Uber memakai OpenAI agar bisa kerja cermat dan pesan lebih cepat

Setiap hari, jutaan orang mengandalkan Uber untuk memesan perjalanan, memesan makanan, mengirim paket, dan mendapatkan penghasilan secara fleksibel. Di balik setiap ketukan ada marketplace real-time yang kompleks, dibentuk oleh lalu lintas, cuaca, kedatangan di bandara, acara lokal, dan permintaan. Uber beroperasi dalam skala masif: 40 juta perjalanan per hari, 10 juta pengemudi dan kurir di 15.000 kota di lebih dari 70 negara. Setiap kota memiliki dinamika operasional, regulasi, dan perilaku penumpang yang berbeda, sehingga menciptakan sistem yang harus terus beradaptasi pada skala global.

Uber telah lama menggunakan machine learning untuk mendukung marketplacenya. Kini, dengan manfaat dari large language model dan frontier model OpenAI, Uber dapat melakukan penalaran atas sinyal yang kompleks dengan lebih cepat, memberikan respons percakapan yang cepat, dan menghadirkan pengalaman suara di dalam aplikasi.

Kolaborasi antara Uber dan OpenAI membantu Uber membangun produk bertenaga AI yang menyederhanakan peluang penghasilan bagi pengemudi dan kurir serta mengurangi hambatan bagi penumpang. Dan dengan menggunakan model OpenAI, Uber dapat meluncurkan produk dan pengalaman yang lebih ringkas lebih cepat dari sebelumnya.

Bagi pengemudi, fleksibilitas adalah salah satu kekuatan terbesar Uber. Ada yang mengemudi penuh waktu, ada yang hanya di akhir pekan, sementara yang lain mengemudi di sela kelas atau shift kerja. Fleksibilitas ini juga berarti pengemudi terus mengevaluasi pilihan dan mengajukan pertanyaan: Di mana saya harus memosisikan diri sekarang? Apakah sepadan kalau menyetir ke bandara? Haruskah saya beralih dari perjalanan ke pengantaran saat makan siang? Mengapa penghasilan saya terlihat berbeda hari ini?

Untuk membantu menjawab pertanyaan-pertanyaan itu, Uber mengembangkan Uber Assistant, asisten bertenaga AI yang dirancang untuk membantu pengemudi sepanjang siklus hidup mereka di platform—mulai dari onboarding dan perjalanan pertama hingga optimasi penghasilan sehari-hari.

“Kami ingin memungkinkan pengemudi membuat keputusan yang lebih baik bagi diri mereka sendiri dengan menyediakan ringkasan marketplace dan insight real-time,” kata Dharmin Parikh, Director of Product Management di Uber.

Assistant membantu pengemudi memahami di mana dan kapan harus mencari penghasilan dengan mengubah data kompleks seperti tren penghasilan dan heatmap menjadi insight penempatan yang sederhana dan dapat ditindaklanjuti. Mereka kemudian dapat mengajukan pertanyaan lanjutan dengan bahasa yang sederhana, menerima respons yang disesuaikan, dan menavigasi aplikasi dengan mudah.

Tujuan Uber adalah mengurangi beban kognitif—upaya yang dibutuhkan untuk menafsirkan data marketplace yang kompleks sambil tetap berusaha memperoleh penghasilan.

Hal ini terbukti sangat berharga terutama bagi pengemudi baru. Uber mendapati bahwa penggunaan AI untuk merangkum dan mengomunikasikan data dunia nyata Uber dengan mudah dapat mempercepat peningkatan kemampuan dengan membantu pengemudi mempelajari alur kerja dan dinamika marketplace jauh lebih cepat daripada hanya melalui coba-coba.

Walaupun Uber Assistant pada awalnya diperkirakan paling membantu pengemudi yang lebih baru, pengemudi berpengalaman juga berulang kali kembali untuk mengajukan pertanyaan lanjutan dan mengoptimalkan waktu mereka di platform—memvalidasi produk ini sebagai utilitas jangka panjang, bukan sekadar alat onboarding.

“Assistant membantu pengemudi berkembang dengan cepat, dibandingkan harus menempuh ratusan perjalanan untuk memahami cara kerja platform,” kata Parikh.

Bagi Uber, akurasi, keamanan, keandalan, dan kecepatan adalah prioritas utama saat menerapkan sistem AI apa pun yang output-nya akan berinteraksi dengan pengemudi dan kurir. Pertimbangan penting mencakup respons yang tetap sesuai kebijakan, serta latensi yang memenuhi standar yang diharapkan pengguna dari aplikasi seluler real-time.

Itulah sebabnya Uber merancang Uber Assistant berdasarkan tiga prinsip inti: keamanan, kepercayaan, dan latensi rendah.

Tim engineering Uber membangun arsitektur multi-agen yang mengarahkan setiap permintaan pengguna ke sistem khusus yang paling sesuai. Misalnya, pertanyaan tentang penghasilan dapat ditangani secara berbeda dari pertanyaan onboarding, dan panduan marketplace memerlukan penalaran yang berbeda dari tindakan transaksional.

Arsitektur ini memungkinkan Uber mengarahkan setiap tugas ke model yang paling sesuai dengan kebutuhan operasional spesifiknya, memastikan setiap kueri ditangani dengan fokus yang tepat pada hal yang paling penting.

Untuk klasifikasi ringan dan respons cepat, Uber menggunakan model nano/mini yang lebih cepat. Untuk tugas yang lebih kompleks, Uber memanfaatkan model penalaran yang lebih besar.

Uber juga mengembangkan AI Guard, lapisan tata kelola internal yang membantu menyaring prompt dan respons untuk meningkatkan keamanan, privasi, dan keselamatan, menegakkan kebijakan, mengurangi halusinasi, dan menjaga konsistensi di berbagai pengalaman.

Ketika pengemudi menerima rekomendasi yang akurat dan berguna, mereka kembali lagi. Mereka mengajukan lebih banyak pertanyaan. Mereka terus berinteraksi. Dan mereka menghabiskan lebih banyak waktu produktif di platform.

“Jika pengguna tidak mempercayai sistem, Anda akan cepat kehilangan mereka,” kata Parikh. “Namun saat mereka melihat nilainya, mereka akan kembali.”

Uber juga menerapkan Realtime API OpenAI pada salah satu perubahan antarmuka besar berikutnya dalam teknologi: suara.

Mengetik ke dalam aplikasi bisa efisien untuk permintaan sederhana. Namun banyak kebutuhan transportasi dan perdagangan lebih kompleks.

Seorang pelancong mungkin ingin berkata, “Saya membawa lima koper dan lima orang lain bersama saya. Saya butuh kendaraan yang nyaman ke bandara. Apa rekomendasi Anda?” Lansia atau penumpang dengan gangguan penglihatan mungkin lebih memilih berbicara daripada mengetuk menu.

Pengalaman suara baru Uber dirancang untuk membuat momen-momen itu bebas hambatan. Pengguna dapat mengetuk ikon mikrofon pada bilah pencarian ‘where to’ di aplikasi Uber dan meminta perjalanan menggunakan ucapan alami. Sistem menggunakan Realtime API dan frontier model lainnya untuk menafsirkan intent, memanfaatkan lokasi tersimpan dan konteks pelanggan, serta memberikan rekomendasi—sambil menyinkronkan respons lisan dan visual di dalam aplikasi.

Ini bisa berarti menyarankan UberXL untuk perjalanan dengan banyak bagasi atau mengenali tujuan tersimpan seperti “rumah”.

“Suara menghilangkan hambatan untuk menyelesaikan satu tugas pada satu waktu,” kata Parikh. “Anda dapat mengekspresikan intent penuh secara alami, dan sistem dapat mengorkestrasi hasilnya.”

Suara juga memperluas aksesibilitas dan membuka alur kerja baru di seluruh ekosistem Uber. Di sisi pengemudi, ini memungkinkan pengemudi berinteraksi dengan aplikasi tanpa menggunakan tangan. Di sisi penumpang, ini dapat mengurangi hambatan bagi pelanggan yang menginginkan interaksi yang lebih cepat dan sederhana.

“Suara menghilangkan hambatan multi-tap karena Anda bisa mengatakan banyak hal,” kata Vidyasagar. “Ini membuka kemampuan untuk menghubungkan berbagai bagian dari ekosistem.”

Seiring kemampuan LLM berkembang pesat, Uber juga mengubah cara tim membangun.

Para engineer di seluruh organisasi bekerja dengan prompting, sistem retrieval, pipeline evaluasi, dan framework orkestrasi. Tim produk, hukum, operasi, dan desain berkolaborasi lebih erat untuk menetapkan batasan kebijakan, menguji output, dan meningkatkan pengalaman pengguna.

Alih-alih inovasi dimiliki oleh tim AI kecil yang terpusat, kecerdasan kini dapat ditanamkan di seluruh perusahaan.

“Ini bukan lagi satu kelompok spesialis yang melakukan semua ini,” kata Vidyasagar. “Banyak tim dapat berkontribusi karena hambatan untuk membangun telah menurun.”

Perubahan itu mempercepat eksperimen dan menciptakan ide-ide baru di seluruh ekosistem Uber.

“Setiap pengemudian, setiap perjalanan adalah rangkaian peristiwa, dan memahami serta memproses nuansa itulah yang dibuka oleh LLM bagi kami,” kata Vidyasagar. “Itu memberi kami banyak informasi tentang ke mana kami harus melangkah selanjutnya, dan terobosan itu—pada skala yang kami miliki—sangatlah kuat.”

Uber Assistant kini telah diperluas ke seluruh jaringan pengemudi di AS dalam peluncuran eksperimental, sementara Uber terus menguji dan menyempurnakan pengalaman ini:

• Ratusan ribu pengemudi di AS kini memiliki akses ke pengalaman beta Uber Assistant
• Meningkatkan dukungan bagi pengemudi pada tahap awal, membantu pengemudi baru memosisikan diri lebih baik untuk mendapatkan lebih banyak perjalanan
• Keterlibatan berulang yang kuat, dengan pengguna kembali setelah interaksi yang berhasil
• Pemanfaatan waktu yang lebih baik di platform melalui insight marketplace yang lebih cerdas
• Siklus iterasi produk yang lebih cepat melalui spesialisasi model dan sistem evaluasi berkelanjutan

Dari membantu pengemudi baru mendapatkan perjalanan pertamanya hingga membimbing pengemudi berpengalaman yang mencari peluang penghasilan yang lebih baik, Uber menggunakan model OpenAI untuk membuat pekerjaan lebih produktif, transportasi lebih mulus, dan logistik sehari-hari lebih manusiawi.

“Sebagai engineer, OpenAI membuka kemampuan untuk menyelesaikan masalah-masalah itu dengan cara yang berbeda dan unik,” kata Vidyasagar.