Sådan gør PayPal globale teams i stand til at arbejde hurtigere og mere præcist med Perplexity

Hos en virksomhed på PayPals størrelse er det ikke nogen lille opgave at overtale tivis af tusinder af medarbejdere til at tage kunstig intelligens til sig. Med teams på tværs af marketing, datavidenskab, risikostyring og modelkontrol på over 200 markeder kunne en udrulning af kunstig intelligens let have medført måneders træningsslides, pilotprojekter og delvis indførelse.

Men PayPal valgte en anden tilgang: De gav medarbejderne adgang til flere løsninger inden for kunstig intelligens og lod dem vælge det, der fungerede bedst for dem. For Keith Swiderski, der er ansvarlig for AI-flydende og transformation hos PayPal, var nøjagtighed ikke til at forhandle om. For at kunne træffe beslutninger med stor indvirkning havde han brug for præcis markedsintelligens og konkurrenceanalyse.

En kort indlæringskurve, en bred vifte af anvendelsesmuligheder

Modelstyringsleder Graham Woods stod over for en anden udfordring: Han havde brug for en AI-løsning, der kunne dobbelttjekke PayPals egne modeller uden at introducere nye fejl. På tværs af organisationen var kravet enkelt: PayPal havde brug for noget pålideligt, effektivt og let at lære, som kunne håndtere alt fra markedsundersøgelser til datavalidering med et minimum af omarbejdning.

PayPals tilgang var et bevidst valg. For Prakhar Mehrotra, PayPals globale chef for kunstig intelligens, "skaber kunstig intelligens mest værdi, når medarbejderne stoler tilstrækkeligt på den til at bruge den i beslutninger, der betyder noget. Vores tilgang hos PayPal har været at opbygge den tillid helt fra grunden, give teams adgang til de bedste værktøjer og træningsforløb, lade resultaterne tale for sig selv og bruge det, vi lærer, til at modne den måde, hver enkelt af os bruger kunstig intelligens på. De virksomheder, der vinder det næste årti, vil være dem, der har integreret kunstig intelligens så dybt, at den har ændret den måde, de tænker og arbejder på. PayPals mål er ikke at indføre kunstig intelligens for dens egen skyld, men at opbygge en arbejdsstyrke, hvor flydende brug af kunstig intelligens forventes, og hvor hvert enkelt team bevæger sig med den hastighed og præcision, der kan ændre resultaterne."

Kan tilpasses på tværs af en bred vifte af arbejdsprocesser

Medarbejderne hos PayPal fandt Perplexity konsekvent, præcis og tilpasningsdygtig på tværs af en række arbejdsprocesser. I dag bruger Keith Perplexity Enterprise til hurtigt at omsætte konkurrenceintelligens, kanaldata og markedstendenser til indsigt, der bringer forretningen videre. Da han udarbejdede den interne sag for nye markedsføringsmuligheder, leverede Perplexity alt, hvad han havde brug for, inklusive engagementdata og branchereferencer i en enkelt samtale.

"Uanset om det drejer sig om rapportering om kanalpræstationer eller erhvervssektoren som helhed, ved jeg, at jeg kan stole på de resultater, jeg får," siger han. "I stedet for at validere hundredvis af fragmenterede kilder eller læne sig op ad forskningsinstitutter kan jeg trykprøve ideer i realtid og gå ind til ledelsesmøder med anbefalinger, som jeg ved er baseret på verificerbare data. Det har fundamentalt ændret den måde, vi griber vores arbejde an på."

For Graham er værktøjet blevet en vigtig "human-in-the-loop"-partner i hans valideringsproces. Han uploader transskriptioner, gennemgår Perplexitys fortolkning og krydstjekker den med PayPals interne modelresultater. Det gør det meget nemmere at spore, hvordan en fejkategorisering opstod. Var det en logisk fejl, et definitionsspørgsmål eller bare rodede data? Nu kan han se det på få minutter.

Et klart spor til yderligere undersøgelse

I mellemtiden bruger Enterprise Risk Monitor Michael Abboud Perplexity Enterprise til at verificere, at personer og virksomheder præcist er dem, de udgiver sig for at være. Hans arbejde omfatter krydshenvisning af ejerskabsoplysninger, identifikation af ikke-matchende enheder og markering af mistænkelige konti. Dette kan betyde jonglering med flere faner og fragmenterede kilder. Ved nu at bruge Perplexity arbejder Michael i én ren arbejdsproces med kilder, der giver et klart spor, når noget ikke stemmer overens.

PayPal beviste, at storskala-implementering af kunstig intelligens ikke behøver at bevæge sig langsomt. Ved at give medarbejderne adgang til en række værktøjer inden for kunstig intelligens og autonomi til at integrere dem i deres egne arbejdsprocesser så PayPal mere selvsikre beslutninger på tværs af sine teams.

Tillid, hastighed og skala

I dag bruger over 3.700 medarbejderne Perplexity Enterprise ugentligt. Platformen hjælper teams med at bevæge sig hurtigt og træffe mere selvsikre beslutninger uden at outsource arbejde eller tilføje personaleressourcer.

For Graham tager det, der før tog en hel dag med manuel kontrol, nu en brøkdel af tiden. Han brugte Perplexity Enterprise til at genopbygge sit Microsoft SharePoint-styringshub og kortlægge hele modellens livscyklus gennem et Miro-board. Arbejdet indbragte ham en intern pris og førte til, at han blev tildelt et andet hub med den øverste ledelse.

"Perplexity giver os begrundelsen bag hvert eneste resultat, og det er det, der gør os i stand til at handle med tillid," siger han. "Med den bruger vi langt mindre tid på at validere og mere tid på at lægge strategier."

Tips til forbedring af arbejdsprocesser

Tip 1 - Prioriter tillid: Den AI-løsning, du vælger, skal opbygge tillid ved at være verificerbar og reviderbar. Giv dine medarbejdere en løsning, der gør det muligt for dem at verificere resultater med kilder og nemt stille opfølgende spørgsmål.

Tip 2 - Indbyg kunstig intelligens i eksisterende arbejdsprocesser: Integrer kunstig intelligens i din nuværende teknologitak og samarbejdsplatforme. Jo mindre modstand medarbejderne møder, jo hurtigere følger reel implementering og målbart afkast (ROI).

Tip 3 - Promover kunstig intelligens som en kapacitetsudvider: Ved at aflaste opgaver inden for forskning, validering og dokumentation kan kunstig intelligens frigøre tid til, at folk kan bruge mere tid på strategi og innovation.