no mercado corporativo global. A empresa transformou um erro custoso em uma oportunidade de negócio, criando uma ferramenta que outras organizações desperdiçariam milhões para desenvolver internamente.
Para executivos e gestores brasileiros, a mensagem é clara: a pergunta não é se sua empresa deve adotar IA, mas como fazer isso de forma sustentável e mensurável. Sem controles adequados, o que deveria ser uma vantagem competitiva pode rapidamente se tornar um ralo financeiro. A era do ‘tokenmaxxing’ acabou – bem-vindo à era da IA com responsabilidade fiscal.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria “After Rippling blew millions on AI in months, it built an employee ROI tool” publicada em TechCrunch, disponível em https://techcrunch.com/2026/08/07/after-rippling-blew-millions-on-ai-in-months-it-built-an-employee-roi-tool/.
