Uber empra OpenAI per ajudar a guanyar més i a reservar millor

Cada dia, milions de persones confien en Uber per reservar trajectes, demanar menjar, enviar paquets i guanyar diners de manera flexible. Darrere de cada toc hi ha un mercat complex en temps real modelat pel trànsit, el temps, les arribades a l'aeroport, els esdeveniments locals i la demanda. Uber opera a gran escala: 40 milions de viatges al dia, 10 milions de conductors i missatgers en 15.000 ciutats de més de 70 països. Cada ciutat té les seves pròpies dinàmiques operatives, normatives i comportament dels usuaris, cosa que crea un sistema que s’ha d’adaptar contínuament a escala global.

Uber fa temps que fa servir l'aprenentatge automàtic per donar suport al seu mercat. I ara, amb l'ajuda dels grans models de llenguatge i dels models d'avantguarda d'OpenAI, Uber pot raonar sobre senyals complexos més ràpidament, oferir respostes conversacionals ràpides i impulsar experiències de veu dins de l'aplicació.

La col·laboració entre Uber i OpenAI ajuda Uber a crear productes impulsats per IA que faciliten les oportunitats de generar ingressos per als conductors i repartidors i redueixen els punts de fricció per als passatgers. I, amb l’ús dels models d’OpenAI, Uber pot llançar productes i experiències optimitzats més ràpidament que mai.

Per als conductors, la flexibilitat és un dels punts forts més importants d’Uber. N’hi ha que condueixen a temps complet, d’altres només els caps de setmana i d’altres ho fan entre classes o torns. Aquesta flexibilitat també vol dir que els conductors avaluen constantment les opcions i es fan preguntes: On m’hauria de situar ara mateix? Val la pena desplaçar-me fins a l’aeroport? Hauria de passar dels viatges als repartiments durant l’hora de dinar? Per què els meus guanys han estat diferents avui?

Per ajudar a respondre a aquestes preguntes, Uber va desenvolupar Uber Assistant, un assistent basat en IA dissenyat per ajudar-te al llarg de tot el teu cicle de vida a la plataforma: des de la incorporació i els primers viatges fins a l’optimització dels guanys del dia a dia.

"Volem permetre que els conductors prenguin millors decisions per ells mateixos oferint-los una visió resumida del mercat i informació en temps real", afirma Dharmin Parikh, director de Gestió de Productes d’Uber.

L’assistent ajuda els conductors a saber on i quan guanyar diners convertint dades complexes, com ara tendències d’ingressos i mapes de calor, en informació de posicionament senzilla i útil. Llavors, poden fer preguntes de seguiment en llenguatge senzill, rebre respostes personalitzades i navegar fàcilment per l'aplicació.

L'objectiu d'Uber és reduir la sobrecàrrega cognitiva (l'esforç necessari per interpretar dades complexes del mercat mentre intentes guanyar diners).

Això ha demostrat ser especialment valuós per als conductors novells. Uber va descobrir que l’ús de la IA per resumir i comunicar fàcilment les dades reals d’Uber pot accelerar el procés d’adaptació inicial ajudant els conductors a aprendre els fluxos de treball i les dinàmiques del mercat molt més ràpidament que només mitjançant prova i error.

Tot i que inicialment s'esperava que Uber Assistant ajudés sobretot els conductors més nous, els conductors experimentats també hi tornaven repetidament per fer preguntes de seguiment i optimitzar el seu temps a la plataforma, cosa que validava el producte com una utilitat a llarg termini i no només com una eina d'incorporació.

"L’assistent ajuda els conductors a posar-se al dia ràpidament, en comparació amb haver de fer diversos centenars de viatges per entendre com funciona la plataforma", diu Parikh.

Per a Uber, la precisió, la seguretat, la fiabilitat i la velocitat són màximes prioritats a l'hora d'implementar qualsevol sistema d'IA els resultats del qual interactuaran amb conductors i repartidors. Entre les consideracions crítiques hi ha que les respostes s’ajustin a les polítiques i que la latència compleixi l’estàndard que els usuaris esperen d’una aplicació mòbil en temps real.

És per això que Uber va dissenyar Uber Assistant a partir de tres principis fonamentals: seguretat, confiança i baixa latència.

Els equips d'enginyeria d'Uber van crear una arquitectura multiagent que encamina cada sol·licitud d'usuari cap al sistema especialitzat més adequat. Per exemple, les preguntes sobre els ingressos es poden gestionar de manera diferent de les preguntes d’incorporació, i l’orientació sobre el mercat requereix un raonament diferent de les accions transaccionals.

Aquesta arquitectura permet a Uber encaminar cada tasca cap al model més adequat per a les seves necessitats operatives específiques, assegurant que cada consulta es gestioni amb l’enfocament adequat en allò que més importa.

Per a la classificació lleugera i les respostes ràpides, Uber utilitza models nano/mini més ràpids. Per a tasques més complexes, Uber aprofita models de raonament més grans.

Uber també va desenvolupar AI Guard, una capa interna de governança que ajuda a revisar les indicacions i les respostes per promoure la seguretat, la privadesa i la protecció, fer complir les polítiques, reduir les al·lucinacions i mantenir la coherència entre experiències.

Quan els conductors reben recomanacions precises i útils, tornen. Ells fan més preguntes. S'impliquen més. I dediquen més temps productiu a la plataforma.

"Si els usuaris no confien en el sistema, els perds ràpidament", diu Parikh. "Però quan hi veuen valor, tornen".

Uber també està aplicant les API Realtime d'OpenAI a un dels pròxims grans canvis d'interfície en la tecnologia: la veu.

Escriure en una aplicació pot ser eficient per a sol·licituds senzilles. Però moltes necessitats de transport i comerç són més complexes.

Un viatger podria voler dir: "Tinc cinc peces d’equipatge i cinc persones més que van amb mi. Necessito un trajecte còmode fins a l’aeroport. Què em recomanes?". Un passatger d’edat avançada o amb discapacitat visual pot preferir parlar en lloc de tocar la pantalla per navegar pels menús.

Les noves experiències de veu d’Uber estan dissenyades perquè aquests moments siguin fluids. Els usuaris poden tocar la icona de micròfon a la barra de cerca "On vols anar?" de l’aplicació Uber i demanar un viatge parlant de manera natural. El sistema utilitza l’API Realtime i altres models d’avantguarda per interpretar la intenció, aprofita les ubicacions desades i el context del client, i fa recomanacions, alhora que sincronitza les respostes parlades i visuals dins de l’aplicació.

Això podria voler dir que et suggerim UberXL per a viatges amb molt d’equipatge o que reconeguem destinacions desades com ara "casa".

"La veu elimina la barrera de fer les tasques d’una en una", diu Parikh. "Pots expressar tota la teva intenció amb naturalitat, i el sistema pot orquestrar el resultat".

La veu també amplia l’accessibilitat i desbloqueja nous fluxos de treball en tot l’ecosistema d’Uber. Pel que fa als conductors, els permet interactuar amb l’aplicació en mode mans lliures. En el cas dels passatgers, pot reduir la fricció per als clients que volen interaccions més ràpides i senzilles.

"La veu elimina la barrera dels múltiples tocs perquè pots dir diverses coses", diu Vidyasagar. "Permet aprofitar aquesta capacitat de connectar les diverses parts de l’ecosistema".

A mesura que les capacitats dels LLM evolucionen ràpidament, Uber també ha canviat la manera com els equips creen coses.

Enginyers de tota l'organització treballen amb sistemes de suggeriment, sistemes de recuperació, pipelines d'avaluació i marcs d'orquestració. Els equips de producte, jurídic, d’operacions i de disseny col·laboreu més estretament per definir els límits de les polítiques, provar els resultats i millorar les experiències d’usuari.

En comptes que un petit equip centralitzat d’IA concentri la innovació, ara pots integrar la intel·ligència a tota l’empresa.

"Ja no és un únic grup especialitzat qui fa tot això", diu Vidyasagar. "Molts equips hi poden contribuir perquè les barreres per construir s’han reduït".

Aquell canvi accelera l’experimentació i genera noves idees a tot l’ecosistema d’Uber.

"Cada trajecte, cada viatge, és una seqüència d’esdeveniments, i entendre i processar aquests matisos és el que l’LLM ens desbloqueja", diu Vidyasagar. "Això ens dona molta informació sobre cap a on hauríem d’anar a continuació, i aquest desbloqueig —a l’escala que tenim— és excepcionalment potent".

Uber Assistant ja s'ha ampliat a tota la xarxa de conductors dels Estats Units en un desplegament experimental, mentre Uber continua provant i perfeccionant l'experiència:

• Centenars de milers de conductors dels EUA ara teniu accés a les experiències beta d’Uber Assistant
• Millora l'assistència als conductors en les primeres fases del cicle de vida, ajudant-te a posicionar-te millor per aconseguir més viatges
• Forta interacció recurrent, amb usuaris que tornen després d'interaccions satisfactòries
• Millor aprofitament del temps a la plataforma gràcies a informació estratègica més intel·ligent del mercat
• Cicles d'iteració del producte més ràpids mitjançant l'especialització del model i sistemes d'avaluació contínua

Des d’ajudar un conductor novell a aconseguir el teu primer viatge fins a orientar un conductor experimentat que busca millors oportunitats d’ingressos, Uber fa servir models d’OpenAI per fer que la feina sigui més productiva, el transport més fluid i la logística quotidiana més humana.

"Com a enginyer, OpenAI et desbloqueja la possibilitat de resoldre aquests problemes de maneres diferents i úniques", diu Vidyasagar.