Η Uber χρησιμοποιεί το OpenAI για πιο έξυπνα κέρδη και κρατήσεις

Κάθε μέρα, εκατομμύρια άνθρωποι βασίζονται στην Uber για να κλείνουν διαδρομές, να παραγγέλνουν φαγητό, να στέλνουν δέματα και να κερδίζουν με ευελιξία. Πίσω από κάθε πάτημα βρίσκεται μια σύνθετη αγορά σε πραγματικό χρόνο, διαμορφωμένη από την κίνηση, τον καιρό, τις αφίξεις στα αεροδρόμια, τις τοπικές εκδηλώσεις και τη ζήτηση. Η Uber λειτουργεί σε τεράστια κλίμακα: 40 εκατομμύρια διαδρομές την ημέρα, 10 εκατομμύρια οδηγοί και διανομείς σε 15.000 πόλεις σε περισσότερες από 70 χώρες. Κάθε πόλη έχει τη δική της λειτουργική δυναμική, τους δικούς της κανονισμούς και τη δική της συμπεριφορά επιβατών, δημιουργώντας ένα σύστημα που πρέπει να προσαρμόζεται συνεχώς σε παγκόσμια κλίμακα.

Η Uber χρησιμοποιεί εδώ και καιρό μηχανική μάθηση για να υποστηρίζει την αγορά της. Και τώρα, με τα οφέλη των μεγάλων γλωσσικών μοντέλων και των frontier μοντέλων της OpenAI, η Uber μπορεί να εφαρμόζει συλλογιστική πάνω σε σύνθετα σήματα πιο γρήγορα, να παρέχει γρήγορες συνομιλιακές απαντήσεις και να υποστηρίζει φωνητικές εμπειρίες μέσα στην εφαρμογή.

Η συνεργασία μεταξύ της Uber και της OpenAI βοηθά την Uber να δημιουργεί προϊόντα με TN που απλοποιούν τις ευκαιρίες κέρδους για οδηγούς και διανομείς και μειώνουν τις τριβές για τους επιβάτες. Και με τη χρήση των μοντέλων της OpenAI, η Uber μπορεί να διαθέτει βελτιστοποιημένα προϊόντα και εμπειρίες πιο γρήγορα από ποτέ.

Για τους οδηγούς, η ευελιξία είναι ένα από τα μεγαλύτερα πλεονεκτήματα της Uber. Μερικοί οδηγούν πλήρως απασχολούμενοι, άλλοι μόνο τα Σαββατοκύριακα, ενώ κάποιοι οδηγούν μεταξύ μαθημάτων ή βαρδιών. Αυτή η ευελιξία σημαίνει επίσης ότι οι οδηγοί αξιολογούν συνεχώς επιλογές και θέτουν ερωτήματα: Πού πρέπει να τοποθετηθώ αυτή τη στιγμή; Αξίζει να πάω στο αεροδρόμιο; Να στραφώ από διαδρομές σε παραδόσεις την ώρα του μεσημεριανού; Γιατί τα κέρδη μου φάνηκαν διαφορετικά σήμερα;

Για να βοηθήσει στην απάντηση αυτών των ερωτημάτων, η Uber ανέπτυξε το Uber Assistant, έναν βοηθό με TN που έχει σχεδιαστεί για να βοηθά τους οδηγούς σε όλο τον κύκλο ζωής τους στην πλατφόρμα—από την ένταξη και τις πρώτες διαδρομές έως τη βελτιστοποίηση των καθημερινών κερδών.

«Θέλουμε να δώσουμε τη δυνατότητα στους οδηγούς να λαμβάνουν καλύτερες αποφάσεις για τον εαυτό τους, παρέχοντας μια συνοπτική εικόνα της αγοράς και πληροφορίες σε πραγματικό χρόνο», λέει ο Dharmin Parikh, Director of Product Management στην Uber.

Ο Assistant βοηθά τους οδηγούς να καταλαβαίνουν πού και πότε να κερδίζουν, μετατρέποντας σύνθετα δεδομένα όπως οι τάσεις κερδών και οι θερμικοί χάρτες σε απλές, αξιοποιήσιμες πληροφορίες τοποθέτησης. Στη συνέχεια μπορούν να κάνουν διευκρινιστικές ερωτήσεις σε απλή γλώσσα, να λαμβάνουν προσαρμοσμένες απαντήσεις και να πλοηγούνται εύκολα στην εφαρμογή.

Στόχος της Uber είναι να μειώσει το γνωστικό φορτίο—την προσπάθεια που απαιτείται για την ερμηνεία σύνθετων δεδομένων αγοράς ενώ κάποιος προσπαθεί να κερδίσει.

Αυτό έχει αποδειχθεί ιδιαίτερα πολύτιμο για τους νέους οδηγούς. Η Uber διαπίστωσε ότι η χρήση TN για τη σύνοψη και την εύκολη επικοινωνία των δεδομένων της Uber από τον πραγματικό κόσμο μπορεί να επιταχύνει την εξοικείωση, βοηθώντας τους οδηγούς να μάθουν ροές εργασίας και τη δυναμική της αγοράς πολύ πιο γρήγορα απ’ ό,τι μόνο με δοκιμή και σφάλμα.

Ενώ αρχικά αναμενόταν ότι το Uber Assistant θα βοηθούσε περισσότερο τους νεότερους οδηγούς, και οι έμπειροι οδηγοί επέστρεφαν επανειλημμένα για να κάνουν διευκρινιστικές ερωτήσεις και να βελτιστοποιήσουν τον χρόνο τους στην πλατφόρμα—επιβεβαιώνοντας το προϊόν ως ένα εργαλείο μακροχρόνιας αξίας και όχι απλώς ως εργαλείο ένταξης.

«Ο Assistant βοηθά τους οδηγούς να εξοικειωθούν γρήγορα, σε σύγκριση με το να χρειάζονται αρκετές εκατοντάδες διαδρομές για να καταλάβουν πώς λειτουργεί η πλατφόρμα», λέει ο Parikh.

Για την Uber, η ακρίβεια, η ασφάλεια, η αξιοπιστία και η ταχύτητα είναι κορυφαίες προτεραιότητες κατά την υλοποίηση οποιουδήποτε συστήματος TN, του οποίου τα αποτελέσματα θα αλληλεπιδρούν με οδηγούς και διανομείς. Σημαντικά ζητήματα είναι οι απαντήσεις να παραμένουν εντός πολιτικής και η καθυστέρηση να ανταποκρίνεται στο επίπεδο που περιμένουν οι χρήστες από μια εφαρμογή κινητού σε πραγματικό χρόνο.

Γι’ αυτό η Uber σχεδίασε το Uber Assistant γύρω από τρεις βασικές αρχές: ασφάλεια, εμπιστοσύνη και χαμηλή καθυστέρηση.

Οι ομάδες μηχανικών της Uber δημιούργησαν μια αρχιτεκτονική πολλαπλών πρακτόρων που δρομολογεί κάθε αίτημα χρήστη στο καταλληλότερο εξειδικευμένο σύστημα. Για παράδειγμα, οι ερωτήσεις για τα κέρδη μπορούν να αντιμετωπίζονται διαφορετικά από τις ερωτήσεις ένταξης, και η καθοδήγηση για την αγορά απαιτεί διαφορετική συλλογιστική από τις συναλλακτικές ενέργειες.

Αυτή η αρχιτεκτονική επιτρέπει στην Uber να δρομολογεί κάθε εργασία στο μοντέλο που ταιριάζει καλύτερα στις συγκεκριμένες λειτουργικές της ανάγκες, διασφαλίζοντας ότι κάθε ερώτημα αντιμετωπίζεται με την κατάλληλη έμφαση σε αυτό που έχει τη μεγαλύτερη σημασία.

Για ελαφριά ταξινόμηση και γρήγορες απαντήσεις, η Uber χρησιμοποιεί ταχύτερα μοντέλα nano/mini. Για πιο σύνθετες εργασίες, η Uber αξιοποιεί μεγαλύτερα μοντέλα συλλογιστικής.

Η Uber ανέπτυξε επίσης το AI Guard, ένα εσωτερικό επίπεδο διακυβέρνησης που βοηθά στον έλεγχο προτροπών και απαντήσεων για την προώθηση της ασφάλειας, της ιδιωτικότητας και της προστασίας, την επιβολή πολιτικών, τη μείωση ψευδαισθήσεων και τη διατήρηση συνέπειας μεταξύ εμπειριών.

Όταν οι οδηγοί λαμβάνουν ακριβείς και χρήσιμες συστάσεις, επιστρέφουν. Κάνουν περισσότερες ερωτήσεις. Αλληλεπιδρούν επανειλημμένα. Και περνούν περισσότερο παραγωγικό χρόνο στην πλατφόρμα.

«Αν οι χρήστες δεν εμπιστεύονται το σύστημα, τους χάνεις γρήγορα», λέει ο Parikh. «Αλλά όταν βλέπουν αξία, επιστρέφουν.»

Η Uber εφαρμόζει επίσης τα Realtime API της OpenAI σε μία από τις επόμενες μεγάλες μετατοπίσεις διεπαφής στην τεχνολογία: τη φωνή.

Η πληκτρολόγηση σε μια εφαρμογή μπορεί να είναι αποτελεσματική για απλά αιτήματα. Αλλά πολλές ανάγκες μεταφοράς και εμπορίου είναι πιο σύνθετες.

Ένας ταξιδιώτης μπορεί να θέλει να πει: «Έχω πέντε αποσκευές και άλλα πέντε άτομα μαζί μου. Θέλω μια άνετη διαδρομή για το αεροδρόμιο. Τι προτείνεις;» Ένας ηλικιωμένος ή επιβάτης με προβλήματα όρασης μπορεί να προτιμά να μιλά αντί να πατά σε μενού.

Οι νέες φωνητικές εμπειρίες της Uber έχουν σχεδιαστεί ώστε να κάνουν αυτές τις στιγμές απρόσκοπτες. Οι χρήστες μπορούν να πατήσουν το εικονίδιο μικροφώνου στη γραμμή αναζήτησης «πού πάμε;» στην εφαρμογή Uber και να ζητήσουν μια διαδρομή με φυσική ομιλία. Το σύστημα χρησιμοποιεί το Realtime API και άλλα frontier μοντέλα για να ερμηνεύσει την πρόθεση, αξιοποιεί αποθηκευμένες τοποθεσίες και το πλαίσιο πελάτη και κάνει συστάσεις—ενώ συγχρονίζει προφορικές και οπτικές απαντήσεις μέσα στην εφαρμογή.

Αυτό θα μπορούσε να σημαίνει ότι προτείνει UberXL για διαδρομές με πολλές αποσκευές ή ότι αναγνωρίζει αποθηκευμένους προορισμούς όπως το «σπίτι».

«Η φωνή αφαιρεί το εμπόδιο της ολοκλήρωσης μίας εργασίας κάθε φορά», λέει ο Parikh. «Μπορείς να εκφράσεις πλήρως την πρόθεση με φυσικό τρόπο και το σύστημα μπορεί να ενορχηστρώσει το αποτέλεσμα.»

Η φωνή επεκτείνει επίσης την προσβασιμότητα και ξεκλειδώνει νέες ροές εργασίας σε όλο το οικοσύστημα της Uber. Από την πλευρά των οδηγών, τους επιτρέπει να αλληλεπιδρούν με την εφαρμογή χωρίς χέρια. Από την πλευρά των επιβατών, μπορεί να μειώσει τις τριβές για τους πελάτες που θέλουν ταχύτερες και απλούστερες αλληλεπιδράσεις.

«Η φωνή αφαιρεί το εμπόδιο των πολλαπλών πατημάτων, επειδή μπορείς να πεις πολλά πράγματα», λέει ο Vidyasagar. «Ξεκλειδώνει αυτή την ικανότητα σύνδεσης των διαφόρων μερών του οικοσυστήματος.»

Καθώς οι δυνατότητες των LLM εξελίσσονται ραγδαία, η Uber έχει επίσης αλλάξει τον τρόπο με τον οποίο δημιουργούν οι ομάδες.

Μηχανικοί σε ολόκληρο τον οργανισμό εργάζονται με προτροπές, συστήματα ανάκτησης, αγωγούς αξιολόγησης και πλαίσια ενορχήστρωσης. Οι ομάδες προϊόντος, νομικών, λειτουργιών και σχεδιασμού συνεργάζονται πιο στενά για να ορίσουν τα όρια πολιτικής, να δοκιμάσουν αποτελέσματα και να βελτιώσουν τις εμπειρίες χρηστών.

Αντί μια μικρή κεντρική ομάδα TN να κατέχει την καινοτομία, η νοημοσύνη μπορεί πλέον να ενσωματωθεί σε όλη την εταιρεία.

«Δεν είναι πλέον μία εξειδικευμένη ομάδα που κάνει όλα αυτά», λέει ο Vidyasagar. «Πολλές ομάδες μπορούν να συνεισφέρουν, επειδή τα εμπόδια για την ανάπτυξη έχουν μειωθεί.»

Αυτή η αλλαγή επιταχύνει τον πειραματισμό και δημιουργεί νέες ιδέες σε όλο το οικοσύστημα της Uber.

«Κάθε οδήγηση, κάθε διαδρομή είναι μια ακολουθία γεγονότων, και η κατανόηση και επεξεργασία αυτής της λεπτότητας είναι αυτό που το LLM μάς ξεκλειδώνει», λέει ο Vidyasagar. «Αυτό μάς δίνει πολλές πληροφορίες για το πού πρέπει να πάμε στη συνέχεια, και αυτό το ξεκλείδωμα—στην κλίμακα που έχουμε—είναι εξαιρετικά ισχυρό.»

Το Uber Assistant έχει πλέον επεκταθεί σε όλο το δίκτυο οδηγών στις ΗΠΑ σε μια πειραματική διάθεση, ενώ η Uber συνεχίζει να δοκιμάζει και να βελτιώνει την εμπειρία:

• Εκατοντάδες χιλιάδες οδηγοί στις ΗΠΑ έχουν πλέον πρόσβαση σε beta εμπειρίες του Uber Assistant
• Βελτίωση υποστήριξης για οδηγούς στα πρώτα στάδια, βοηθώντας τους νέους οδηγούς να τοποθετούνται καλύτερα για περισσότερες διαδρομές
• Ισχυρή επαναλαμβανόμενη αλληλεπίδραση, με χρήστες να επιστρέφουν μετά από επιτυχημένες αλληλεπιδράσεις
• Καλύτερη αξιοποίηση του χρόνου στην πλατφόρμα μέσω πιο έξυπνων πληροφοριών για την αγορά
• Ταχύτεροι κύκλοι επανάληψης προϊόντων μέσω εξειδίκευσης μοντέλων και συστημάτων συνεχούς αξιολόγησης

Από το να βοηθά έναν νέο οδηγό να κάνει την πρώτη του διαδρομή έως το να καθοδηγεί έναν έμπειρο οδηγό που αναζητά καλύτερες ευκαιρίες κέρδους, η Uber χρησιμοποιεί μοντέλα της OpenAI για να κάνει την εργασία πιο παραγωγική, τις μεταφορές πιο ομαλές και την καθημερινή εφοδιαστική πιο ανθρώπινη.

«Ως μηχανικός, η OpenAI απλώς ξεκλειδώνει τη δυνατότητα να λύσουμε αυτά τα προβλήματα με διαφορετικούς και μοναδικούς τρόπους», λέει ο Vidyasagar.