Uber,OpenAI से लोगों को बेहतर कमाई और तेज़ बुकिंग में मदद करता है

हर दिन, लाखों लोग राइड बुक करने, भोजन ऑर्डर करने, पैकेज भेजने और लचीले ढंग से कमाने के लिए Uber पर निर्भर रहते हैं. हर टैप के पीछे एक जटिल रीयल-टाइम मार्केटप्लेस होता है, जो ट्रैफ़िक, मौसम, हवाईअड्डे पर आगमन, स्थानीय आयोजनों और मांग से आकार लेता है. Uber बहुत बड़े पैमाने पर काम करता है: प्रतिदिन 4 करोड़ ट्रिप, 70 से अधिक देशों के 15,000 शहरों में 1 करोड़ ड्राइवर और कूरियर. हर शहर की अपनी परिचालन गतिशीलता, नियम और राइडर व्यवहार होते हैं, जिससे एक ऐसी प्रणाली बनती है जिसे वैश्विक स्तर पर लगातार अनुकूलित होना पड़ता है.

Uber लंबे समय से अपने मार्केटप्लेस को समर्थन देने के लिए मशीन लर्निंग का उपयोग करता आया है. और अब, बड़े भाषा मॉडल और OpenAI के फ्रंटियर मॉडल्स की मदद से, Uber जटिल संकेतों पर अधिक तेज़ी से रीज़निंग कर सकता है, तेज़ संवादात्मक जवाब दे सकता है, और ऐप के भीतर वॉइस अनुभवों को शक्ति दे सकता है.

Uber और OpenAI के बीच सहयोग, Uber को ऐसे AI-संचालित प्रोडक्ट्स बनाने में मदद कर रहा है जो ड्राइवरों और कूरियरों के लिए कमाई के अवसरों को आसान बनाते हैं और राइडरों के लिए रुकावट कम करते हैं. और OpenAI के मॉडल्स का उपयोग करके, Uber पहले से कहीं अधिक तेज़ी से सुव्यवस्थित प्रोडक्ट्स और अनुभव लॉन्च कर सकता है.

ड्राइवरों के लिए, लचीलापन Uber की सबसे बड़ी खूबियों में से एक है. कुछ लोग फुल-टाइम ड्राइव करते हैं, कुछ सिर्फ़ वीकेंड पर, जबकि कुछ कक्षाओं या शिफ्टों के बीच ड्राइव करते हैं. इस लचीलेपन का मतलब यह भी है कि ड्राइवर लगातार विकल्पों का आकलन करते रहते हैं और सवाल पूछते हैं: मुझे अभी खुद को कहाँ पोज़िशन करना चाहिए? क्या हवाईअड्डे तक ड्राइव करना सही रहेगा? क्या मुझे दोपहर के भोजन के समय राइड्स से डिलीवरी पर स्विच करना चाहिए? आज मेरी कमाई अलग क्यों दिखी?

इन सवालों का जवाब देने में मदद के लिए, Uber ने Uber Assistant विकसित किया, एक AI-संचालित असिस्टेंट जिसे प्लेटफ़ॉर्म पर ड्राइवरों की पूरी यात्रा में मदद करने के लिए बनाया गया है—ऑनबोर्डिंग और पहली ट्रिप से लेकर रोज़मर्रा की कमाई के अनुकूलन तक.

धार्मिन पारिख, Uber में प्रोडक्ट मैनेजमेंट के निदेशक, कहते हैं, “हम ड्राइवरों को मार्केटप्लेस का सारांश दृश्य और रीयल-टाइम इनसाइट्स देकर उनके लिए बेहतर निर्णय लेने में सक्षम बनाना चाहते हैं.”

यह Assistant ड्राइवरों को कमाई के लिए कहाँ और कब जाना है, इसमें मदद करता है. यह कमाई के रुझान और हीटमैप जैसे जटिल डेटा को सरल, कार्रवाई योग्य पोज़िशनिंग इनसाइट्स में बदल देता है. इसके बाद वे सामान्य भाषा में आगे के सवाल पूछ सकते हैं, अपनी ज़रूरत के अनुसार जवाब पा सकते हैं, और आसानी से ऐप में नेविगेट कर सकते हैं.

Uber का लक्ष्य संज्ञानात्मक बोझ को कम करना है—यानी कमाई करने की कोशिश करते समय जटिल मार्केटप्लेस डेटा की व्याख्या करने के लिए आवश्यक प्रयास.

यह खास तौर पर नए ड्राइवरों के लिए बहुत मूल्यवान साबित हुआ है. Uber ने पाया कि AI का उपयोग करके Uber के वास्तविक दुनिया के डेटा का सारांश बनाना और उसे आसानी से समझाना, रैंप-अप को तेज़ कर सकता है. इससे ड्राइवर केवल ट्रायल और एरर के बजाय वर्कफ़्लो और मार्केटप्लेस की गतिशीलता बहुत तेज़ी से सीख पाते हैं.

हालाँकि शुरू में उम्मीद थी कि Uber Assistant नए ड्राइवरों की सबसे ज़्यादा मदद करेगा, लेकिन अनुभवी ड्राइवर भी बार-बार लौटकर आगे के सवाल पूछते रहे और प्लेटफ़ॉर्म पर अपने समय को बेहतर बनाते रहे—इससे यह साबित हुआ कि यह प्रोडक्ट सिर्फ़ ऑनबोर्डिंग टूल नहीं, बल्कि लंबे समय तक उपयोगी साधन है.

पारिख कहते हैं, “Assistant ड्राइवरों को जल्दी रैंप-अप करने में मदद कर रहा है, जबकि प्लेटफ़ॉर्म को समझने में सामान्यतः कई सौ ट्रिप लग जाती हैं.”

Uber के लिए, किसी भी ऐसे AI सिस्टम को लागू करते समय, जिसके आउटपुट ड्राइवरों और कूरियरों के साथ इंटरैक्ट करेंगे, सटीकता, सुरक्षा, विश्वसनीयता और गति सर्वोच्च प्राथमिकताएँ हैं. महत्वपूर्ण बातों में यह शामिल है कि जवाब नीति के भीतर रहें, और विलंबता उस मानक पर खरी उतरे जिसकी उपयोगकर्ता एक रीयल-टाइम मोबाइल ऐप से अपेक्षा करते हैं.

इसीलिए Uber ने Uber Assistant को तीन मुख्य सिद्धांतों के आधार पर डिज़ाइन किया: सुरक्षा, भरोसा और कम विलंबता.

Uber की इंजीनियरिंग टीमों ने एक मल्टी-एजेंट आर्किटेक्चर बनाया है, जो हर उपयोगकर्ता अनुरोध को सबसे उपयुक्त विशेषज्ञ प्रणाली तक पहुँचाता है. उदाहरण के लिए, कमाई से जुड़े सवालों को ऑनबोर्डिंग सवालों से अलग तरीके से संभाला जा सकता है, और मार्केटप्लेस मार्गदर्शन के लिए लेन-देन संबंधी कार्रवाइयों से अलग रीज़निंग की ज़रूरत होती है.

यह आर्किटेक्चर Uber को हर कार्य को उसकी विशिष्ट परिचालन ज़रूरतों के लिए सबसे उपयुक्त मॉडल तक पहुँचाने में सक्षम बनाता है, जिससे यह सुनिश्चित होता है कि हर क्वेरी को सबसे महत्वपूर्ण बातों पर उचित ध्यान देते हुए संभाला जाए.

हल्के वर्गीकरण और तेज़ जवाबों के लिए, Uber तेज़ nano/mini मॉडल्स का उपयोग करता है. अधिक जटिल कार्यों के लिए, Uber बड़े रीज़निंग मॉडल्स का उपयोग करता है.

Uber ने AI Guard भी विकसित किया है, जो एक आंतरिक गवर्नेंस लेयर है और सुरक्षा, गोपनीयता तथा सिक्योरिटी को बढ़ावा देने, नीतियों को लागू करने, हैलुसिनेशन कम करने और अलग-अलग अनुभवों में एकरूपता बनाए रखने के लिए प्रॉम्प्ट्स और जवाबों की जाँच में मदद करती है.

जब ड्राइवरों को सटीक और उपयोगी सिफारिशें मिलती हैं, तो वे वापस आते हैं. वे और सवाल पूछते हैं. वे बार-बार जुड़ते हैं. और वे प्लेटफ़ॉर्म पर अधिक उत्पादक समय बिताते हैं.

पारिख कहते हैं, “अगर उपयोगकर्ता सिस्टम पर भरोसा नहीं करते, तो आप उन्हें जल्दी खो देते हैं. लेकिन जब उन्हें मूल्य दिखता है, तो वे लौटते हैं.”

Uber तकनीक में अगले बड़े इंटरफ़ेस बदलावों में से एक—वॉइस—पर भी OpenAI Realtime APIs लागू कर रहा है.

किसी ऐप में टाइप करना सरल अनुरोधों के लिए प्रभावी हो सकता है. लेकिन परिवहन और वाणिज्य से जुड़ी कई ज़रूरतें अधिक जटिल होती हैं.

कोई यात्री कहना चाह सकता है, “मेरे पास पाँच सामान के बैग हैं और मेरे साथ पाँच और लोग हैं. मुझे हवाईअड्डे तक एक अच्छी राइड चाहिए. आप क्या सुझाव देते हैं?” कोई बुज़ुर्ग या दृष्टिबाधित राइडर मेनू में टैप करने के बजाय बोलना पसंद कर सकता है.

Uber के नए वॉइस अनुभव इन क्षणों को बिना रुकावट के बनाने के लिए डिज़ाइन किए गए हैं. उपयोगकर्ता Uber ऐप में ‘where to’ सर्च बार पर माइक्रोफ़ोन आइकन टैप कर सकते हैं और प्राकृतिक भाषा में राइड का अनुरोध कर सकते हैं. यह सिस्टम Realtime API और अन्य फ्रंटियर मॉडल्स का उपयोग करके इरादा समझता है, सेव किए गए लोकेशन्स और ग्राहक संदर्भ का लाभ उठाता है, और सिफारिशें देता है—साथ ही ऐप के भीतर बोले गए और दृश्य जवाबों को समन्वित करता है.

इसका मतलब सामान से भरी यात्रा के लिए UberXL सुझाना या “home” जैसी सेव की गई मंज़िलों को पहचानना हो सकता है.

पारिख कहते हैं, “वॉइस एक समय में एक काम पूरा करने की बाधा हटा देता है. आप स्वाभाविक रूप से पूरा इरादा व्यक्त कर सकते हैं, और सिस्टम परिणाम को व्यवस्थित कर सकता है.”

वॉइस पहुंच का भी विस्तार करता है और Uber के इकोसिस्टम में नए वर्कफ़्लो खोलता है. ड्राइवर पक्ष में, यह ड्राइवरों को ऐप के साथ हैंड्स-फ़्री इंटरैक्ट करने देता है. राइडर पक्ष में, यह उन ग्राहकों के लिए रुकावट कम कर सकता है जो तेज़ और सरल इंटरैक्शन चाहते हैं.

विद्यासागर कहते हैं, “वॉइस बहु-टैप बाधा को हटा देता है क्योंकि आप कई बातें कह सकते हैं. यह इकोसिस्टम के विभिन्न हिस्सों को जोड़ने की क्षमता खोलता है.”

जैसे-जैसे LLM क्षमताएँ तेज़ी से विकसित हो रही हैं, Uber ने यह भी बदल दिया है कि टीमें कैसे निर्माण करती हैं.

पूरे संगठन में इंजीनियर प्रॉम्प्टिंग, रिट्रीवल सिस्टम्स, इवैल्यूएशन पाइपलाइंस और ऑर्केस्ट्रेशन फ़्रेमवर्क्स के साथ काम करते हैं. प्रोडक्ट, लीगल, ऑपरेशंस और डिज़ाइन टीमें नीतिगत सीमाएँ तय करने, आउटपुट की जाँच करने और उपयोगकर्ता अनुभव बेहतर बनाने के लिए अधिक निकटता से सहयोग करती हैं.

अब नवाचार का स्वामित्व किसी छोटे केंद्रीकृत AI टीम तक सीमित नहीं है, बल्कि बुद्धिमत्ता पूरे संगठन में समाहित की जा सकती है.

विद्यासागर कहते हैं, “अब यह सब करने वाला केवल एक विशेष समूह नहीं रह गया है. कई टीमें योगदान कर सकती हैं क्योंकि निर्माण की बाधाएँ कम हो गई हैं.”

यह बदलाव प्रयोग को तेज़ करता है और Uber के इकोसिस्टम में नए विचार पैदा करता है.

विद्यासागर कहते हैं, “हर ड्राइव, हर ट्रिप घटनाओं का एक क्रम है, और उस सूक्ष्मता को समझना और संसाधित करना ही वह चीज़ है जो LLM हमारे लिए संभव बनाता है. इससे हमें बहुत जानकारी मिलती है कि हमें आगे कहाँ जाना चाहिए, और हमारे पैमाने पर यह क्षमता असाधारण रूप से शक्तिशाली है.”

Uber Assistant अब अमेरिकी ड्राइवर नेटवर्क में एक प्रायोगिक रोलआउट के तहत विस्तारित किया गया है, जबकि Uber अनुभव का परीक्षण और परिष्कार जारी रखे हुए है:

• अमेरिका के लाखों के करीब ड्राइवरों में से सैकड़ों हज़ार को अब Uber Assistant के बीटा अनुभव उपलब्ध हैं
• शुरुआती चरण के ड्राइवरों के लिए बेहतर सहायता, जिससे नए ड्राइवर अधिक ट्रिप के लिए खुद को बेहतर ढंग से पोज़िशन कर सकें
• मजबूत दोहराया गया जुड़ाव, जहाँ सफल इंटरैक्शन के बाद उपयोगकर्ता वापस लौटते हैं
• अधिक समझदार मार्केटप्लेस इनसाइट्स के माध्यम से प्लेटफ़ॉर्म पर समय का बेहतर उपयोग
• मॉडल विशेषज्ञता और सतत इवैल्यूएशन सिस्टम्स के माध्यम से तेज़ प्रोडक्ट पुनरावृत्ति चक्र

नए ड्राइवर को उसकी पहली ट्रिप दिलाने में मदद करने से लेकर बेहतर कमाई के अवसर तलाश रहे अनुभवी ड्राइवर का मार्गदर्शन करने तक, Uber काम को अधिक उत्पादक, परिवहन को अधिक सहज और रोज़मर्रा की लॉजिस्टिक्स को अधिक मानवीय बनाने के लिए OpenAI मॉडल्स का उपयोग कर रहा है.

विद्यासागर कहते हैं, “एक इंजीनियर के रूप में, OpenAI उन समस्याओं को अलग और अनोखे तरीकों से हल करने की क्षमता खोल देता है.”