客户案例
PayPal 如何利用 Perplexity 使全球团队工作得更快、更准确
3,700+
周平均用户数
适应性强
跨越广泛的工作流
74,000
每周员工查询次数
对于 PayPal 这样规模的公司而言，让数以万计的员工采用人工智能并非易事。其团队涵盖市场营销、数据科学、风险管理和模型控制等领域，遍及 200 多个市场，推广人工智能本可能轻易意味着数月的培训幻灯片、试点项目和局部采用。
但 PayPal 采取了不同的方式：它让员工能够使用多种人工智能解决方案，并让他们自行选择最适合自己的工具。对于 PayPal 的人工智能流利度与转型负责人 Keith Swiderski 而言，准确性是不可妥协的。为了提供高影响力的决策依据，他需要准确的市场情报和竞争分析。
较短的学习曲线，广泛的应用场景
模型治理负责人 Graham Woods 面临着不同的挑战：他需要一种能够复核 PayPal 内部模型且不会引入新错误的人工智能解决方案。在整个组织内，要求很简单：PayPal 需要一种可靠、高效且易于学习的工具，能够处理从市场调研到数据验证的各项任务，且只需极少的返工。
PayPal 的这种方法是刻意设计的。对于 PayPal 全球人工智能负责人 Prakhar Mehrotra 而言，“当员工足够信任人工智能并将其用于重要的决策时，人工智能才能发挥最大价值。我们在 PayPal 的方法是建立自下而上的信任，让团队能够使用最好的工具和培训，让结果说话，并利用我们所学的知识来完善我们每个人使用人工智能的方式。在下一个十年中胜出的公司，将是那些将人工智能深度嵌入其思考和工作方式中的公司。PayPal 的目标不是为了人工智能而采用人工智能，而是建立一支期望具备人工智能流利度，且每个团队都能以能够改变结果的速度和精度行事的员工队伍。”
适用于广泛的工作流
PayPal 员工发现 Perplexity 在一系列工作流中保持了一致性、准确性和适应性。如今，Keith 使用 Perplexity Enterprise 迅速将竞争情报、渠道数据和市场趋势提炼为推动业务发展的洞察。当他为新的营销机会建立内部案例时，Perplexity 在一次对话中交付了他所需的一切，包括参与度数据和行业基准。
“无论是报告渠道表现还是整个商业领域，我知道我可以信任我所得到的输出结果，”他说。“与其验证数百个碎片化的来源或依赖研究公司，我可以在实时压力测试想法，并带着我知道基于可验证数据的建议走进领导会议。这从根本上改变了我们对待工作的方式。”
对于 Graham 而言，该工具已成为他验证过程中关键的“人在回路”合作伙伴。他上传记录，审查 Perplexity 的解释，并将其与 PayPal 的内部模型输出进行交叉核对。这使得追踪错误分类是如何发生变得容易得多。是逻辑缺陷、定义问题，还是仅仅是混乱的数据？现在，他可以在几分钟内判断出来。
用于进一步调查的清晰轨迹
与此同时，企业风险监控员 Michael Abboud 使用 Perplexity Enterprise 来核实个人和企业的身份是否与其声称的一致。他的工作包括交叉引用所有权详细信息、识别不匹配的实体以及标记可疑账户。这可能意味着要处理多个标签页和碎片化的来源。现在，通过使用 Perplexity，Michael 在一个整洁的工作流中工作，引文提供了当某些情况对不上时清晰的轨迹。
PayPal 证明了大规模人工智能的采用不必缓慢推进。通过让员工能够使用一系列人工智能工具并赋予他们将其整合到自身工作流中的自主权，PayPal 在其团队中看到了更具信心的决策制定。
“当员工足够信任人工智能并将其用于重要的决策时，人工智能才能发挥最大价值。我们在 PayPal 的方法是建立自下而上的信任，让团队能够使用最好的工具和培训，让结果说话，并利用我们所学的知识来完善我们每个人使用人工智能的方式。”
信任、速度和规模
如今，每周有 3,700 多名员工使用 Perplexity Enterprise。该平台帮助团队快速行动并做出更具信心的决策，而无需外包工作或增加人力。
对于 Graham 而言，曾经需要整整一天手动检查的工作，现在只需花费极少的时间。他使用 Perplexity Enterprise 重建了他的 Microsoft SharePoint 治理中心，并通过 Miro 看板映射了完整的模型生命周期。这项工作为他赢得了内部奖项，并使他被高级领导层指派负责第二个中心。
“Perplexity 为我们提供了每个输出背后的理由，这就是让我们能够充满信心地行动的原因，”他说。“有了它，我们花在验证上的时间大大减少，花在制定战略上的时间更多了。”
改进工作流的提示
提示 1 - 优先考虑信任： 您采用的人工智能解决方案必须通过可验证和可审计来建立信任。为您的员工提供一种解决方案，使他们能够通过引文验证结果并轻松提出后续问题。
提示 2 - 将人工智能构建到现有工作流中： 将人工智能整合到您当前的技术栈和协作平台中。员工面临的摩擦越少，随后的实际采用和可衡量的投资回报率就越快。
提示 3 - 将人工智能作为能力扩展器进行推广：通过卸载研究、验证和文档编制任务，人工智能可以解放人员，让他们花更多时间制定战略和创新。