Uber използва OpenAI, за да помага за по-умно печелене

Всеки ден милиони хора разчитат на Uber, за да резервират пътувания, поръчват храна, изпращат пакети и печелят гъвкаво. Зад всяко докосване стои сложен пазар в реално време, оформян от трафика, времето, пристигащите полети, местните събития и търсенето. Uber работи в огромен мащаб: 40 милиона пътувания на ден, 10 милиона шофьори и куриери в 15 000 града в над 70 държави. Всеки град има собствена динамика на работа, регулации и поведение на пътниците, което създава система, която трябва непрекъснато да се адаптира в глобален мащаб.

Uber отдавна използва машинно обучение, за да подпомага своя пазар. А сега, с предимствата на големи езикови модели и frontier моделите на OpenAI, Uber може по-бързо да анализира сложни сигнали, да предоставя бързи разговорни отговори и да реализира гласови изживявания в приложението.

Сътрудничеството между Uber и OpenAI помага на Uber да създава продукти с AI, които опростяват възможностите за печелене за шофьори и куриери и намаляват затрудненията за пътниците. А използвайки моделите на OpenAI, Uber може да пуска по-опростени продукти и изживявания по-бързо от всякога.

За шофьорите гъвкавостта е една от най-големите силни страни на Uber. Някои шофират на пълен работен ден, други само през уикендите, а трети между лекции или смени. Тази гъвкавост означава също, че шофьорите постоянно оценяват възможностите си и задават въпроси: Къде трябва да се позиционирам точно сега? Струва ли си да отида до летището? Трябва ли да премина от превози към доставки по време на обяд? Защо днес приходите ми изглеждаха различно?

За да помогне с отговорите на тези въпроси, Uber разработи Uber Assistant, асистент с AI, създаден да помага на шофьорите през целия им жизнен цикъл в платформата — от включването и първите пътувания до ежедневната оптимизация на приходите.

„Искаме да дадем възможност на шофьорите да вземат по-добри решения за себе си, като им предоставяме обобщен поглед върху пазара и прозрения в реално време“, казва Дхармин Парих, директор „Продуктов мениджмънт“ в Uber.

Асистентът помага на шофьорите къде и кога да печелят, като превръща сложни данни като тенденции в приходите и топлинни карти в прости, приложими насоки за позициониране. След това те могат да задават допълнителни въпроси на естествен език, да получават персонализирани отговори и лесно да навигират в приложението.

Целта на Uber е да намали когнитивното натоварване — усилието, необходимо за тълкуване на сложни пазарни данни, докато човек се опитва да печели.

Това се оказва особено ценно за новите шофьори. Uber установява, че използването на AI за обобщаване и лесно предаване на реалните данни на Uber може да ускори навлизането, като помага на шофьорите да усвоят работните процеси и динамиката на пазара много по-бързо, отколкото само чрез опити и грешки.

Макар първоначално да се е очаквало Uber Assistant да помага най-вече на по-новите шофьори, и опитните шофьори многократно се връщат, за да задават допълнителни въпроси и да оптимизират времето си в платформата — потвърждение, че продуктът е дългосрочна полезна функция, а не просто инструмент за въвеждане.

„Асистентът помага на шофьорите да навлязат бързо, в сравнение с това да направят няколкостотин пътувания, за да разберат как работи платформата“, казва Парих.

За Uber точността, безопасността, надеждността и скоростта са основни приоритети при внедряването на всяка AI система, чиито резултати ще взаимодействат с шофьори и куриери. Сред критичните съображения са отговорите да остават в рамките на политиките и латентността да отговаря на стандарта, който потребителите очакват от мобилно приложение в реално време.

Затова Uber проектира Uber Assistant около три основни принципа: безопасност, доверие и ниска латентност.

Инженерните екипи на Uber изградиха многоагентна архитектура, която насочва всяка потребителска заявка към най-подходящата специализирана система. Например въпросите за приходи могат да се обработват по различен начин от въпросите при включване, а насоките за пазара изискват различно структурирано анализиране от транзакционните действия.

Тази архитектура позволява на Uber да насочва всяка задача към модела, който е най-подходящ за конкретните ѝ оперативни нужди, като гарантира, че всяка заявка се обработва с необходимия фокус върху най-важното.

За лека класификация и бързи отговори Uber използва по-бързи nano/mini модели. За по-сложни задачи Uber използва по-големи модели със структурирано анализиране.

Uber разработи и AI Guard, вътрешен слой за управление, който помага за проверка на подканите и отговорите с цел насърчаване на безопасността, поверителността и сигурността, прилагане на политики, намаляване на халюцинациите и поддържане на последователност в различните изживявания.

Когато шофьорите получават точни и полезни препоръки, те се връщат. Задават повече въпроси. Взаимодействат многократно. И прекарват повече продуктивно време в платформата.

„Ако потребителите не вярват на системата, ги губите бързо“, казва Парих. „Но когато виждат стойност, се връщат.“

Uber прилага OpenAI Realtime API и към една от следващите големи промени в интерфейсите на технологиите: гласа.

Писането в приложение може да е ефективно за прости заявки. Но много нужди в транспорта и търговията са по-сложни.

Един пътник може да иска да каже: „Имам пет броя багаж и още петима души с мен. Нуждая се от хубаво пътуване до летището. Какво препоръчвате?“ По-възрастен човек или пътник със зрително увреждане може да предпочете говоренето пред преминаването през менюта с докосвания.

Новите гласови изживявания на Uber са създадени да правят тези моменти безпроблемни. Потребителите могат да докоснат иконата на микрофон в лентата за търсене „накъде“ в приложението Uber и да заявят пътуване с естествена реч. Системата използва Realtime API и други frontier модели, за да разпознава намерението, използва запазени местоположения и контекст за клиента и прави препоръки, като едновременно синхронизира говоримите и визуалните отговори в приложението.

Това може да означава предложение за UberXL при пътувания с много багаж или разпознаване на запазени дестинации като „дом“.

„Гласът премахва бариерата да изпълняваш само по една задача наведнъж“, казва Парих. „Можете естествено да изразите пълното си намерение, а системата може да оркестрира резултата.“

Гласът също така разширява достъпността и отключва нови работни процеси в екосистемата на Uber. От страна на шофьорите той им позволява да взаимодействат с приложението без ръце. От страна на пътниците може да намали затрудненията за клиентите, които искат по-бързи и по-прости взаимодействия.

„Гласът премахва бариерата на многократните докосвания, защото можете да кажете много неща“, казва Видясагар. „Той отключва възможността да се свържат различните части на екосистемата.“

С бързото развитие на възможностите на големи езикови модели Uber промени и начина, по който екипите създават продукти.

Инженери в цялата организация работят с подкани, системи за извличане, оценъчни конвейери и рамки за оркестрация. Екипите по продукт, право, операции и дизайн си сътрудничат по-тясно, за да определят граници на политиките, да тестват резултатите и да подобряват потребителските изживявания.

Вместо малък централен AI екип да отговаря за иновациите, интелигентността вече може да бъде вградена в цялата компания.

„Вече не става дума за една специализирана група, която прави всичко това“, казва Видясагар. „Много екипи могат да допринасят, защото бариерите пред създаването намаляха.“

Тази промяна ускорява експериментирането и създава нови идеи в екосистемата на Uber.

„Всяко шофиране, всяко пътуване е последователност от събития и именно разбирането и обработването на този нюанс е това, което LLM отключва за нас“, казва Видясагар. „Това ни дава много информация накъде трябва да поемем по-нататък, а това отключване — при мащаба, който имаме — е изключително мощно.“

Uber Assistant вече е разширен в мрежата от шофьори в САЩ в рамките на експериментално внедряване, докато Uber продължава да тества и усъвършенства изживяването:

• Стотици хиляди шофьори в САЩ вече имат достъп до бета изживяванията на Uber Assistant
• Подобрена поддръжка за шофьори в ранен етап, която помага на новите шофьори да се позиционират по-добре за повече пътувания
• Силна повтаряща се ангажираност, като потребителите се връщат след успешни взаимодействия
• По-добро използване на времето в платформата чрез по-интелигентни пазарни прозрения
• По-бързи цикли на продуктови итерации чрез специализация на моделите и системи за непрекъсната оценка

От това да помогне на нов шофьор да получи първото си пътуване до насочването на опитен шофьор, който търси по-добри възможности за печелене, Uber използва моделите на OpenAI, за да направи работата по-продуктивна, транспорта по-безпроблемен и ежедневната логистика по-човешка.

„Като инженер OpenAI просто отключва възможността да решаваме тези проблеми по различни и уникални начини“, казва Видясагар.