Hur PayPal hjälper globala team att arbeta snabbare och mer exakt med Perplexity

På ett företag i PayPals storlek är det ingen liten bedrift att övertyga tiokejtals medarbetare om att börja använda AI. Med team inom marknadsföring, datavetenskap, riskhantering och modellstyrning på över 200 marknader kunde en AI-utrullning lätt ha inneburit månader av utbildningsbilder, pilotprojekt och partiellt införande.

Men PayPal tog en annan strategi: Företaget gav medarbetarna tillgång till flera AI-lösningar och lät dem välja det som fungerade bäst för dem. För Keith Swiderski, AI Fluency and Transformation Lead på PayPal, var noggrannheten inte förhandlingsbar. För att fatta högmotiverade beslut behövde han korrekt marknadsinformation och konkurrensanalys.

En kort inlärningskurva, ett brett utbud av användningsområden

Model Governance Lead Graham Woods stod inför en annan utmaning: han behövde en AI-lösning som kunde dubbelkolla PayPals egna modeller utan att introducera nya fel. Över hela organisationen var begäran enkel: PayPal behövde något tillförlitligt, effektivt och lättlärt som kunde hantera allt från marknadsundersökningar till datavalidering, med minimalt ombeting.

PayPals tillvägagångssätt var avsiktligt. För Prakhar Mehrotra, Global Head of AI på PayPal, "skapar AI mest värde när medarbetarna litar på den tillräckligt mycket för att använda den i beslut som spelar roll. Vårt tillvägagångssätt på PayPal har varit att bygga det förtroendet från grunden, ge team tillgång till de bästa verktygen och utbildningarna, låta resultaten tala för sig själva och använda det vi lär oss för att utveckla hur var och en av oss använder AI. De företag som vinner det kommande decenniet kommer att vara de som bäddar in AI så djupt att det förändrar hur de tänker och arbetar. PayPals mål är inte AI-adoption för sakens skull, det handlar om att bygga en arbetsstyrka där AI-kunskap förväntas, och där varje team rör sig med den hastighet och precision som kan förändra resultat."

Anpassningsbar för en mängd olika arbetsflöden

PayPals medarbetare fann att Perplexity var konsekvent, korrekt och anpassningsbart över en rad olika arbetsflöden. Idag använder Keith Perplexity Enterprise för att snabbt destillera konkurrensanalyser, kanaldata och marknadstrender till insikter som för verksamheten framåt. När han byggde det interna caset för nya marknadsföringsmöjligheter levererade Perplexity allt han behövde, inklusive engagemangsdata och branschriktmärken, i en enda konversation.

"Oavsett om det handlar om att rapportera om kanalprestanda eller affärssektorn som helhet vet jag att jag kan lita på de resultat jag får", säger han. "Istället för att validera hundratals fragmenterade källor eller förlita mig på analysföretag kan jag trycktesta idéer i realtid och gå in i ledningsmöten med rekommendationer som jag vet är baserade på verifierbara data. Det har i grunden förändrat hur vi närmar oss vårt arbete."

För Graham har verktyget blivit en nyckelpartner i form av "human-in-the-loop" i hans valideringsprocess. Han laddar upp transkriptioner, granskar Perplexitys tolkning och korsrefererar den med PayPals interna modellresultat. Det gör det mycket enklare att spåra hur en felklassificering uppstod. Var det ett logikfel, ett definitionsfel eller bara rörig data? Nu kan han se det på några minuter.

Ett tydligt spår för att undersöka vidare

Samtidigt använder Enterprise Risk Monitor Michael Abboud Perplexity Enterprise för att verifiera att personer och företag är exakt vilka de utger sig för att vara. Hans arbete omfattar att korsreferera ägaruppgifter, identifiera matchande enheter och flagga misstänkta konton. Detta kan innebära att man jonglerar med flera flikar och fragmenterade källor. Nu, genom att använda Perplexity, arbetar Michael i ett enda rent arbetsflöde med citat som ger ett tydligt spår när något inte stämmer.

PayPal bevisade att storskalig AI-adoption inte behöver gå långsamt. Genom att ge medarbetarna tillgång till en rad AI-verktyg och självständigheten att integrera dem i sina egna arbetsflöden såg PayPal ett mer självsäkert beslutsfattande i sina team.

Förtroende, hastighet och skala

Idag använder över 3 700 medarbetare Perplexity Enterprise varje vecka. Plattformen hjälper team att arbeta snabbt och fatta säkrare beslut utan att lägga ut arbete på entreprenad eller utöka antalet anställda.

För Graham tar det som en gång i tiden krävde en hel dag av manuell kontroll nu en bråkdel av tiden. Han använde Perplexity Enterprise för att bygga om sitt Microsoft SharePoint-styrningsnav och kartlägga hela modellens livscykeltid via en Miro-tavla. Arbetet gav honom en intern utmärkelse och ledde till att han tilldelades ett andra nav med den högre ledningen.

"Perplexity ger oss motiveringen bakom varje resultat, och det är det som gör att vi kan gå vidare med tillförsikt", säger han. "Med den ägnar vi mycket mindre tid åt validering och mer tid åt att lägga upp strategier."

Tips för att förbättra arbetsflöden

Tips 1 – Prioritera förtroende: Den AI-lösning du väljer måste bygga förtroende genom att vara verifierbar och granskningsbar. Ge dina medarbetare en lösning som gör det möjligt för dem att verifiera resultat med källhänvisningar och enkelt ställa uppföljningsfrågor.

Tips 2 – Bygg in AI i befintliga arbetsflöden: Integrera AI i din nuvarande tech-stack och samarbetsplattformar. Ju mindre friktion medarbetarna möter, desto snabbare följer verklig adoption och mätbar avkastning (ROI).

Tips 3 – Marknadsför AI som en kapacitetsförstärkare: Genom att avlasta forsknings-, validerings- och dokumentationsuppgifter kan AI frigöra tid för människor att ägna sig åt strategi och innovation.