Perplexity ഉപയോഗിച്ച് ആഗോള ടീമുകളെ വേഗത്തിലും കൂടുതൽ കൃത്യതയോടെയും പ്രവർത്തിക്കാൻ PayPal എങ്ങനെ പ്രാപ്തമാക്കുന്നു

PayPal പോലുള്ള ഒരു വലിയ കമ്പനിയിൽ, പത്ത് ആയിരക്കണക്കിന് ജീവനക്കാരെ AI സ്വീകരിക്കാൻ പ്രേരിപ്പിക്കുക എന്നത് ചെറിയ കാര്യമല്ല. മാർക്കറ്റിംഗ്, ഡാറ്റ സയൻസ്, റിസ്ക് മാനേജ്മെന്റ്, മോഡൽ കൺട്രോൾ എന്നിങ്ങനെ 200-ലധികം വിപണികളിലായി വ്യാപിച്ചുകിടക്കുന്ന ടീമുകളുള്ളതിനാൽ, AI നടപ്പിലാക്കുന്നത് മാസങ്ങളോളം നീണ്ടുനിൽക്കുന്ന ട്രെയിനിങ് സ്ലൈഡുകളും പൈലറ്റുകളും ഭാഗികമായ സ്വീകാര്യതയും അർത്ഥമാക്കാമായിരുന്നു.

എന്നാൽ PayPal ഒരു വ്യത്യസ്ത സമീപനമാണ് സ്വീകരിച്ചത്: ഇത് ജീവനക്കാർക്ക് ഒന്നിലധികം AI പരിഹാരങ്ങളിലേക്ക് പ്രവേശനം നൽകുകയും തങ്ങൾക്ക് ഏറ്റവും അനുയോജ്യമായത് തിരഞ്ഞെടുക്കാൻ അവരെ അനുവദിക്കുകയും ചെയ്തു. PayPal-ന്റെ AI ഫ്ലൂവൻസി ആൻഡ് ട്രാൻസ്ഫോർമേഷൻ ലീഡായ കീത്ത് സ്വിഡർസ്കിയെ സംബന്ധിച്ചിടത്തോളം, കൃത്യത എന്നത് വിട്ടുവഴ്ച ചെയ്യാനാവാത്ത ഒന്നായിരുന്നു. ഉയർന്ന സ്വാധീനമുള്ള തീരുമാനങ്ങൾ അറിയിക്കാൻ, അദ്ദേഹത്തിന് കൃത്യമായ മാർക്കറ്റ് ഇന്റലിജൻസും മത്സര വിശകലനവും ആവശ്യമായിരുന്നു.

ചെറിയ ലേണിംഗ് കർവ്, വൈവിധ്യമാർന്ന ഉപയോഗ കേസുകൾ

മോഡൽ ഗവേണൻസ് ലീഡ് ഗ്രഹാം വുഡ്സ് മറ്റൊരു വെല്ലുവിളിയാണ് നേരിട്ടത്: പുതിയ പിഴവുകൾ വരുത്താതെ PayPal-ന്റെ ഇൻ-ഹൗസ് മോഡലുകൾ ഇരട്ടി പരിശോധിക്കാൻ കഴിയുന്ന ഒരു AI പരിഹാരം അദ്ദേഹത്തിന് ആവശ്യമായിരുന്നു. ഓർഗനൈസേഷനിൽ ഉടനീളം, ആവശ്യം ലളിതമായിരുന്നു: വിപണി ഗവേഷണം മുതൽ ഡാറ്റ മൂല്യനിർണ്ണയം വരെയുള്ള എല്ലാം കുറഞ്ഞ പുനർപ്രവർത്തനത്തോടെ കൈകാര്യം ചെയ്യാൻ കഴിയുന്ന വിശ്വസനീയവും കാര്യക്ഷമവും പഠിക്കാൻ എളുപ്പമുള്ളതുമായ എന്തെങ്കിലും PayPal-ന് ആവശ്യമായിരുന്നു.

PayPal-ന്റെ സമീപനം ബോധപൂർവ്വമുള്ളതായിരുന്നു. PayPal-ന്റെ ഗ്ലോബൽ ഹെഡ് ഓഫ് AI ആയ പ്രഖർ മെഹ്‌റോത്രയുടെ അഭിപ്രായത്തിൽ, "പ്രാധാന്യമുള്ള തീരുമാനങ്ങളിൽ ഉപയോഗിക്കാൻ ജീവനക്കാർക്ക് പര്യാപ്തമായ വിശ്വാസമുള്ളപ്പോഴാണ് AI ഏറ്റവും കൂടുതൽ മൂല്യം സൃഷ്ടിക്കുന്നത്. PayPal-ലെ ഞങ്ങളുടെ സമീപനം അടിത്തട്ടിൽ നിന്ന് ആ വിശ്വാസം വളർത്തിയെടുക്കുക, ടീമുകൾക്ക് മികച്ച ഉപകരണങ്ങളിലേക്കും പരിശീലനങ്ങളിലേക്കും പ്രവേശനം നൽകുക, ഫലങ്ങൾ സ്വയം സംസാരിക്കാൻ അനുവദിക്കുക, ഞങ്ങൾ ഓരോരുത്തരും AI എങ്ങനെ ഉപയോഗിക്കുന്നു എന്ന് മെച്ചപ്പെടുത്താൻ ഞങ്ങൾ പഠിക്കുന്നത് ഉപയോഗിക്കുക എന്നിവയാണ്. അടുത്ത ദശകത്തിൽ വിജയിക്കുന്ന കമ്പനികൾ, തങ്ങൾ ചിന്തിക്കുന്നതും പ്രവർത്തിക്കുന്നതുമായ രീതി മാറ്റാൻ തക്കവണ്ണം AI ആഴത്തിൽ ഉൾച്ചേർത്തവരായിരിക്കും. AI സ്വീകരിക്കുന്നത് മാത്രമാണ് PayPal-ന്റെ ലക്ഷ്യമല്ല, മറിച്ച് AI പ്രാവീണ്യം പ്രതീക്ഷിക്കുന്നതും, ഫലങ്ങൾ മാറ്റാൻ കഴിയുന്ന വേഗതയിലും കൃത്യതയിലും ഓരോ ടീമും നീങ്ങുന്നതുമായ ഒരു തൊഴിൽ സേനയെ നിർമ്മിക്കുക എന്നതാണ്."

വൈവിധ്യമാർന്ന വർക്ക്ഫ്ലോകളിൽ അനുയോജ്യമാണ്

PayPal ജീവനക്കാർ Perplexity സ്ഥിരതയുള്ളതും കൃത്യവും വർക്ക്ഫ്ലോകളിൽ ഉടനീളം അനുയോജ്യവുമായ ഒന്നാണെന്ന് കണ്ടെത്തി. ഇന്ന്, ബിസിനസിനെ മുന്നോട്ട് നയിക്കുന്ന സ്ഥിതിവിവരക്കണക്കുകളിലേക്ക് മത്സര ഇന്റലിജൻസ്, ചാനൽ ഡാറ്റ, മാർക്കറ്റ് ട്രെൻഡുകൾ എന്നിവ വേഗത്തിൽ വേർതിരിച്ചെടുക്കാൻ കീത്ത് Perplexity Enterprise ഉപയോഗിക്കുന്നു. പുതിയ മാർക്കറ്റിംഗ് അവസരങ്ങൾക്കായി അദ്ദേഹം ആന്തരിക കേസ് നിർമ്മിച്ചപ്പോൾ, എൻഗേജ്‌മെന്റ് ഡാറ്റയും വ്യവസായ ബെഞ്ച്മാർക്കുകളും ഉൾപ്പെടെ തനിക്ക് ആവശ്യമായതെല്ലാം ഒറ്റ സംഭാഷണത്തിൽ Perplexity നൽകി.

“ചാനൽ പ്രകടനത്തെക്കുറിച്ചോ മൊത്തത്തിലുള്ള ബിസിനസ്സ് സെക്ടറിനെക്കുറിച്ചോ ആകട്ടെ, എനിക്ക് ലഭിക്കുന്ന ഔട്ട്പുട്ടുകളെ എനിക്ക് വിശ്വസിക്കാൻ കഴിയുമെന്ന് എനിക്കറിയാം,” അദ്ദേഹം പറയുന്നു. "നൂറുകണക്കിന് ഖണ്ഡശമായ ഉറവിടങ്ങൾ സാധൂകരിക്കുന്നതിനോ ഗവേഷണ സ്ഥാപനങ്ങളെ ആശ്രയിക്കുന്നതിനോ പകരം, എനിക്ക് തത്സമയം ആശയങ്ങൾ പ്രഷർ-ടെസ്റ്റ് ചെയ്യാനും പരിശോധിക്കാവുന്ന ഡാറ്റയിൽ അധിഷ്ഠിതമാണെന്ന് എനിക്കറിയാവുന്ന ശുപാർശകളുമായി നേതൃയോഗങ്ങളിലേക്ക് പ്രവേശിക്കാനും കഴിയും. ഇത് ഞങ്ങൾ ഞങ്ങളുടെ ജോലിയെ സമീപിക്കുന്ന രീതിയെ അടിസ്ഥാനപരമായി മാറ്റിയിരിക്കുന്നു."

ഗ്രഹാം സംബന്ധിച്ചിടത്തോളം, ഈ ഉപകരണം അദ്ദേഹത്തിന്റെ മൂല്യനിർണ്ണയ പ്രക്രിയയിലെ ഒരു പ്രധാന “ഹ്യൂമൻ-ഇൻ-ദി-ലൂപ്പ്” പങ്കാളിയായി മാറിയിരിക്കുന്നു. അദ്ദേഹം ട്രാൻസ്ക്രിപ്റ്റുകൾ അപ്‌ലോഡ് ചെയ്യുകയും Perplexity-യുടെ വ്യാഖ്യാനം അവലോകനം ചെയ്യുകയും PayPal-ന്റെ ആന്തരിക മോഡൽ ഔട്ട്പുട്ടുമായി അത് ക്രോസ്-ചെക്ക് ചെയ്യുകയും ചെയ്യുന്നു. ഒരു തെറ്റായ വർഗ്ഗീകരണം എങ്ങനെ സംഭവിച്ചു എന്ന് കണ്ടെത്തുന്നത് ഇത് വളരെ എളുപ്പമാക്കുന്നു. അതൊരു ലോജിക് ഫ്ലോ ആയിരുന്നോ, ഡെഫനിഷൻ പ്രശ്നമായിരുന്നോ, അതോ ചീത്തയായ ഡാറ്റ ആയിരുന്നോ? ഇപ്പോൾ, അദ്ദേഹത്തിന് മിനിറ്റുകൾക്കുള്ളിൽ അത് പറയാൻ കഴിയും.

കൂടുതൽ അന്വേഷിക്കുന്നതിനുള്ള വ്യക്തമായ വഴി

അതിനിടയിൽ, എന്റർപ്രൈസ് റിസ്ക് മോണിറ്റർ മൈക്കൽ അബ്ബൗദ്, ആളുകളും ബിസിനസ്സുകളും അവർ അവകാശപ്പെടുന്നവർ തന്നെയാണെന്ന് സ്ഥിരീകരിക്കാൻ Perplexity Enterprise ഉപയോഗിക്കുന്നു. ഉടമസ്ഥാവകാശ വിശദാംശങ്ങൾ ക്രോസ്-റഫറൻസിങ് ചെയ്യുക, പൊരുത്തപ്പെടാത്ത സ്ഥാപനങ്ങളെ തിരിച്ചറിയുക, സംശയാസ്പദമായ അക്കൗണ്ടുകൾ ഫ്ലാഗ് ചെയ്യുക എന്നിവ അദ്ദേഹത്തിന്റെ ജോണിന്റെ ഭാഗമാണ്. ഇതിനർത്ഥം ഒന്നിലധികം ടാബുകളും ഖണ്ഡശമായ ഉറവിടങ്ങളും കൈകാര്യം ചെയ്യേണ്ടി വരാം. ഇപ്പോൾ, Perplexity ഉപയോഗിക്കുന്നതിലൂടെ, മൈക്കൽ ഒരു ക്ലീൻ വർക്ക്ഫ്ലോയിൽ പ്രവർത്തിക്കുന്നു, ഒപ്പം എന്തെങ്കിലും ശരിയാകാതെ വരുമ്പോൾ വ്യക്തമായ ഒരു ട്രെയിൽ നൽകുന്ന സൈറ്റേഷനുകളും ലഭ്യമാണ്.

വലിയ തോതിലുള്ള AI സ്വീകാര്യത പതുക്കെ നീങ്ങേണ്ടതില്ലെന്ന് PayPal തെളിയിച്ചു. ജീവനക്കാർക്ക് വിവിധ AI ഉപകരണങ്ങളിലേക്കും അവരവരുടെ വർക്ക്ഫ്ലോകളിൽ അവ സംയോജിപ്പിക്കാനുള്ള സ്വയംഭരണാവകാശത്തിലേക്കും പ്രവേശനം നൽകിക്കൊണ്ട്, PayPal അതിന്റെ ടീമുകളിലുടനീളം കൂടുതൽ ആത്മവിശ്വാസമുള്ള തീരുമാനമെടുക്കൽ കണ്ടു.

എല്ലാ ഔട്ട്പുട്ടിനും പിന്നിലെ കാരണം Perplexity ഞങ്ങൾക്ക് നൽകുന്നു, അതാണ് ആത്മവിശ്വാസത്തോടെ മുന്നോട്ട് പോകാൻ ഞങ്ങളെ അനുവദിക്കുന്നത്,” അദ്ദേഹം പറയുന്നു. “ഇത് ഉപയോഗിച്ച്, ഞങ്ങൾ മൂല്യനിർണ്ണയത്തിന് വളരെ കുറഞ്ഞ സമയവും തന്ത്രങ്ങൾ മെനയാൻ കൂടുതൽ സമയവും ചെലവഴിക്കുന്നു."

ഇന്ന്, 3,700-ലധികം ജീവനക്കാർ Perplexity Enterprise പ്രതിവാരം ഉപയോഗിക്കുന്നു. ജോലി ഔട്ട്‌സോഴ്സ് ചെയ്യാതെ അല്ലെങ്കിൽ ഹെഡ്‌കൗണ്ട് ചേർക്കാതെ വേഗത്തിൽ നീങ്ങാനും കൂടുതൽ ആത്മവിശ്വാസത്തോടെ തീരുമാനങ്ങൾ എടുക്കാനും പ്ലാറ്റ്ഫോം ടീമുകളെ സഹായിക്കുന്നു.

ഗ്രഹാം സംബന്ധിച്ചിടത്തോളം, ഒരിക്കൽ ഒരു മുഴുവൻ ദിവസത്തെ മാന്വൽ പരിശോധന ആവശ്യമുള്ളത് ഇപ്പോൾ സമയത്തിന്റെ ഒരു ചെറിയ ഭാഗം കൊണ്ട് സാധ്യമാകുന്നു. തന്റെ Microsoft SharePoint ഗവേണൻസ് ഹബ് പുനർനിർമ്മിക്കാനും Miro ബോർഡിലൂടെ പൂർണ്ണമായ മോഡൽ ലൈഫ് സൈക്കിൾ മാപ്പ് ചെയ്യാനും അദ്ദേഹം Perplexity Enterprise ഉപയോഗിച്ചു. ഈ ജോലി അദ്ദേഹത്തിന് ഒരു ആന്തരിക അവാർഡ് നേടിക്കൊടുക്കുകയും സീനിയർ ലീഡർഷിപ്പിനൊപ്പം രണ്ടാമത്തെ ഹബ് അദ്ദേഹത്തിന് ലഭിക്കാൻ ഇടയാക്കുകയും ചെയ്തു.

“ഓരോ ഔട്ട്‌പുട്ടിന്റെയും പിന്നിലെ യുക്തി പെർപ്ലെക്സിറ്റി നമുക്ക് നൽകുന്നു, അതാണ് ആത്മവിശ്വാസത്തോടെ മുന്നോട്ട് പോകാൻ നമ്മെ അനുവദിക്കുന്നത്,” അദ്ദേഹം പറയുന്നു. “ഇത് ഉപയോഗിച്ച്, സ്ഥികരിക്കുന്നതിന് ഞങ്ങൾ വളരെ കുറഞ്ഞ സമയവും തന്ത്രങ്ങൾ മെനയാൻ കൂടുതൽ സമയവും ചെലവഴിക്കുന്നു.”

വർക്ക്ഫ്ലോകൾ മെച്ചപ്പെടുത്തുന്നതിനുള്ള നുറുങ്ങുകൾ

ടിപ്പ് 1 - വിശ്വാസത്തിന് മുൻഗണന നൽകുക: നിങ്ങൾ സ്വീകരിക്കുന്ന AI പരിഹാരം പരിശോധിക്കാവുന്നതും ഓഡിറ്റ് ചെയ്യാവുന്നതുമായിരിക്കുന്നതിലൂടെ വിശ്വാസം വളർത്തിയെടുക്കണം. സൈറ്റേഷനുകൾ ഉപയോഗിച്ച് ഫലങ്ങൾ പരിശോധിക്കാനും ഫോളോ-അപ്പ് ചോദ്യങ്ങൾ എളുപ്പത്തിൽ ചോദിക്കാനും ജീവനക്കാരെ അനുവദിക്കുന്ന ഒരു പരിഹാരം നിങ്ങളുടെ ജീവനക്കാർക്ക് നൽകുക.

ടിപ്പ് 2 - നിലവിലുള്ള വർക്ക്ഫ്ലോകളിൽ AI നിർമ്മിക്കുക: നിങ്ങളുടെ നിലവിലെ ടെക് സ്റ്റാക്കിലേക്കും സഹകരണ പ്ലാറ്റ്‌ഫോമുകളിലേക്കും AI സംയോജിപ്പിക്കുക. ജീവനക്കാർക്ക് കുറഞ്ഞ ഘർഷണം നേരിടേണ്ടി വരുന്നുവോ, അത്രയും വേഗത്തിൽ യഥാർത്ഥ സ്വീകാര്യതയും അളക്കാവുന്ന ROI-യും പിന്തുടരുന്നു.

ടിപ്പ് 3 - AI-യെ ഒരു കപ്പബിലിറ്റി എക്സ്പാൻഡറായി പ്രൊമോട്ട് ചെയ്യുക: ഗവേഷണം, മൂല്യനിർണ്ണയം, ഡോക്യുമെന്റേഷൻ ടാസ്കുകൾ എന്നിവ ഒഴിവാക്കുന്നതിലൂടെ, തന്ത്രങ്ങൾ മെനയാനും നവീകരിക്കാനും കൂടുതൽ സമയം ചെലവഴിക്കാൻ AI ആളുകളെ സ്വതന്ത്രമാക്കും.