Uber נעזרת ב-OpenAI כדי לעזור לאנשים להרוויח בחוכמה ולהזמין מהר

מדי יום, מיליוני אנשים מסתמכים על Uber כדי להזמין נסיעות וארוחות, לשלוח חבילות ולהרוויח בגמישות. מאחורי כל הקשה פועלת זירת מסחר מורכבת בזמן אמת, המושפעת מהתנועה בכבישים, ממזג האוויר, מנחיתות בנמלי התעופה, מאירועים מקומיים ומהביקוש. Uber פועלת בהיקף עצום: 40 מיליון נסיעות ביום, 10 מיליון נהגים ושליחים ב-15,000 ערים ביותר מ-70 מדינות. לכל עיר דינמיקה תפעולית, תקנות ודפוסי התנהגות של נוסעים משלה. התוצאה היא מערכת שצריכה להתאים את עצמה ללא הרף בקנה מידה עולמי.

Uber משתמשת כבר שנים בלמידת מכונה כדי לתמוך בזירת המסחר שלה. כעת, בעזרת מודלי שפה גדולים ומודלי חזית של OpenAI, Uber יכולה להסיק מסקנות מהר יותר מתוך אותות מורכבים, לספק מענה מהיר בשיחה ולאפשר שימוש בקול בתוך האפליקציה.

שיתוף הפעולה בין Uber ל-OpenAI עוזר ל-Uber לפתח מוצרים מבוססי בינה מלאכותית שמקלים על נהגים ושליחים למצוא הזדמנויות להכנסה ומפשטים את השימוש לנוסעים. בעזרת המודלים של OpenAI, Uber יכולה להשיק מוצרים וחוויות שימוש פשוטים ונוחים מהר מאי פעם.

עבור נהגים, הגמישות היא אחד היתרונות הגדולים של Uber. יש שנוהגים במשרה מלאה, אחרים רק בסופי שבוע, ויש שנוהגים בין שיעורים או משמרות. הגמישות הזאת גם מחייבת נהגים לבחון כל הזמן אפשרויות ולשאול שאלות: איפה כדאי לי להתמקם עכשיו? האם משתלם לנסוע לנמל התעופה? כדאי לעבור מהסעת נוסעים למשלוחים בשעות הצהריים? למה ההכנסות שלי היו שונות היום?

כדי לעזור לענות על השאלות האלה, Uber פיתחה את Uber Assistant, עוזר מבוסס בינה מלאכותית שנועד ללוות נהגים לאורך כל הדרך בפלטפורמה — מההצטרפות והנסיעות הראשונות ועד למיטוב ההכנסות ביום-יום.

״אנחנו רוצים לאפשר לנהגים לקבל החלטות טובות יותר עבור עצמם, באמצעות תמונת שוק תמציתית ותובנות בזמן אמת״, אומר דהרמין פאריך, מנהל ניהול מוצר ב-Uber.

העוזר מסייע לנהגים להחליט היכן ומתי לעבוד: הוא הופך נתונים מורכבים, כמו מגמות הכנסה ומפות חום, לתובנות פשוטות ומעשיות לגבי המיקום שכדאי לבחור. לאחר מכן הם יכולים לשאול שאלות המשך בשפה פשוטה, לקבל תשובות מותאמות ולנווט באפליקציה בקלות.

המטרה של Uber היא להפחית עומס קוגניטיבי — את המאמץ הנדרש לפענוח נתוני שוק מורכבים תוך כדי ניסיון להרוויח.

הדבר התברר כמועיל במיוחד לנהגים חדשים. Uber גילתה ששימוש בבינה מלאכותית לסיכום נתוני הפעילות שלה ולהצגתם בצורה נגישה יכול לקצר את תקופת ההסתגלות, בכך שהוא עוזר לנהגים ללמוד תהליכי עבודה ודינמיקה של השוק מהר הרבה יותר מאשר באמצעות ניסוי וטעייה בלבד.

בתחילה ציפו ש-Uber Assistant יעזור בעיקר לנהגים חדשים, אך גם נהגים מנוסים חזרו שוב ושוב לשאול שאלות המשך ולנצל טוב יותר את זמנם בפלטפורמה. כך הוכח שהמוצר הוא כלי שימושי לטווח ארוך, ולא רק כלי לקליטה ראשונית.

״העוזר מאפשר לנהגים להיכנס לעניינים במהירות, במקום להזדקק לכמה מאות נסיעות כדי להבין איך הפלטפורמה עובדת״, אומר פאריך.

מבחינת Uber, דיוק, בטיחות, אמינות ומהירות נמצאים בראש סדר העדיפויות בהטמעת כל מערכת בינה מלאכותית שהתוצרים שלה יגיעו לנהגים ולשליחים. בין השיקולים המרכזיים: הקפדה שהתשובות יעמדו במדיניות ושזמן התגובה יעמוד ברמה שמשתמשים מצפים לה מאפליקציה לנייד שפועלת בזמן אמת.

לכן Uber תכננה את Uber Assistant סביב שלושה עקרונות יסוד: בטיחות, אמון וזמן השהיה קצר.

צוותי ההנדסה של Uber בנו ארכיטקטורה מרובת סוכנים שמנתבת כל בקשת משתמש למערכת המתמחה המתאימה ביותר. למשל, אפשר לטפל בשאלות על הכנסות באופן שונה משאלות על ההצטרפות לפלטפורמה, והכוונה בנוגע לשוק דורשת reasoning שונה מזה שנדרש לביצוע פעולות.

הארכיטקטורה הזאת מאפשרת ל-Uber לנתב כל משימה למודל המתאים ביותר לצרכים התפעוליים שלה, ולהבטיח שכל שאילתה תטופל תוך התמקדות בהיבטים החשובים ביותר עבורה.

למשימות סיווג פשוטות ולמענה מהיר, Uber משתמשת במודלי nano/mini מהירים יותר. למשימות מורכבות יותר, Uber נעזרת במודלי reasoning גדולים יותר.

Uber פיתחה גם את AI Guard, שכבת ממשל פנימית שעוזרת לבדוק פרומפטים ותשובות כדי לקדם בטיחות, פרטיות ואבטחה, לאכוף מדיניות, לצמצם הזיות ולשמור על עקביות בחוויות השימוש השונות.

כשנהגים מקבלים המלצות מדויקות ומועילות, הם חוזרים. הם שואלים יותר שאלות. הם משתמשים בעוזר שוב ושוב. והם מנצלים את זמנם בפלטפורמה בצורה יעילה יותר.

״אם המשתמשים לא סומכים על המערכת, מאבדים אותם מהר״, אומר פאריך. ״אבל כשהם רואים ערך, הם חוזרים״.

Uber משתמשת גם ב-Realtime API של OpenAI כדי לקדם את אחד השינויים הגדולים הבאים בממשקים טכנולוגיים: שימוש בקול.

הקלדה באפליקציה יכולה להיות יעילה לבקשות פשוטות. אבל צרכים רבים בתחבורה ובמסחר מורכבים יותר.

נוסע עשוי לרצות לומר: ״יש לי חמש מזוודות ועוד חמישה אנשים איתי. אני צריך נסיעה ברכב מפנק לנמל התעופה. על מה היית ממליץ?״ אדם מבוגר או נוסע עם לקות ראייה עשויים להעדיף לדבר במקום לנווט בתפריטים בהקשות.

חוויות השימוש הקוליות החדשות של Uber נועדו להפוך את הרגעים האלה לפשוטים וזורמים. משתמשים יכולים להקיש על סמל המיקרופון בשורת החיפוש ״לאן?״ באפליקציית Uber ולהזמין נסיעה בדיבור טבעי. המערכת משתמשת ב-Realtime API ובמודלי חזית נוספים כדי להבין את הכוונה, נעזרת במיקומים שמורים ובהקשר של הלקוח ומספקת המלצות — תוך סנכרון התשובות הקוליות והחזותיות באפליקציה.

כך, למשל, היא יכולה להציע UberXL לנסיעות עם מטען רב או לזהות יעדים שמורים כמו ״בית״.

״השימוש בקול משחרר מהמגבלה של ביצוע משימה אחת בכל פעם״, אומר פאריך. ״אפשר להביע באופן טבעי את כל מה שרוצים, והמערכת יכולה לתאם את הפעולות כדי להגיע לתוצאה״.

השימוש בקול גם מרחיב את הנגישות ופותח אפשרויות לתהליכי עבודה חדשים בכל מערך השירותים של Uber. עבור הנהגים, הוא מאפשר שימוש באפליקציה ללא מגע יד. עבור הנוסעים, הוא יכול לפשט את השימוש ללקוחות שרוצים לבצע פעולות מהר ובקלות רבה יותר.

״השימוש בקול חוסך את הצורך בהקשות רבות, כי אפשר לומר כמה דברים בבת אחת״, אומרת וידיאסגר. ״כך אפשר לחבר בין החלקים השונים של מערך השירותים״.

לנוכח ההתפתחות המהירה ביכולות של מודלי LLM, Uber שינתה גם את הדרך שבה הצוותים מפתחים מוצרים.

מהנדסים ברחבי הארגון עוסקים בניסוח פרומפטים, במערכות אחזור, בתהליכי הערכה ובמסגרות לתזמור מערכות. צוותי המוצר, המשפטים, התפעול והעיצוב משתפים פעולה באופן הדוק יותר כדי להגדיר את גבולות המדיניות, לבדוק תוצרים ולשפר את חוויית המשתמש.

במקום שצוות בינה מלאכותית קטן ומרכזי יהיה האחראי הבלעדי לחדשנות, כעת אפשר לשלב יכולות חכמות בכל רחבי החברה.

״זו כבר לא קבוצה אחת של מומחים שעושה את כל זה״, אומרת וידיאסגר. ״צוותים רבים יכולים לתרום, כי חסמי הפיתוח פחתו״.

השינוי הזה מאיץ את ההתנסות ומוליד רעיונות חדשים בכל מערך השירותים של Uber.

״כל נהיגה, כל נסיעה, היא רצף של אירועים, וה-LLM מאפשר לנו להבין ולעבד את הדקויות האלה״, אומרת וידיאסגר. ״זה נותן לנו הרבה מידע על הכיוון שאליו כדאי להתקדם, ובהיקף הפעילות שלנו, היכולת הזאת עוצמתית במיוחד״.

Uber Assistant הורחב כעת לרשת הנהגים ברחבי ארצות הברית במסגרת השקה ניסיונית, ו-Uber ממשיכה לבדוק ולשפר את חוויית השימוש:

• למאות אלפי נהגים בארצות הברית יש כעת גישה לגרסאות בטא של Uber Assistant

• שיפור התמיכה בנהגים בתחילת דרכם, כדי לעזור להם להתמקם טוב יותר ולקבל יותר נסיעות

• רמה גבוהה של שימוש חוזר, כשמשתמשים חוזרים לאחר אינטראקציות מוצלחות

• ניצול טוב יותר של הזמן בפלטפורמה בזכות תובנות שוק חכמות יותר

• מחזורי פיתוח מוצר מהירים יותר באמצעות מודלים מתמחים ומערכות להערכה מתמשכת

מעזרה לנהג חדש לקבל את הנסיעה הראשונה שלו ועד להכוונת נהג מנוסה שמחפש הזדמנויות טובות יותר להכנסה, Uber משתמשת במודלים של OpenAI כדי לייעל את העבודה, להפוך את הנסיעות לחלקות יותר ולהעניק ללוגיסטיקה היומיומית מגע אנושי יותר.

״כמהנדסת, OpenAI פשוט מאפשרת לי לפתור את הבעיות האלה בדרכים שונות וייחודיות״, אומרת וידיאסגר.