Rippling Data Cloud: единая аналитика вместо зоопарка инструментов
Паркер Конрад уверен, что значительная часть аналитики данных должна жить внутри систем управления персоналом. Такая позиция делает Rippling, изначально HR-платформу, прямым конкурентом специализированным BI-решениям.
Идея в том, чтобы свернуть современный «стек данных» — пёстрый набор инструментов, которые компании сегодня собирают от разных вендоров, — в одну систему. Одна лишь перекачка данных из бизнес-приложений в хранилище уже сформировала гигантскую индустрию (этим занимаются Fivetran и Airbyte). Дальше требуется место для хранения и построения запросов — Snowflake, инструмент для трансформации и очистки — dbt Labs, а поверх — слой визуализации вроде Tableau.
Конрад утверждает, что Rippling объединяет всё это и добавляет то, чего нет у остальных: встроенное знание об организации, её постоянно меняющейся структуре подчинения и всех последствиях, к которым приводит рост или падение любого показателя. Именно для этого сегодня запускается Rippling Data Cloud.
Что увидел сам Конрад, включив аналитику на своих сотрудниках
Включив демонстрацию экрана из своего офиса в Сан-Франциско, Конрад показывает находки, которые Rippling сделала, направив продукт на собственную команду.
«Один сотрудник активно пользовался Claude для анализа календаря и почты, чтобы составить план. Годовые расходы на это достигали $30 000», — рассказывает Конрад.
Никаких нарушений не было, но окупаемость таких трат оказалась нулевой. Это как раз тот тип инсайтов, который большинство компаний сегодня просто не умеют извлекать.
Затем Конрад показывает живой дашборд, собранный с помощью обычного запроса к Rippling AI: анализ последнего цикла пересмотра зарплат — распределение оценок эффективности, доля повышений по отделам, зарплатные соотношения, с возможностью провалиться до уровня отдельного сотрудника. Следом — дашборд, сопоставляющий количество обращений из Salesforce с данными о расписании сотрудников. Сразу видно, какие команды захлёбываются, а какие — нет. Отдел по зачислению, по его словам, серьёзно недоукомплектован, а у команды по организации поездок нерешённых тикетов вдвое больше, чем у платформенной группы.
Главный козырь: кто действительно окупает AI-инструменты
Особый восторг у Конрада вызывает пример, близкий многим руководителям именно сейчас: контроль расходов на токены ИИ. Он показывает дашборд, который сводит воедино логи потребления Anthropic, данные о pull-реквестах из GitHub и внутренние рейтинги производительности Rippling. Это позволяет заглянуть, кто из инженеров действительно получает отдачу от AI-помощников, а кто просто сжигает бюджет.
«Лучшие сотрудники тратят больше всех — этого и следовало ожидать», — комментирует Конрад. Однако дашборд также подсвечивает разработчиков, у которых высокие расходы сочетаются с высоким процентом отклонений при код-ревью. Это те, кого коллеги постоянно просят переделать работу.
«Если ваши коллеги всё время говорят вам переделать, возможно, вы просто производите много хлама», — замечает Конрад.
Уже на основе этого анализа Rippling сократила лимиты расходов для некоторых сотрудников. Систему можно настроить так, чтобы она предупреждала руководителей при превышении порога или автоматически отключала доступ.
Какие модели работают под капотом и сколько это стоит
Конрад не раскрывает, как именно превышение лимитов токенов клиентами влияет на маржинальность самой Rippling, ограничиваясь фразой «пока рано». При этом он отметает предположения, что компания субсидирует использование: «Мы не теряем деньги», — говорит он, подчеркивая, что цель — сохранить продукт как можно более доступным для клиентов.
Базовый набор, включающий Rippling AI, обходится примерно в $20 в месяц, а для активных пользователей добавляются платежи по объёму потребления. Сейчас продукт используют около 560 компаний, и новая ежемесячная выручка от него составляет от $5 до $7 млн.
Что касается самих моделей, недавно Rippling перевела многие задачи с Anthropic на OpenAI. Модель 5.5 от OpenAI показалась «и более качественной, и более экономичной». Впрочем, Конрад оговаривается, что баланс постоянно смещается, и для разных задач компания применяет разные модели.
Банковский продукт: зарплата день в день
На этой же неделе Rippling анонсировала и Business Banking — высокодоходный расчётный счёт и обработку зарплаты в день выплаты. По словам Конрада, это избавляет от головной боли управления двумя временными линиями. Обычные системы требуют запускать расчёт зарплаты за два–четыре дня до выплаты; новый банковский продукт Rippling позволяет сделать это непосредственно в день выплаты, принимая изменения вплоть до 13:00.
Такой шаг бросает вызов финтехам вроде Ramp, который только что привлёк $750 млн при оценке в $44 млрд — почти втрое выше прошлогодней оценки Rippling в $16,8 млрд. Конрад не уходит от сравнения, признавая, что банковский бизнес Rippling пока значительно меньше, но «растёт очень быстро и показывает отличные результаты», а «централизация даёт определённые преимущества».
Финансовая стратегия: всё строить самим и не спешить на биржу
В целом Rippling остаётся примерно в двух годах от выхода на положительный денежный поток. Компания вкладывает в исследования и разработку 45–50% выручки — в разы больше, чем публичные HR-компании вроде Paylocity и Paycom, которые тратят на R&D около 8–9%. Строить всё самостоятельно — осознанный выбор, и отдача заключается в системе, способной легко отвечать на вопросы, не вытягивая данные из четырёх разных стеков.
Насчёт IPO Конрад категоричен: компания не торопится, даже несмотря на открытое окно. «Публичные рынки превратились в богадельню для медленно растущих компаний», — заявляет он, хотя и добавляет, что «не фанатичен в этом вопросе», что звучит несколько противоречиво. Пока что «мы не выходим на биржу», — говорит Конрад, и уточняет: «Даже без намёков».