オンライン決済大手のPayPalが、生成AIツール「Perplexity Enterprise」を使って、毎週7万4千件もの業務タスクをこなしていることが明らかになりました。モデル検証から市場調査、競合分析まで幅広くAIに任せることで、データ活用のスピードと精度を一気に高めているといいます。本記事では、その活用領域とビジネスへのインパクトを整理します。
PayPalによるPerplexity Enterprise活用の全体像
週7万4千件のタスクをAIが処理
PayPalは、Perplexity Enterpriseを用いて週あたり約74,000件のタスクを処理していると公表しています。これは単純な検索や問い合わせ対応にとどまらず、モデル検証やデータ分析を含む、知的負荷の高い業務までカバーしている点が特徴です。
活用されている主な業務領域
Perplexity Enterpriseは、PayPal社内の複数のチームで横断的に利用されています。公表されている主な用途は次のとおりです。
- モデル検証（model validation）：機械学習モデルの性能チェックや挙動の検証を支援
- チャネルパフォーマンス分析（channel performance）：マーケティングチャネルや販売チャネルの効果測定
- 市場トレンド調査（market trend research）：市場動向や消費者トレンドのリサーチ
- 競合インテリジェンス（competitive intelligence）：競合企業の動向や戦略の把握
- プロダクト分析（product analysis）：プロダクトの利用状況や改善点の分析
これらは従来、人手による調査やスプレッドシート作業、レポート作成に多くの時間を要していた領域であり、AI活用によってリードタイムの短縮と担当者の負荷軽減が期待されます。
具体的なメリットとビジネスインパクト
モデル検証のスピードアップと品質向上
決済サービスでは、不正検知やリスク評価など、多数の機械学習モデルが稼働しています。Perplexity Enterpriseを活用することで、モデルごとの挙動確認やパフォーマンス比較に必要な情報収集・整理を高速化でき、以下のような効果が見込めます。
- 新モデルの検証サイクル短縮による、機能改善のスピード向上
- モデルの弱点やバイアスの早期発見
- 検証プロセスの標準化・再現性向上
特にグローバル規模で膨大なトランザクションを扱うPayPalにとって、モデル検証の効率化は、サービスの安全性と収益性を両立させる重要な鍵となります。
市場トレンドと競合分析の「意思決定エンジン」化
市場トレンド調査や競合インテリジェンスでは、膨大な公開情報やレポートから、意思決定に必要な要点だけを素早く抽出することが求められます。Perplexity Enterpriseを使うことで、担当者は情報収集よりも「解釈と判断」に時間を割けるようになり、以下のような効果が期待できます。
- 新興FinTechや他の決済プレーヤーの動きをタイムリーに把握
- 市場ニーズの変化をいち早く商品企画に反映
- 経営会議向けのサマリーレポート作成の自動化・半自動化
単なる検索ではなく、「答えを返す」ことに特化した生成AIを活用することで、意思決定のスピードと質を同時に高めようとしている点が注目されます。
企業が学べるポイントと導入時の着眼点
まずは高頻度・高負荷タスクからAI化する戦略
PayPalの事例からは、「週7万4千件」という数に象徴されるように、まずは頻度が高く、担当者の負荷が大きいタスクからAI化を進める戦略が見て取れます。これにより、短期間で投資対効果（ROI）を可視化しやすくなり、社内での生成AI活用の支持を得やすくなります。
知的作業の「補助輪」としての生成AI活用
モデル検証や市場調査、競合分析などは、本来専門性の高い知的作業です。PayPalは、これらを完全に自動化するのではなく、「調査・整理・要約」といったプロセスをAIで支援し、最終的な判断は人間が行う形で活用していると見られます。
こうした「人間＋AI」のハイブリッド型の業務設計は、多くの企業が生成AIを導入する際に参考にできるアプローチです。
まとめ
PayPalによるPerplexity Enterpriseの活用は、生成AIが単なるチャットボットや文書作成ツールにとどまらず、モデル検証や市場・競合分析といったコア業務の生産性を高める「意思決定インフラ」として機能し始めていることを示しています。自社での生成AI導入を検討する企業にとっては、「どの業務を、どの粒度までAIに任せるか」を考えるうえで、重要なベンチマークとなる事例と言えるでしょう。
