تستخدم Uber OpenAI لمساعدة الناس على الكسب الأذكى والحجز الأسرع
تستخدم Uber OpenAI لتشغيل مساعدين للذكاء الاصطناعي وميزات صوتية تساعد السائقين على الكسب بذكاء أكبر والركاب على الحجز أسرع عبر سوق عالمي لحظي.
يعتمد ملايين الأشخاص يوميًا على Uber لحجز الرحلات وطلب الوجبات وإرسال الطرود وتحقيق دخل بمرونة. وخلف كل نقرة توجد سوق معقدة تعمل في الوقت الفعلي، تتشكل بحسب حركة المرور والطقس ووصول الرحلات الجوية والفعاليات المحلية والطلب. وتعمل Uber على نطاق هائل: 40 مليون رحلة يوميًا، و10 ملايين سائق ومندوب توصيل عبر 15,000 مدينة في أكثر من 70 دولة. ولكل مدينة ديناميكيات تشغيلها ولوائحها وسلوك الركاب الخاص بها، ما يخلق نظامًا يجب أن يتكيف باستمرار على نطاق عالمي.
لطالما استخدمت Uber التعلّم الآلي لدعم سوقها. والآن، وبالاستفادة من النماذج اللغوية الكبيرة (LLM) ونماذج OpenAI المتقدمة، بات بإمكان Uber الاستدلال عبر إشارات معقدة بسرعة أكبر، وتقديم ردود حوارية سريعة، وتشغيل تجارب صوتية داخل التطبيق.
يساعد التعاون بين Uber وOpenAI شركة Uber على بناء منتجات مدعومة بالذكاء الاصطناعي تبسّط فرص الكسب للسائقين ومندوبي التوصيل وتقلل الاحتكاك للركاب. وباستخدام نماذج OpenAI، يمكن لـUber طرح منتجات وتجارب مبسطة أسرع من أي وقت مضى.
«للمرة الأولى، تقود التكنولوجيا ما يمكن حله. فالمشكلات التي بدت يومًا بعيدة المنال أصبح من الممكن الآن معالجتها.»
بالنسبة إلى السائقين، تُعد المرونة إحدى أكبر نقاط قوة Uber. فبعضهم يقود بدوام كامل، وآخرون في عطلات نهاية الأسبوع فقط، بينما يقود بعضهم بين الحصص الدراسية أو الورديات. لكن هذه المرونة تعني أيضًا أن السائقين يقيّمون الخيارات باستمرار ويطرحون أسئلة مثل: أين يجب أن أتمركز الآن؟ هل تستحق الرحلة إلى المطار العناء؟ هل ينبغي أن أتحول من الرحلات إلى التوصيل وقت الغداء؟ لماذا بدت أرباحي مختلفة اليوم؟
وللمساعدة في الإجابة عن هذه الأسئلة، طورت Uber Uber Assistant، وهو مساعد مدعوم بالذكاء الاصطناعي صُمم لمساعدة السائقين طوال رحلتهم على المنصة، من الانضمام والرحلات الأولى إلى تحسين الأرباح يومًا بيوم.
يقول دارمين باريخ، مدير إدارة المنتجات في Uber: «نريد تمكين السائقين من اتخاذ قرارات أفضل لأنفسهم عبر تزويدهم بعرض موجز للسوق ورؤى فورية».
يساعد المساعد السائقين على معرفة أين ومتى يحققون الدخل عبر تحويل البيانات المعقدة مثل اتجاهات الأرباح والخرائط الحرارية إلى رؤى بسيطة وقابلة للتنفيذ حول التموضع. ويمكنهم بعد ذلك طرح أسئلة متابعة بلغة بسيطة، وتلقي ردود مخصصة، والتنقل بسهولة داخل التطبيق.
وتهدف Uber إلى تقليل العبء المعرفي، أي الجهد المطلوب لتفسير بيانات السوق المعقدة أثناء محاولة الكسب.
وقد أثبت ذلك قيمة خاصة للسائقين الجدد. فقد وجدت Uber أن استخدام الذكاء الاصطناعي لتلخيص بيانات Uber الواقعية وتوصيلها بسهولة يمكن أن يسرّع الانطلاق من خلال مساعدة السائقين على تعلّم مسارات العمل وديناميكيات السوق أسرع بكثير من أسلوب التجربة والخطأ وحده.
ورغم أن التوقعات الأولية كانت أن يساعد Uber Assistant السائقين الأحدث أكثر من غيرهم، فإن السائقين ذوي الخبرة عادوا أيضًا مرارًا لطرح أسئلة متابعة وتحسين وقتهم على المنصة، مما أكد قيمة المنتج كأداة طويلة الأمد لا مجرد أداة للانضمام.
ويقول باريخ: «يساعد المساعد السائقين على الانطلاق بسرعة، مقارنة بالحاجة إلى مئات الرحلات لفهم كيفية عمل المنصة».
بالنسبة إلى Uber، تُعد الدقة والسلامة والموثوقية والسرعة أولويات قصوى عند تطبيق أي نظام ذكاء اصطناعي ستتفاعل مخرجاته مع السائقين ومندوبي التوصيل. وتشمل الاعتبارات الحاسمة بقاء الردود ضمن السياسات، وأن يلبّي زمن الاستجابة المعيار الذي يتوقعه المستخدمون من تطبيق جوال يعمل في الوقت الفعلي.
ولهذا صممت Uber نظام Uber Assistant حول ثلاثة مبادئ أساسية: السلامة والثقة وانخفاض زمن الاستجابة.
وبنت فرق الهندسة في Uber بنية متعددة الوكلاء توجّه كل طلب مستخدم إلى النظام المتخصص الأنسب. فعلى سبيل المثال، يمكن التعامل مع أسئلة الأرباح بطريقة تختلف عن أسئلة الانضمام، كما أن إرشادات السوق تتطلب استدلالًا مختلفًا عن الإجراءات المعاملاتية.
تتيح هذه البنية لـUber توجيه كل مهمة إلى النموذج الأنسب لاحتياجاتها التشغيلية المحددة، بما يضمن معالجة كل استعلام بالتركيز المناسب على ما يهم أكثر.
ولأغراض التصنيف الخفيف والاستجابات السريعة، تستخدم Uber نماذج nano/mini الأسرع. أما للمهام الأكثر تعقيدًا، فتستفيد Uber من نماذج أكبر، وهي نماذج الاستدلال.
كما طورت Uber أيضًا AI Guard، وهي طبقة حوكمة داخلية تساعد على فحص المطالبات والردود لتعزيز السلامة والخصوصية والأمن، وفرض السياسات، وتقليل الهلوسة، والحفاظ على الاتساق عبر التجارب المختلفة.
وعندما يتلقى السائقون توصيات دقيقة ومفيدة، فإنهم يعودون. ويطرحون مزيدًا من الأسئلة. ويتفاعلون مرارًا. ويقضون وقتًا أكثر إنتاجية على المنصة.
ويقول باريخ: «إذا لم يثق المستخدمون بالنظام، فستخسرهم بسرعة. لكن عندما يرون قيمة، فإنهم يعودون».
تطبق Uber أيضًا واجهات OpenAI Realtime API على أحد التحولات الكبرى التالية في واجهات التقنية: الصوت.
قد تكون الكتابة داخل التطبيق فعالة للطلبات البسيطة. لكن كثيرًا من احتياجات النقل والتجارة أكثر تعقيدًا.
فقد يرغب مسافر في أن يقول: «معي خمس قطع من الأمتعة وخمسة أشخاص آخرين. أحتاج إلى رحلة مريحة إلى المطار. بماذا توصي؟». كما قد يفضّل شخص أكبر سنًا أو راكب يعاني من ضعف بصري التحدث بدل التنقل عبر القوائم بالنقر.
وصُممت التجارب الصوتية الجديدة لدى Uber لجعل تلك اللحظات بلا احتكاك. إذ يمكن للمستخدمين النقر على أيقونة الميكروفون في شريط البحث «إلى أين؟» في تطبيق Uber وطلب رحلة باستخدام الكلام الطبيعي. ويستخدم النظام Realtime API ونماذج متقدمة أخرى لتفسير النية، ويستفيد من المواقع المحفوظة وسياق العميل، ويقدم توصيات، مع مزامنة الردود المنطوقة والمرئية داخل التطبيق.
وقد يعني ذلك اقتراح UberXL للرحلات كثيرة الأمتعة أو التعرّف على وجهات محفوظة مثل «المنزل».
ويقول باريخ: «الصوت يزيل حاجز إنجاز مهمة واحدة في كل مرة. يمكنك التعبير عن نيتك كاملة بشكل طبيعي، ويمكن للنظام تنسيق النتيجة».
كما يوسّع الصوت إمكانية الوصول ويفتح مسارات عمل جديدة عبر منظومة Uber. فمن جهة السائق، يتيح للسائقين التفاعل مع التطبيق من دون استخدام اليدين. ومن جهة الراكب، يمكن أن يقلل الاحتكاك للعملاء الذين يريدون تفاعلات أسرع وأبسط.
ويقول فيدياساغار: «الصوت يزيل حاجز النقرات المتعددة لأنك تستطيع قول أشياء متعددة. وهو يفتح تلك القدرة على ربط الأجزاء المختلفة من المنظومة».
ملاحظة: سيُطرح حجز الرحلات الصوتي خلال الأسابيع المقبلة
ومع التطور السريع لقدرات النماذج اللغوية الكبيرة (LLM)، غيّرت Uber أيضًا طريقة بناء الفرق.
يعمل المهندسون في مختلف أنحاء المؤسسة مع أساليب المطالبة، وأنظمة الاسترجاع، وخطوط التقييم، وأطر التنسيق. كما تتعاون فرق المنتجات والشؤون القانونية والعمليات والتصميم بشكل أوثق لتحديد حدود السياسات واختبار المخرجات وتحسين تجارب المستخدمين.
وبدلًا من أن يتولى فريق ذكاء اصطناعي مركزي صغير مسؤولية الابتكار، يمكن الآن تضمين الذكاء في أنحاء الشركة كافة.
ويقول فيدياساغار: «لم يعد الأمر مقتصرًا على مجموعة متخصصة واحدة تقوم بكل هذا. فبإمكان فرق كثيرة الآن المساهمة لأن عوائق البناء قد انخفضت».
ويسرّع هذا التحول وتيرة التجريب ويخلق أفكارًا جديدة عبر منظومة Uber.
ويقول فيدياساغار: «كل عملية قيادة، وكل رحلة، هي سلسلة من الأحداث، وفهم هذه الدقة ومعالجتها هو ما تتيحه لنا النماذج اللغوية الكبيرة (LLM). وهذا يمنحنا كثيرًا من المعلومات حول الوجهة التي ينبغي أن نتجه إليها لاحقًا، وهذا الفتح — على النطاق الذي نعمل به — بالغ القوة».
جرى الآن توسيع Uber Assistant عبر شبكة السائقين في الولايات المتحدة ضمن طرح تجريبي، بينما تواصل Uber اختبار التجربة وتحسينها:
- مئات الآلاف من السائقين في الولايات المتحدة لديهم الآن إمكانية الوصول إلى تجارب Uber Assistant التجريبية
- تحسين الدعم لـالسائقين في المراحل المبكرة، بما يساعد السائقين الجدد على التموضع بشكل أفضل للحصول على مزيد من الرحلات
- تفاعل متكرر قوي، مع عودة المستخدمين بعد التفاعلات الناجحة
- استغلال أفضل للوقت على المنصة عبر رؤى سوق أكثر ذكاءً
- دورات أسرع لتكرار المنتجات من خلال تخصص النماذج وأنظمة التقييم المستمر
من مساعدة سائق جديد في الحصول على رحلته الأولى إلى إرشاد سائق متمرس يبحث عن فرص أفضل للكسب، تستخدم Uber نماذج OpenAI لجعل العمل أكثر إنتاجية، والنقل أكثر سلاسة، واللوجستيات اليومية أكثر إنسانية.
ويقول فيدياساغار: «بصفتي مهندسًا، تمنح OpenAI ببساطة القدرة على حل هذه المشكلات بطرق مختلفة وفريدة».
