Uber usa OpenAI para ganar y reservar más rápido
Uber usa OpenAI para impulsar asistentes de IA y funciones de voz que ayudan a los conductores a ganar más y a los usuarios a reservar más rápido en un mercado global en tiempo real.
Cada día, millones de personas confían en Uber para reservar viajes, pedir comida, enviar paquetes y obtener ingresos con flexibilidad. Detrás de cada toque hay un complejo mercado en tiempo real condicionado por el tráfico, el tiempo, las llegadas a aeropuertos, los eventos locales y la demanda. Uber opera a una escala enorme: 40 millones de trayectos al día, 10 millones de conductores y repartidores en 15 000 ciudades de más de 70 países. Cada ciudad tiene su propia dinámica operativa, normativa y comportamiento de los usuarios, lo que crea un sistema que debe adaptarse continuamente a escala global.
Uber lleva mucho tiempo utilizando el aprendizaje automático para respaldar su mercado. Y ahora, con la ventaja de los modelos de lenguaje de gran tamaño y los modelos de vanguardia de OpenAI, Uber puede razonar sobre señales complejas con más rapidez, ofrecer respuestas conversacionales rápidas e impulsar experiencias de voz dentro de la app.
La colaboración entre Uber y OpenAI está ayudando a Uber a crear productos impulsados por IA que simplifican las oportunidades de ingresos para conductores y repartidores, y reducen la fricción para los usuarios. Y al usar los modelos de OpenAI, Uber puede lanzar productos y experiencias optimizados más rápido que nunca.
«Por primera vez, la tecnología está determinando lo que se puede resolver. Ahora es posible abordar problemas que antes parecían inalcanzables».
Para los conductores, la flexibilidad es uno de los mayores puntos fuertes de Uber. Algunos conducen a tiempo completo, otros solo los fines de semana, y otros lo hacen entre clases o turnos. Esta flexibilidad también significa que los conductores evalúan constantemente opciones y se hacen preguntas: ¿Dónde debería situarme ahora mismo? ¿Merece la pena ir al aeropuerto? ¿Debería pasar de viajes a entregas durante la hora de comer? ¿Por qué mis ingresos han sido distintos hoy?
Para ayudar a responder a esas preguntas, Uber desarrolló Uber Assistant, un asistente impulsado por IA diseñado para ayudar a los conductores a lo largo de todo su recorrido en la plataforma, desde la incorporación y los primeros viajes hasta la optimización diaria de ingresos.
«Queremos permitir que los conductores tomen mejores decisiones por sí mismos proporcionándoles una vista resumida del mercado e información en tiempo real», afirma Dharmin Parikh, director de Product Management en Uber.
El Assistant ayuda a los conductores a saber dónde y cuándo obtener ingresos al convertir datos complejos, como tendencias de ingresos y mapas de calor, en información de posicionamiento sencilla y práctica. Después, pueden hacer preguntas de seguimiento en lenguaje natural, recibir respuestas personalizadas y navegar fácilmente por la app.
El objetivo de Uber es reducir la carga cognitiva: el esfuerzo necesario para interpretar datos complejos del mercado mientras se intenta ganar dinero.
Esto ha demostrado ser especialmente valioso para los nuevos conductores. Uber descubrió que usar IA para resumir y comunicar fácilmente los datos del mundo real de Uber puede acelerar la incorporación al ayudar a los conductores a aprender flujos de trabajo y dinámicas del mercado mucho más rápido que si solo recurrieran al método de prueba y error.
Aunque al principio se esperaba que Uber Assistant ayudara sobre todo a los conductores más nuevos, los conductores con experiencia también volvieron repetidamente para hacer preguntas de seguimiento y optimizar su tiempo en la plataforma, lo que valida el producto como una utilidad a largo plazo y no solo como una herramienta de incorporación.
«El Assistant está ayudando a los conductores a incorporarse rápidamente, en comparación con tener que hacer varios cientos de viajes para entender cómo funciona la plataforma», afirma Parikh.
Para Uber, la precisión, la seguridad, la fiabilidad y la velocidad son prioridades máximas al implementar cualquier sistema de IA cuyas salidas interactúen con conductores y repartidores. Entre las consideraciones críticas están que las respuestas se mantengan dentro de la política y que la latencia cumpla el estándar que los usuarios esperan de una app móvil en tiempo real.
Por eso Uber diseñó Uber Assistant en torno a tres principios básicos: seguridad, confianza y baja latencia.
Los equipos de ingeniería de Uber construyeron una arquitectura multiagente que dirige cada solicitud del usuario al sistema especializado más adecuado. Por ejemplo, las preguntas sobre ingresos pueden gestionarse de forma distinta a las preguntas de incorporación, y la información sobre el mercado requiere un razonamiento diferente al de las acciones transaccionales.
Esta arquitectura permite a Uber dirigir cada tarea al modelo que mejor se adapta a sus necesidades operativas específicas, garantizando que cada consulta se gestione con el enfoque adecuado en lo que más importa.
Para clasificación ligera y respuestas rápidas, Uber utiliza modelos nano/mini más veloces. Para tareas más complejas, Uber aprovecha modelos de razonamiento más grandes.
Uber también desarrolló AI Guard, una capa interna de gobernanza que ayuda a revisar prompts y respuestas para fomentar la seguridad, la privacidad y la protección, hacer cumplir las políticas, reducir las alucinaciones y mantener la coherencia entre experiencias.
Cuando los conductores reciben recomendaciones precisas y útiles, vuelven. Hacen más preguntas. Interactúan repetidamente. Y pasan más tiempo productivo en la plataforma.
«Si los usuarios no confían en el sistema, los pierdes rápidamente», afirma Parikh. «Pero cuando ven valor, regresan».
Uber también está aplicando las API Realtime de OpenAI a uno de los próximos grandes cambios de interfaz en la tecnología: la voz.
Escribir en una app puede ser eficiente para solicitudes sencillas. Pero muchas necesidades de transporte y comercio son más complejas.
Un viajero podría querer decir: «Llevo cinco piezas de equipaje y otras cinco personas conmigo. Necesito un buen servicio de transporte hasta el aeropuerto. ¿Qué me recomiendas?». Una persona mayor o un usuario con discapacidad visual puede preferir hablar en lugar de tocar menús.
Las nuevas experiencias de voz de Uber están diseñadas para que esos momentos no supongan fricción. Los usuarios pueden tocar el icono del micrófono en la barra de búsqueda «a dónde vas» de la app de Uber y solicitar un viaje usando lenguaje natural. El sistema usa la Realtime API y otros modelos de vanguardia para interpretar la intención, aprovecha ubicaciones guardadas y el contexto del cliente, y hace recomendaciones, al tiempo que sincroniza respuestas habladas y visuales dentro de la app.
Eso podría significar sugerir UberXL para viajes con mucho equipaje o reconocer destinos guardados como «casa».
«La voz elimina la barrera de completar una tarea cada vez», afirma Parikh. «Puedes expresar toda tu intención de forma natural, y el sistema puede orquestar el resultado».
La voz también amplía la accesibilidad y desbloquea nuevos flujos de trabajo en todo el ecosistema de Uber. En el lado del conductor, permite interactuar con la app con las manos libres. En el lado del usuario, puede reducir la fricción para clientes que quieren interacciones más rápidas y sencillas.
«La voz elimina la barrera de los múltiples toques porque puedes decir varias cosas», afirma Vidyasagar. «Desbloquea esa capacidad de conectar las distintas partes del ecosistema».
Nota: La función de reserva por voz se implementará en las próximas semanas
A medida que las capacidades de los LLM evolucionan rápidamente, Uber también ha cambiado la forma en que construyen los equipos.
Los ingenieros de toda la organización trabajan con generación de indicaciones, sistemas de recuperación, canalizaciones de evaluación y marcos de orquestación. Los equipos de producto, legal, operaciones y diseño colaboran más estrechamente para definir los límites de las políticas, probar resultados y mejorar las experiencias del usuario.
En lugar de que un pequeño equipo centralizado de IA se encargue de la innovación, la inteligencia ahora puede integrarse en toda la empresa.
«Ya no es un único grupo especializado el que hace todo esto», afirma Vidyasagar. «Muchos equipos pueden contribuir porque se han eliminado las barreras para desarrollar aplicaciones».
Ese cambio acelera la experimentación y crea nuevas ideas en todo el ecosistema de Uber.
«Cada trayecto, cada viaje es una secuencia de acontecimientos, y comprender y procesar ese matiz es lo que el LLM nos permite hacer», afirma Vidyasagar. «Eso nos proporciona mucha información sobre cuál debe ser nuestro siguiente paso, y esa capacidad —a la escala a la que operamos— es extraordinariamente potente».
Uber Assistant se ha ampliado ahora a toda la red de conductores de EE. UU. en un despliegue experimental, mientras Uber sigue probando y perfeccionando la experiencia:
- Cientos de miles de conductores de EE. UU. ya tienen acceso a experiencias beta de Uber Assistant
- Mejora del soporte para conductores en las primeras etapas de su trayectoria, ayudando a los nuevos conductores a posicionarse mejor para conseguir más viajes
- Fuerte interacción recurrente, con usuarios que vuelven tras interacciones satisfactorias
- Mejor aprovechamiento del tiempo en la plataforma mediante información más inteligente del mercado
- Ciclos de iteración de producto más rápidos gracias a la especialización de modelos y a sistemas de evaluación continua
Desde ayudar a un nuevo conductor a conseguir su primer viaje hasta orientar a un conductor experimentado que busca mejores oportunidades de ingresos, Uber utiliza los modelos de OpenAI para hacer que el trabajo sea más productivo, el transporte más fluido y la logística cotidiana más humana.
«Como ingeniero, OpenAI simplemente nos ofrece la posibilidad de resolver esos problemas de formas diferentes y únicas», añade Vidyasagar.
