Uber-ը OpenAI-ով օգնում է ավելի խելամիտ վաստակել, արագ ամրագրել

Ամեն օր միլիոնավոր մարդիկ ապավինում են Uber-ին՝ ուղևորություններ ամրագրելու, ուտելիք պատվիրելու, փաթեթներ ուղարկելու և ճկուն ձևով վաստակելու համար։ Յուրաքանչյուր հպման հետևում կանգնած է բարդ, իրական ժամանակում գործող շուկա, որի վրա ազդում են ճանապարհային երթևեկությունը, եղանակը, օդանավակայանների ժամանումները, տեղական միջոցառումները և պահանջարկը։ Uber-ը գործում է հսկայական մասշտաբով՝ օրական 40 միլիոն ուղևորություն, 10 միլիոն վարորդ և առաքիչ 15,000 քաղաքում՝ ավելի քան 70 երկրում։ Յուրաքանչյուր քաղաք ունի իր գործառնական դինամիկան, կանոնակարգերը և ուղևորների վարքագիծը, ինչի հետևանքով ստեղծվում է համակարգ, որը պետք է շարունակաբար հարմարվի գլոբալ մասշտաբով։

Uber-ը վաղուց է օգտագործում մեքենայական ուսուցումը՝ իր շուկան աջակցելու համար։ Իսկ այժմ, մեծ լեզվային մոդելների և OpenAI-ի առաջատար մոդելների առավելությամբ, Uber-ը կարող է ավելի արագ հիմնավորում անել բարդ ազդակների շուրջ, տրամադրել արագ խոսակցական պատասխաններ և հավելվածում ապահովել ձայնային փորձառություններ։

Uber-ի և OpenAI-ի համագործակցությունն օգնում է Uber-ին ստեղծել AI-ով աշխատող արտադրանքներ, որոնք պարզեցնում են վարորդների և առաքիչների վաստակելու հնարավորությունները և նվազեցնում են խոչընդոտները ուղևորների համար։ Իսկ OpenAI-ի մոդելների օգնությամբ Uber-ը կարող է երբևէ եղածից ավելի արագ գործարկել պարզեցված արտադրանքներ և փորձառություններ։

Վարորդների համար ճկունությունը Uber-ի ամենամեծ ուժեղ կողմերից մեկն է։ Ոմանք վարում են ամբողջ դրույքով, մյուսները՝ միայն հանգստյան օրերին, իսկ ոմանք՝ դասերի կամ հերթափոխերի միջև։ Այս ճկունությունը նաև նշանակում է, որ վարորդները մշտապես գնահատում են տարբերակներն ու հարցեր տալիս․ Հիմա որտեղ պետք է դիրքավորվեմ։ Արժե՞ արդյոք գնալ օդանավակայան։ Պե՞տք է ճաշի ժամին ուղևորություններից անցնեմ առաքումների։ Ինչո՞ւ իմ վաստակն այսօր այլ տեսք ուներ։

Այդ հարցերին պատասխանելու համար Uber-ը մշակեց Uber Assistant-ը՝ AI-ով աշխատող օգնական, որը նախատեսված է վարորդներին օգնելու հարթակում նրանց ամբողջ ճանապարհի ընթացքում՝ սկսած onboarding-ից և առաջին ուղևորություններից մինչև առօրյա վաստակի օպտիմալացում։

«Մենք ուզում ենք վարորդներին հնարավորություն տալ իրենց համար ավելի լավ որոշումներ կայացնելու՝ տրամադրելով շուկայի ամփոփ պատկեր և իրական ժամանակի պատկերացումներ»,— ասում է Uber-ի Product Management-ի տնօրեն Դհարմին Պարիխը։

Assistant-ը վարորդներին օգնում է հասկանալ՝ որտեղ և երբ է ավելի լավ վաստակել՝ վաստակի միտումների և heatmap-ների նման բարդ տվյալները վերածելով պարզ, կիրառելի դիրքավորման առաջարկների։ Այնուհետև նրանք կարող են սովորական լեզվով տալ լրացուցիչ հարցեր, ստանալ հարմարեցված պատասխաններ և հեշտությամբ կողմնորոշվել հավելվածում։

Uber-ի նպատակն է նվազեցնել ճանաչողական բեռը՝ բարդ շուկայական տվյալները մեկնաբանելու համար պահանջվող ջանքը, երբ մարդը փորձում է վաստակել։

Սա հատկապես արժեքավոր է եղել նոր վարորդների համար։ Uber-ը պարզել է, որ AI-ի միջոցով Uber-ի իրական աշխարհի տվյալները ամփոփելն ու պարզ ներկայացնելը կարող է արագացնել մուտքը գործի՝ օգնելով վարորդներին շատ ավելի արագ սովորել աշխատանքային հոսքերն ու շուկայի դինամիկան, քան միայն փորձ ու սխալի միջոցով։

Թեև սկզբում սպասվում էր, որ Uber Assistant-ը ամենից շատ կօգնի նոր վարորդներին, փորձառու վարորդներն էլ բազմիցս վերադարձել են լրացուցիչ հարցեր տալու և հարթակում իրենց ժամանակը օպտիմալացնելու համար՝ հաստատելով, որ սա երկարաժամկետ օգտակարություն ունեցող արտադրանք է, ոչ թե պարզապես onboarding-ի գործիք։

«Assistant-ը օգնում է վարորդներին արագ մտնել աշխատանքի ռիթմի մեջ՝ համեմատած այն բանի հետ, երբ պետք է մի քանի հարյուր ուղևորություն կատարեն, որպեսզի հասկանան՝ ինչպես է աշխատում հարթակը»,— ասում է Պարիխը։

Uber-ի համար ճշտությունը, անվտանգությունը, վստահելիությունը և արագությունը առաջնահերթություններ են, երբ ներդրվում է որևէ AI համակարգ, որի արդյունքները փոխազդելու են վարորդների և առաքիչների հետ։ Կարևոր նկատառումներ են, օրինակ, այն, որ պատասխանները մնան քաղաքականությունների սահմաններում, իսկ ուշացումը համապատասխանի այն չափանիշին, որ օգտատերերն ակնկալում են իրական ժամանակի բջջային հավելվածից։

Այդ պատճառով Uber-ը Uber Assistant-ը կառուցել է երեք հիմնական սկզբունքի շուրջ՝ անվտանգություն, վստահություն և ցածր ուշացում։

Uber-ի ինժեներական թիմերը կառուցել են բազմագենտ ճարտարապետություն, որը յուրաքանչյուր օգտատիրոջ հարցում ուղղորդում է ամենահարմար մասնագիտացված համակարգին։ Օրինակ, վաստակի վերաբերյալ հարցերը կարող են մշակվել այլ կերպ, քան onboarding-ի հարցերը, իսկ շուկայի վերաբերյալ ուղեցույցը պահանջում է այլ հիմնավորում, քան գործարքային գործողությունները։

Այս ճարտարապետությունը հնարավորություն է տալիս Uber-ին յուրաքանչյուր առաջադրանք փոխանցել այն մոդելին, որն առավել հարմար է իր կոնկրետ գործառնական պահանջներին՝ ապահովելով, որ յուրաքանչյուր հարցում մշակվի համապատասխան ուշադրությամբ՝ կենտրոնանալով ամենակարևորի վրա։

Թեթև դասակարգման և արագ պատասխանների համար Uber-ն օգտագործում է ավելի արագ՝ nano/mini մոդելներ։ Ավելի բարդ առաջադրանքների համար Uber-ը կիրառում է ավելի մեծ, հիմնավորման մոդելներ։

Uber-ը նաև մշակել է AI Guard՝ ներքին կառավարման շերտ, որն օգնում է ստուգել հարցումներն ու պատասխանները՝ խթանելու անվտանգությունը, գաղտնիությունն ու պաշտպանվածությունը, կիրառելու քաղաքականությունները, նվազեցնելու հալյուցինացիաները և պահպանելու փորձառությունների միջև հետևողականությունը։

Երբ վարորդները ստանում են ճշգրիտ, օգտակար առաջարկություններ, նրանք վերադառնում են։ Ավելի շատ հարցեր են տալիս։ Կրկին ու կրկին ներգրավվում են։ Եվ հարթակում ավելի արդյունավետ ժամանակ են անցկացնում։

«Եթե օգտատերերը չեն վստահում համակարգին, դուք նրանց արագ կկորցնեք»,— ասում է Պարիխը։ «Բայց երբ նրանք արժեք են տեսնում, վերադառնում են»։

Uber-ը նաև OpenAI Realtime API-ները կիրառում է տեխնոլոգիայի հաջորդ մեծ ինտերֆեյսային փոփոխություններից մեկում՝ ձայնում։

Հավելվածում մուտքագրելը կարող է արդյունավետ լինել պարզ հարցումների դեպքում։ Բայց տրանսպորտի և առևտրի բազմաթիվ կարիքներ ավելի բարդ են։

Ճանապարհորդը կարող է ասել. «Ինձ հետ հինգ ճամպրուկ կա և ևս հինգ մարդ։ Ինձ պետք է լավ մեքենա օդանավակայան գնալու համար։ Ի՞նչ եք առաջարկում»։ Տարեց մարդը կամ տեսողության խնդիր ունեցող ուղևորը կարող է նախընտրել խոսել, այլ ոչ թե մենյուներով հպումներով անցնել։

Uber-ի նոր ձայնային փորձառությունները նախագծված են, որպեսզի այդ պահերը լինեն առանց ավելորդ բարդության։ Օգտատերերը կարող են սեղմել Uber հավելվածի «where to» որոնման դաշտի խոսափողի պատկերակին և բնական խոսքով պատվիրել ուղևորություն։ Համակարգն օգտագործում է Realtime API-ն և այլ առաջատար մոդելներ՝ մտադրությունը հասկանալու համար, օգտվում է պահպանված վայրերից և հաճախորդի համատեքստից և առաջարկություններ է անում՝ միաժամանակ հավելվածում համաժամեցնելով բանավոր և տեսողական պատասխանները։

Սա կարող է նշանակել UberXL առաջարկել շատ ուղեբեռով ուղևորությունների համար կամ ճանաչել պահպանված ուղղություններ, օրինակ՝ «home»։

«Ձայնը վերացնում է մեկ առաջադրանքն ամեն անգամ ավարտելու խոչընդոտը»,— ասում է Պարիխը։ «Դուք կարող եք բնականորեն արտահայտել ամբողջ մտադրությունը, և համակարգը կարող է կազմակերպել արդյունքը»։

Ձայնը նաև ընդլայնում է հասանելիությունը և նոր աշխատանքային հոսքեր է բացում Uber-ի էկոհամակարգում։ Վարորդների համար դա թույլ է տալիս հավելվածի հետ փոխգործակցել առանց ձեռքերի օգտագործման։ Ուղևորների համար այն կարող է նվազեցնել խոչընդոտները այն հաճախորդների համար, ովքեր ուզում են ավելի արագ, ավելի պարզ փոխազդեցություններ։

«Ձայնը վերացնում է բազմակի հպումների խոչընդոտը, քանի որ կարող եք միանգամից մի քանի բան ասել»,— ասում է Վիդյասագարը։ «Դա բացում է էկոհամակարգի տարբեր մասերը միմյանց կապելու հնարավորությունը»։

Քանի որ LLM հնարավորությունները արագ են զարգանում, Uber-ը նաև փոխել է, թե ինչպես են թիմերը կառուցում։

Կազմակերպության ինժեներները աշխատում են հարցումների ձևակերպման, որոնման համակարգերի, գնահատման գործընթացների և համակարգման ֆրեյմվորքների հետ։ Արտադրանքի, իրավական, օպերացիոն և դիզայնի թիմերն ավելի սերտ են համագործակցում՝ քաղաքականության սահմանները սահմանելու, արդյունքները փորձարկելու և օգտատերերի փորձառությունները բարելավելու համար։

Փոխարենը, որ նորարարությունը պատկանի փոքր կենտրոնացված AI թիմի, հիմա ինտելեկտը կարող է ներդրվել ամբողջ ընկերության մեջ։

«Այլևս չկա մեկ մասնագիտացված խումբ, որը զբաղվում է այս ամենով»,— ասում է Վիդյասագարը։ «Շատ թիմեր կարող են ներդրում ունենալ, որովհետև ստեղծելու խոչընդոտները նվազել են»։

Այս փոփոխությունը արագացնում է փորձարկումները և ստեղծում նոր գաղափարներ Uber-ի ամբողջ էկոհամակարգում։

«Յուրաքանչյուր վարում, յուրաքանչյուր ուղևորություն իրադարձությունների հաջորդականություն է, և այդ նրբերանգը հասկանալն ու մշակելն է, ինչ մեզ համար բացում է LLM-ը»,— ասում է Վիդյասագարը։ «Դա մեզ շատ տեղեկություն է տալիս, թե ուր պետք է շարժվենք հետո, և այդ բացված հնարավորությունը՝ մեր մասշտաբով, բացառիկ հզոր է»։

Uber Assistant-ն այժմ փորձնական ներդրմամբ ընդլայնվել է ԱՄՆ վարորդական ցանցում, մինչ Uber-ը շարունակում է փորձարկել և կատարելագործել փորձառությունը․

• ԱՄՆ-ում հարյուր հազարավոր վարորդներ այժմ հասանելիություն ունեն Uber Assistant-ի բետա փորձառություններին
• Ավելի լավ աջակցություն վաղ փուլում գտնվող վարորդներին՝ օգնելով նոր վարորդներին ավելի լավ դիրքավորվել ավելի շատ ուղևորությունների համար
• Ուժեղ կրկնվող ներգրավվածություն, երբ օգտատերերը վերադառնում են հաջող փոխազդեցություններից հետո
• Ժամանակի ավելի լավ օգտագործում հարթակում՝ շուկայի ավելի խելամիտ պատկերացումների շնորհիվ
• Արտադրանքի իտերացիայի ավելի արագ ցիկլեր՝ մոդելների մասնագիտացման և շարունակական գնահատման համակարգերի միջոցով

Սկսած նոր վարորդին իր առաջին ուղևորությունն ստանալուց օգնելուց մինչև ավելի լավ վաստակի հնարավորություններ փնտրող փորձառու վարորդին ուղղորդելը՝ Uber-ը OpenAI մոդելներն օգտագործում է՝ աշխատանքն ավելի արդյունավետ, փոխադրումն ավելի անխափան և առօրյա լոգիստիկան ավելի մարդկային դարձնելու համար։

«Որպես ինժեներ՝ OpenAI-ը պարզապես բացում է այդ խնդիրները տարբեր և յուրահատուկ եղանակներով լուծելու հնարավորությունը»,— ասում է Վիդյասագարը։