Hoe PayPal mondiale teams in staat stelt sneller en nauwkeuriger te werken met Perplexity

Bij een bedrijf van de omvang van PayPal is het overtuigen van tienduizenden werknemers om AI te adopteren geen kleine opgave. Met teams in marketing, data science, risicobeheer en modelcontrole in meer dan 200 markten, had de uitrol van AI gemakkelijk kunnen leiden tot maandenlange trainingspresentaties, pilots en gedeeltelijke adoptie.

Maar PayPal koos een andere aanpak: het gaf werknemers toegang tot meerdere AI-oplossingen en liet hen kiezen wat voor hen het beste werkte. Voor Keith Swiderski, PayPal's AI Fluency and Transformation Lead, was nauwkeurigheid niet onderhandelbaar. Om beslissingen met een grote impact te onderbouwen, had hij nauwkeurige marktinformatie en concurrentieanalyses nodig.

Een korte leercurve, een breed scala aan gebruiksscenario's

Model Governance Lead Graham Woods stond voor een andere uitdaging: hij had een AI-oplossing nodig die de interne modellen van PayPal kon controleren zonder nieuwe fouten te introduceren. Binnen de hele organisatie was de vraag eenvoudig: PayPal had iets betrouwbaars, efficiënts en gemakkelijk te leren nodig dat alles kon afhandelen, van marktonderzoek tot datavalidatie, met minimaal herstelwerk.

De aanpak van PayPal was weloverwogen. Voor Prakhar Mehrotra, PayPal's Global Head of AI, geldt: "AI creëert de meeste waarde wanneer werknemers het genoeg vertrouwen om het te gebruiken bij belangrijke beslissingen. Onze aanpak bij PayPal is geweest om dat vertrouwen vanaf de basis op te bouwen, door teams toegang te geven tot de beste tools en trainingen, de resultaten voor zich te laten spreken en wat we leren te gebruiken om te rijpen in hoe ieder van ons AI gebruikt. De bedrijven die het komende decennium winnen, zijn de bedrijven die AI zo diep hebben ingebed dat het hun manier van denken en werken heeft veranderd. Het doel van PayPal is niet AI-adoptie om de adoptie zelf, maar het bouwen van een personeelsbestand waar AI-vaardigheid wordt verwacht en waar elk team met de snelheid en precisie handelt die resultaten kan veranderen."

Aanpasbaar voor een breed scala aan workflows

PayPal-medewerkers vonden Perplexity consistent, nauwkeurig en aanpasbaar voor een scala aan workflows. Vandaag de dag gebruikt Keith Perplexity Enterprise om snel concurrentie-informatie, kanaaldata en markttrends te destilleren tot inzichten die het bedrijf vooruithelpen. Toen hij de interne businesscase voor nieuwe marketingkansen opstelde, leverde Perplexity alles wat hij nodig had, inclusief betrokkenheidsgegevens en industriestandaarden in één enkel gesprek.

“Of het nu gaat om rapportages over kanaalprestaties of de zakelijke sector als geheel, ik weet dat ik de output die ik krijg kan vertrouwen,” zegt hij. "In plaats van honderden gefragmenteerde bronnen te valideren of te leunen op onderzoeksbureaus, kan ik ideeën in real-time toetsen en leidinggevenden ontmoeten met aanbevelingen waarvan ik weet dat ze gebaseerd zijn op verifieerbare data. Het heeft onze benadering van ons werk fundamenteel veranderd.”

Voor Graham is de tool een cruciale “human-in-the-loop”-partner geworden in zijn validatieproces. Hij uploadt transcripties, beoordeelt de interpretatie van Perplexity en vergelijkt deze met de interne modeloutput van PayPal. Het maakt het veel eenvoudiger om te achterhalen hoe een misclassificatie is ontstaan. Was het een logische fout, een definitiekwestie of gewoon rommelige data? Nu kan hij dat binnen enkele minuten zien.

Een duidelijk spoor voor verder onderzoek

Ondertussen gebruikt Michael Abboud, Enterprise Risk Monitor, Perplexity Enterprise om te verifiëren of personen en bedrijven precies zijn wie ze beweren te zijn. Zijn werk omvat het vergelijken van eigendomsgegevens, het identificeren van niet-overeenkomende entiteiten en het markeren van verdachte accounts. Dit kan betekenen dat hij met meerdere tabbladen en gefragmenteerde bronnen moet werken. Nu, door Perplexity te gebruiken, werkt Michael in één overzichtelijke workflow, met citaten die een duidelijk spoor bieden wanneer iets niet klopt.

PayPal heeft bewezen dat AI-adoptie op grote schaal niet langzaam hoeft te verlopen. Door werknemers toegang te geven tot een scala aan AI-tools en de autonomie om deze in hun eigen workflows te integreren, zag PayPal zelfverzekerdere besluitvorming binnen al zijn teams.

Vertrouwen, snelheid en schaal

Vandaag de dag gebruiken meer dan 3.700 werknemers wekelijks Perplexity Enterprise. Het platform helpt teams om snel te handelen en met meer vertrouwen beslissingen te nemen zonder werk uit te besteden of extra personeel aan te nemen.

Voor Graham kost wat voorheen een hele dag handmatig controleren kostte, nu slechts een fractie van de tijd. Hij gebruikte Perplexity Enterprise om zijn Microsoft SharePoint-governancehub opnieuw op te bouwen en de volledige levenscyclus van het model in kaart te brengen via een Miro-board. Het werk leverde hem een interne prijs op en leidde ertoe dat hem een tweede hub met senior leidinggevenden werd toegewezen.

“Perplexity geeft ons de rationale achter elke output, en dat is wat ons in staat stelt om met vertrouwen te handelen,” zegt hij. “Dankzij de tool besteden we veel minder tijd aan valideren en meer tijd aan strategievorming.”

Tips voor het verbeteren van workflows

Tip 1 - Geef prioriteit aan vertrouwen: De AI-oplossing die u adopteert, moet vertrouwen opbouwen door verifieerbaar en auditeerbaar te zijn. Geef uw werknemers een oplossing waarmee ze resultaten kunnen verifiëren met citaten en gemakkelijk vervolgvragen kunnen stellen.

Tip 2 - Bouw AI in bestaande workflows: Integreer AI in uw huidige tech-stack en samenwerkingsplatformen. Hoe minder frictie werknemers ervaren, hoe sneller daadwerkelijke adoptie en meetbare ROI zullen volgen.

Tip 3 - Promoot AI als een capability expander: Door onderzoeks-, validatie- en documentatietaken uit te besteden aan AI, kunnen mensen meer tijd besteden aan strategievorming en innovatie.