Parker Conrad, CEO Rippling, meluncurkan inovasi terbaru bernama Rippling Data Cloud yang bertujuan mengubah paradigma manajemen data perusahaan. Selama ini, perusahaan harus mengintegrasikan berbagai platform seperti Fivetran, Snowflake, dbt Labs, hingga Tableau untuk mengelola data bisnis mereka. Conrad berargumen bahwa kerumitan sistem tersebut dapat dipangkas jika fungsi Business Intelligence (BI) diintegrasikan langsung ke dalam sistem manajemen sumber daya manusia (Human Capital Management/HCM).
Inti dari argumen Conrad adalah bahwa sistem HCM memiliki keunggulan unik: pemahaman mendalam tentang struktur organisasi dan dinamika karyawan yang tidak dimiliki oleh alat BI generik. Dengan Rippling Data Cloud, perusahaan dapat memantau bagaimana setiap perubahan metrik kinerja berdampak langsung pada operasional perusahaan secara real-time. Hal ini memberikan visibilitas yang jauh lebih tajam dibandingkan alat pelaporan konvensional.
Dalam demonstrasi internalnya, Conrad menunjukkan bagaimana Rippling mengawasi efisiensi biaya AI di perusahaannya sendiri. Ia menemukan kasus di mana seorang karyawan menghabiskan biaya hingga $30.000 per tahun untuk langganan alat AI yang ternyata tidak memberikan kontribusi nyata terhadap produktivitas. Temuan ini menyoroti masalah yang sering tidak disadari oleh banyak perusahaan, yakni kebocoran anggaran akibat adopsi AI yang tidak terukur.
Selain efisiensi biaya, dashboard Rippling mampu melakukan analisis lintas departemen yang kompleks. Misalnya, perusahaan dapat menghubungkan data volume tiket dukungan pelanggan dari Salesforce dengan data jadwal kerja karyawan. Hal ini memungkinkan manajemen untuk melihat secara instan tim mana yang kelebihan beban kerja dan tim mana yang memiliki kapasitas berlebih, sehingga alokasi sumber daya dapat dilakukan dengan lebih presisi.
Salah satu fitur yang paling menarik perhatian adalah kemampuan untuk melacak penggunaan token AI oleh insinyur perangkat lunak. Dengan mengintegrasikan log penggunaan Anthropic, data GitHub, dan penilaian kinerja, Rippling dapat membedakan antara insinyur yang benar-benar produktif dengan bantuan AI dan mereka yang hanya membuang-buang anggaran tanpa hasil kerja yang memuaskan.
Conrad mencontohkan bahwa sistemnya dapat menandai insinyur dengan biaya AI tinggi namun memiliki tingkat penolakan tinggi dalam ulasan kode (code review). Ini menjadi indikator bagi manajer bahwa penggunaan AI mungkin disalahgunakan untuk menghasilkan kode berkualitas rendah yang justru menambah beban kerja rekan tim lainnya. Pendekatan berbasis data ini menawarkan tingkat akuntabilitas baru bagi perusahaan di tengah tren adopsi AI yang semakin masif.