Uber usa OpenAI per guadagni e prenotazioni più veloci
Uber usa OpenAI per potenziare assistenti AI e funzioni vocali che aiutano i conducenti a guadagnare meglio e i passeggeri a prenotare più velocemente in un marketplace globale in tempo reale.
Ogni giorno, milioni di persone si affidano a Uber per prenotare corse, ordinare pasti, inviare pacchi e guadagnare in modo flessibile. Dietro ogni tocco c’è un complesso marketplace in tempo reale, influenzato da traffico, meteo, arrivi aeroportuali, eventi locali e domanda. Uber opera su scala enorme: 40 milioni di viaggi al giorno, 10 milioni di conducenti e corrieri in 15.000 città di oltre 70 paesi. Ogni città ha dinamiche operative, normative e comportamenti dei passeggeri propri, creando un sistema che deve adattarsi continuamente su scala globale.
Uber usa da tempo il machine learning per supportare il proprio marketplace. E ora, grazie ai large language model e ai frontier model di OpenAI, Uber può fare ragionamenti su segnali complessi più rapidamente, offrire risposte conversazionali veloci e abilitare esperienze vocali all’interno dell’app.
La collaborazione tra Uber e OpenAI sta aiutando Uber a sviluppare prodotti basati sull’AI che semplificano le opportunità di guadagno per conducenti e corrieri e riducono gli attriti per i passeggeri. E usando i modelli di OpenAI, Uber può rilasciare prodotti ed esperienze semplificati più velocemente che mai.
«Per la prima volta, è la tecnologia a guidare ciò che si può risolvere. Problemi che un tempo sembravano irraggiungibili ora è possibile affrontarli.»
Per i conducenti, la flessibilità è uno dei maggiori punti di forza di Uber. Alcuni guidano a tempo pieno, altri solo nei fine settimana, mentre altri ancora guidano tra una lezione e l’altra o tra un turno e l’altro. Questa flessibilità significa anche che i conducenti valutano costantemente le opzioni e si pongono domande: Dove dovrei posizionarmi in questo momento? Vale la pena andare in aeroporto? Dovrei passare dalle corse alle consegne all’ora di pranzo? Perché oggi i miei guadagni sono stati diversi?
Per aiutare a rispondere a queste domande, Uber ha sviluppato Uber Assistant, un assistente basato sull’AI progettato per aiutare i conducenti durante tutto il loro ciclo di vita sulla piattaforma, dall’onboarding e dalle prime corse fino all’ottimizzazione quotidiana dei guadagni.
«Vogliamo permettere ai conducenti di prendere decisioni migliori per sé stessi fornendo una visione sintetica del marketplace e insight in tempo reale», afferma Dharmin Parikh, Director of Product Management di Uber.
L’Assistant aiuta i conducenti a capire dove e quando guadagnare trasformando dati complessi come trend dei guadagni e mappe di calore in indicazioni di posizionamento semplici e attuabili. Possono poi fare domande di approfondimento in linguaggio naturale, ricevere risposte personalizzate e navigare facilmente nell’app.
L’obiettivo di Uber è ridurre il carico cognitivo, cioè lo sforzo richiesto per interpretare dati complessi del marketplace mentre si cerca di guadagnare.
Questo si è rivelato particolarmente prezioso soprattutto per i nuovi conducenti. Uber ha scoperto che usare l’AI per riassumere e comunicare facilmente i dati reali di Uber può accelerare il ramp-up aiutando i conducenti ad apprendere workflow e dinamiche del marketplace molto più velocemente che con il solo metodo per tentativi ed errori.
Sebbene inizialmente si pensasse che Uber Assistant avrebbe aiutato soprattutto i conducenti meno esperti, anche quelli esperti sono tornati ripetutamente a fare domande di approfondimento e a ottimizzare il loro tempo sulla piattaforma, convalidando il prodotto come utilità a lungo termine e non solo come strumento di onboarding.
«L’Assistant aiuta i conducenti a entrare rapidamente a regime, rispetto al dover fare diverse centinaia di corse per capire come funziona la piattaforma», afferma Parikh.
Per Uber, accuratezza, sicurezza, affidabilità e velocità sono priorità assolute nell’implementazione di qualsiasi sistema AI i cui output interagiranno con conducenti e corrieri. Tra le considerazioni critiche rientrano il fatto che le risposte restino entro i limiti delle policy e che la latenza soddisfi lo standard che gli utenti si aspettano da un’app mobile in tempo reale.
Per questo Uber ha progettato Uber Assistant attorno a tre principi fondamentali: sicurezza, fiducia e bassa latenza.
I team di ingegneria di Uber hanno costruito un’architettura multi-agente che instrada ogni richiesta utente verso il sistema specializzato più appropriato. Per esempio, le domande sui guadagni possono essere gestite in modo diverso rispetto alle domande sull’onboarding, e la guida sul marketplace richiede un ragionamento diverso rispetto alle azioni transazionali.
Questa architettura consente a Uber di instradare ogni attività verso il modello più adatto alle sue specifiche esigenze operative, assicurando che ogni query venga gestita con la giusta attenzione a ciò che conta di più.
Per classificazione leggera e risposte rapide, Uber usa modelli più veloci, nano/mini. Per attività più complesse, Uber sfrutta modelli più grandi, modelli di ragionamento.
Uber ha anche sviluppato AI Guard, un layer di governance interno che aiuta a controllare prompt e risposte per promuovere sicurezza, privacy e protezione, applicare le policy, ridurre le allucinazioni e mantenere coerenza tra le diverse esperienze.
Quando i conducenti ricevono raccomandazioni accurate e utili, tornano. Fanno più domande. Interagiscono ripetutamente. E trascorrono più tempo produttivo sulla piattaforma.
«Se gli utenti non si fidano del sistema, li perdi rapidamente», afferma Parikh. «Ma quando ne vedono il valore, tornano.»
Uber sta anche applicando le Realtime API di OpenAI a uno dei prossimi grandi cambiamenti di interfaccia nella tecnologia: la voce.
Scrivere in un’app può essere efficiente per richieste semplici. Ma molte esigenze di trasporto e commercio sono più complesse.
Un viaggiatore potrebbe voler dire: «Ho cinque bagagli e con me ci sono altre cinque persone. Ho bisogno di una corsa confortevole per l’aeroporto. Cosa mi consigli?» Una persona anziana o con disabilità visiva potrebbe preferire parlare invece di toccare i menu.
Le nuove esperienze vocali di Uber sono progettate per rendere questi momenti senza attriti. Gli utenti possono toccare l’icona del microfono nella barra di ricerca “dove vuoi andare” nell’app Uber e richiedere una corsa usando il linguaggio naturale. Il sistema usa la Realtime API e altri frontier model per interpretare l’intento, sfrutta posizioni salvate e contesto cliente e formula raccomandazioni, sincronizzando al tempo stesso risposte vocali e visive all’interno dell’app.
Questo potrebbe significare suggerire UberXL per viaggi con molti bagagli o riconoscere destinazioni salvate come «casa».
«La voce elimina la barriera di completare un’attività alla volta», afferma Parikh. «Puoi esprimere in modo naturale l’intento completo e il sistema può orchestrare il risultato.»
La voce amplia anche l’accessibilità e sblocca nuovi workflow nell’ecosistema Uber. Dal lato dei conducenti, permette di interagire con l’app a mani libere. Dal lato dei passeggeri, può ridurre gli attriti per i clienti che vogliono interazioni più rapide e semplici.
«La voce elimina la barriera dei molteplici tocchi perché puoi dire più cose», afferma Vidyasagar. «Sblocca la possibilità di collegare le varie parti dell’ecosistema.»
Nota: la funzionalità di prenotazione vocale verrà distribuita nelle prossime settimane
Man mano che le capacità degli LLM evolvono rapidamente, Uber ha cambiato anche il modo in cui i team sviluppano.
Gli ingegneri in tutta l’organizzazione lavorano con prompting, sistemi di retrieval, pipeline di valutazione e framework di orchestrazione. I team di prodotto, legale, operations e design collaborano più strettamente per definire i confini delle policy, testare gli output e migliorare le esperienze utente.
Invece di avere un piccolo team AI centralizzato proprietario dell’innovazione, l’intelligenza può ora essere integrata in tutta l’azienda.
«Non è più un solo gruppo specializzato a fare tutto questo», afferma Vidyasagar. «Molti team possono contribuire perché le barriere allo sviluppo si sono abbassate.»
Questo cambiamento accelera la sperimentazione e genera nuove idee nell’ecosistema Uber.
«Ogni corsa, ogni viaggio è una sequenza di eventi, e comprendere ed elaborare questa sfumatura è ciò che l’LLM ci permette di fare», afferma Vidyasagar. «Questo ci dà molte informazioni su dove dovremmo andare dopo, e questa possibilità, alla scala a cui operiamo, è eccezionalmente potente.»
Uber Assistant è stato ora esteso alla rete di conducenti negli Stati Uniti in un rollout sperimentale, mentre Uber continua a testare e perfezionare l’esperienza:
- Centinaia di migliaia di conducenti negli Stati Uniti hanno ora accesso alle esperienze beta di Uber Assistant
- Miglioramento del supporto per i conducenti nelle prime fasi del ciclo di vita, aiutando i nuovi conducenti a posizionarsi meglio per ottenere più corse
- Forte coinvolgimento ripetuto, con utenti che tornano dopo interazioni di successo
- Migliore utilizzo del tempo sulla piattaforma grazie a insight più intelligenti sul marketplace
- Cicli di iterazione del prodotto più rapidi grazie alla specializzazione dei modelli e a sistemi di valutazione continua
Dall’aiutare un nuovo conducente a ottenere la sua prima corsa al guidare un conducente esperto in cerca di migliori opportunità di guadagno, Uber usa i modelli di OpenAI per rendere il lavoro più produttivo, il trasporto più fluido e la logistica quotidiana più umana.
«Come ingegnere, OpenAI sblocca semplicemente la possibilità di risolvere questi problemi in modi diversi e unici», afferma Vidyasagar.
