כיצד PayPal מעצימה צוותים גלובליים לעבוד מהר ומדויק יותר באמצעות Perplexity

בחברה בסדר גודל של PayPal, שכناع עשרות אלפי עובדים לאמץ בינה מלאכותית אינו משימה קלה. עם צוותים המשתרעים על פני שיווק, מדעי הנתונים, ניהול סיכון ובקרת מודלים ביותר מ-200 שווקים, הטמעת בינה מלאכותית יכולה הייתה בקלות לגרור חודשים של שקופיות הדרכה, פיילוטים ואימוץ חלקי.

אבל PayPal נקטה גישה אחרת: היא העניקה לעובדים גישה למספר פתרונות בינה מלאכותית ואפשרה להם לבחור את מה שהתאים לו ביותר. עבור קית' סווידרסקי (Keith Swiderski), מוביל הטמעת ושצף הבינה המלאכותית ב-PayPal, הדיוק היה בלתי מתפשר. כדי לגבות החלטות בעלות השפעה רבה, הוא נזקק למודיעין שוק מדויק ולניתוח מתחרים.

עקומת למידה קצרה, מגוון רחב של מקרי שימוש

מוביל ממשל מודלים, גרהאם וודס (Graham Woods), התמודד עם אתגר שונה: הוא נזקק לפתרון בינה מלאכותית שיכול לבדוק כפולה את המודלים הפנימיים של PayPal מבלי להכניס שגיאות חדשות. ברחבי הארגון, הבקשה הייתה פשוטה: PayPal הייתה זקוקה למשהו אמין, יעיל וקל ללמידה שיכול להתמודד עם כל דבר החל מחקר שוק ועד לאימות נתונים, עם מינימום עבודה חוזרת.

הגישה של PayPal נעשתה בכוונה תחילה. עבור פראקהר מהרוטרה (Prakhar Mehrotra), ראש תחום הבינה המלאכותית הגלובלי ב-PayPal, "בינה מלאכותית יוצרת את הערך הרב ביותר כאשר עובדים סומכים עליה מספיק כדי להשתמש בה בהחלטות חשובות. הגישה שלנו ב-PayPal הייתה לבנות את האמון הזה מהיסוד, להעניק לצוותים גישה לכלים ולהדרכות הטובים ביותר, לאפשר לתוצאות לדבר בעד עצמן, ולהשתמש במה שאנו לומדים כדי לבגר את האופן שבו כל אחד מאיתנו משתמש בבינה מלאכותית. החברות שינצחו בעשור הקרובות יהיו אלו שהטמיעו בינה מלאכותית לעומק כזה שהיא שינתה את אופן החשיבה והעבודה שלהם. המטרה של PayPal אינה אימוץ בינה מלאכותית לשם אימוץ בלבד, אלא בניית כוח עבודה שבו שליטה בבינה מלאכותית היא עניין מובן מאליו, ובו כל צוות פועל במהירות ובדיוק שיכולים לשנות תוצאות."

ניתן להתאמה למגוון רחב של תהליכי עבודה

עובדי PayPal מצאו ש-Perplexity היא עקבית, מדויקת וניתנת להתאמה למגוון תהליכי עבודה. כיום, קית' משתמש ב-Perplexity Enterprise כדי לסנן במהירות מודיעין תחרותי, נתוני ערוצים ומגמות שוק לתובנות שמקדמות את העסק קדימה. כאשר בנה את המקרה הפנימי עבור הזדמנויות שיווקיות חדשות, Perplexity סיפקה את כל מה שהיה צריך, כולל נתוני מעורבות ובנצ'מארקים של התעשייה, בשיחה אחת.

"בין אם מדובר בדיווח על ביצועי ערוצים ובין אם על המגזר העסקי כולו, אני יודע שאני יכול לסמוך על התוצאות שאני מקבל," הוא אומר. "במקום לאמת מאות מקורות מקוטעים או להסתמך על חברות מחקר, אני יכול לבחון רעיונות תחת לחץ בזמן אמת ולהיכנס לפגישות הנהלה עם המלצות שאני יודע שמבוססות על נתונים ניתנים לאימות. הדבר שינה מהיסוד את האופן שבו אנו מתייחסים לעבודה שלנו."

עבור גרהאם, הכלי הפך לשותף מרכזי "אדם-בתוך-הלולאה" בתהליך האימות שלו. הוא מעלה תמלילים, סוקר את הפרשנות של Perplexity ומשווה אותה מול פלט המודל הפנימי של PayPal. זה מקל בהרבה לעקוב אחר אופן ההתרחשות של סיווג שגוי. האם זה היה פגם בלוגיקה, בעיית הגדרה, או סתם נתונים בלתי מסודרים? כעת, הוא יכול לדעת בתוך דקות.

שובל ברור לחקירה נוספת

בינתיים, מנטור הסיכונים של Enterprise, מייקל אבוד (Michael Abboud), משתמש ב-Perplexity Enterprise כדי לאמת שאנשים ועסקים הם בדיוק מי שהם טוענים שהם. עבודתו כוללת הצלבת פרטי בעלות, זיהוי ישויות שאינן תואמות, וסימון חשבונות חשודים. הדבר עשוי להיות כרוך בג'אנגלור בין מספר לשוניות ומקורות מקוטעים. כעת, באמצעות השימוש ב-Perplexity, מייקל עובד בתהליך עבודה נקי אחד, עם ציטוטים המספקים שובל ברור כאשר משהו אינו מסתדר.

PayPal הוכיחה שאימוץ בינה מלאכותית בהיקף נרחב אינו חייב להתנהל באיטיות. באמצעות מתן גישה לעובדים למגוון כלי בינה מלאכותית ואוטונומיה לשלב אותם בתהליכי העבודה שלהם, PayPal ראתה קבלת החלטות בטוחה יותר בכל הצוותים שלה.

אמון, מהירות והיקף

כיום, למעלה מ-3,700 עובדים משתמשים ב-Perplexity Enterprise מדי שבוע. הפלטפורמה מסייעת לצוותים לנוע במהירות ולקבל החלטות בטוחות יותר מבלי למסור עבודה החוצה או להוסיף תקנים.

עבור גרהאם, מה שפעם דרש יום שלם של בדיקה ידנית לוקח כעת שבריצית מהזמן. הוא השתמש ב-Perplexity Enterprise כדי לבנות מחדש את מרכז הממשל של Microsoft SharePoint שלו ולמפות את מחזור החיים המלא של המודל באמצעות לוח Miro. עבודה זו זיכתה אותו בפרס פנימי והביאה לכך שהוקצה לו מרכז שני עם ההנהלה הבכירה.

"Perplexity מעניקה לנו את ההיגיון שמאחורי כל פלט, וזה מה שמאפשר לנו לנוע בביטחון," הוא אומר. "בעזרתה, אנו מבלים הרבה פחות זמן באימות ויותר זמן בתכנון אסטרטגי."

טיפים לשיפור תהליכי עבודה

טיפ 1 - תעדוף אמון: פתרון הבינה המלאכותית שאתה מאמץ חייב לבנות אמון על ידי כך שהוא ניתן לאימות ולביקורת. תן לעובדים שלך פתרון המאפשר להם לאמת תוצאות באמצעות ציטוטים ולשאול שאלות המשך בקלות.

טיפ 2 - בנה בינה מלאכותית בתהליכי עבודה קיימים: שלב בינה מלאכותית במערך הטכנולוגי הנוכחי שלך ובפלטפורמות שיתוף הפעולה. ככל שהעובדים יתקלו בפחות חיכוך, כך האימוץ האמיתי וה-ROI הניתן למדידה יגיעו מהר יותר.

טיפ 3 - קידום בינה מלאכותית כמגדיל יכולות: על ידי הורדת משימות מחקר, אימות ותיעוד, בינה מלאכותית יכולה לשחרר אנשים להקדיש זמן רב יותר לתכנון אסטרטגי ולחדשנות.