Uber, OpenAI로 더 똑똑한 수익 창출과 더 빠른 예약 지원

매일 수백만 명의 사람들이 Uber를 이용해 차량을 예약하고, 음식을 주문하고, 소포를 보내고, 유연하게 수입을 올립니다. 모든 탭 뒤에는 교통, 날씨, 공항 도착, 지역 행사, 수요에 따라 움직이는 복잡한 실시간 마켓플레이스가 있습니다. Uber는 막대한 규모로 운영됩니다. 하루 4천만 건의 이동, 70개국 이상 1만 5천 개 도시의 1천만 명 드라이버와 배달원이 함께합니다. 각 도시는 고유한 운영 방식, 규제, 이용자 행동을 지니고 있어, 시스템은 전 세계 규모에서 지속적으로 적응해야 합니다.

Uber는 오랫동안 머신러닝을 활용해 자사 마켓플레이스를 지원해 왔습니다. 이제는 대규모 언어 모델과 OpenAI 최첨단 모델의 이점을 바탕으로, Uber는 복잡한 신호를 더 빠르게 추론하고, 빠른 대화형 응답을 제공하며, 앱 내 음성 경험을 구현할 수 있습니다.

Uber와 OpenAI의 협력은 드라이버와 배달원의 수익 기회를 더 단순하게 만들고 이용자의 마찰을 줄이는 AI 기반 제품 개발에 도움을 주고 있습니다. 또한 OpenAI의 모델을 사용해 Uber는 그 어느 때보다 빠르게 간결한 제품과 경험을 출시할 수 있습니다.

드라이버에게 유연성은 Uber의 가장 큰 강점 중 하나입니다. 어떤 이는 전업으로 운전하고, 어떤 이는 주말에만 운전하며, 또 어떤 이는 수업이나 교대 근무 사이에 운전합니다. 이런 유연성은 동시에 드라이버가 끊임없이 선택지를 평가하고 질문하도록 만듭니다. 지금 나는 어디에 있어야 할까? 공항으로 가는 게 가치가 있을까? 점심 시간에는 승차에서 배달로 전환해야 할까? 오늘 수입이 평소와 다르게 보인 이유는 뭘까?

이런 질문에 답하기 위해 Uber는 Uber Assistant를 개발했습니다. 이 AI 기반 어시스턴트는 플랫폼에서의 전체 여정—온보딩과 첫 운행부터 일상적인 수익 최적화까지—전반에 걸쳐 드라이버를 돕도록 설계되었습니다.

Uber 제품 관리 디렉터 Dharmin Parikh는 “마켓플레이스를 요약해서 보여주고 실시간 인사이트를 제공함으로써 드라이버가 스스로 더 나은 결정을 내릴 수 있도록 지원하고 싶습니다”라고 말합니다.

Assistant는 수익 추세와 히트맵 같은 복잡한 데이터를 단순하고 실행 가능한 위치 선정 인사이트로 바꾸어, 드라이버가 어디서 언제 수익을 올려야 할지 돕습니다. 이후 드라이버는 일상적인 언어로 후속 질문을 하고, 맞춤형 응답을 받으며, 앱을 쉽게 탐색할 수 있습니다.

Uber의 목표는 인지 부담, 즉 수익을 올리려는 동시에 복잡한 마켓플레이스 데이터를 해석하는 데 필요한 노력을 줄이는 것입니다.

이는 특히 신규 드라이버에게 큰 가치를 입증했습니다. Uber는 AI를 사용해 Uber의 실제 데이터를 요약하고 쉽게 전달하면 시행착오만으로 배울 때보다 훨씬 빠르게 워크플로와 마켓플레이스의 작동 방식을 익히도록 도와 초기 적응을 가속화할 수 있음을 확인했습니다.

처음에는 Uber Assistant가 신규 드라이버에게 가장 큰 도움이 될 것으로 예상됐지만, 숙련된 드라이버들 또한 후속 질문을 하고 플랫폼에서의 시간을 최적화하기 위해 반복적으로 돌아왔습니다. 이는 이 제품이 단순한 온보딩 도구가 아니라 장기적으로 유용한 도구임을 보여줍니다.

Parikh는 “Assistant는 드라이버가 플랫폼의 작동 방식을 이해하기 위해 수백 번의 운행을 거치는 것보다 훨씬 빠르게 적응하도록 돕고 있습니다”라고 말합니다.

Uber에게 드라이버와 배달원과 상호작용하는 모든 AI 시스템을 구현할 때 정확성, 안전성, 신뢰성, 속도는 최우선 과제입니다. 중요한 고려 사항으로는 응답이 정책 범위 안에 머무는지, 그리고 지연 시간이 사용자가 실시간 모바일 앱에서 기대하는 수준을 충족하는지가 있습니다.

그래서 Uber는 Uber Assistant를 세 가지 핵심 원칙, 즉 안전, 신뢰, 낮은 지연 시간을 중심으로 설계했습니다.

Uber의 엔지니어링 팀은 각 사용자 요청을 가장 적합한 전문 시스템으로 라우팅하는 멀티 에이전트 아키텍처를 구축했습니다. 예를 들어 수익 관련 질문은 온보딩 관련 질문과 다르게 처리할 수 있고, 마켓플레이스 안내에는 거래성 작업과 다른 추론이 필요합니다.

이 아키텍처는 Uber가 각 작업을 해당 운영 요구에 가장 적합한 모델로 라우팅할 수 있게 하여, 모든 질의가 무엇이 가장 중요한지에 대한 적절한 초점 속에서 처리되도록 보장합니다.

가벼운 분류 작업과 빠른 응답에는 더 빠른 nano/mini 모델을 사용합니다. 더 복잡한 작업에는 더 큰 추론 모델을 활용합니다.

Uber는 또한 안전, 프라이버시, 보안을 강화하고, 정책을 집행하며, 환각을 줄이고, 경험 전반의 일관성을 유지하기 위해 프롬프트와 응답을 점검하는 내부 거버넌스 계층인 AI Guard를 개발했습니다.

드라이버가 정확하고 유용한 추천을 받으면 다시 돌아옵니다. 더 많은 질문을 하고, 반복적으로 참여하며, 플랫폼에서 더 생산적인 시간을 보냅니다.

Parikh는 “사용자가 시스템을 신뢰하지 않으면 금방 이탈합니다. 하지만 가치를 확인하면 다시 돌아옵니다”라고 말합니다.

Uber는 또한 기술의 다음 주요 인터페이스 전환 중 하나인 음성에 OpenAI Realtime API를 적용하고 있습니다.

앱에 입력하는 방식은 단순한 요청에는 효율적일 수 있습니다. 하지만 많은 교통 및 상거래 관련 요구는 더 복잡합니다.

여행자는 “짐이 다섯 개 있고 저 말고 다섯 명이 더 있어요. 공항까지 편안한 차량이 필요해요. 무엇을 추천하시나요?”라고 말하고 싶을 수 있습니다. 고령자나 시각 장애가 있는 이용자는 메뉴를 여러 번 탭하는 것보다 말하는 방식을 선호할 수 있습니다.

Uber의 새로운 음성 경험은 이런 순간을 마찰 없이 만들도록 설계되었습니다. 사용자는 Uber 앱의 ‘어디로?’ 검색창에서 마이크 아이콘을 탭하고 자연스러운 음성으로 차량을 요청할 수 있습니다. 시스템은 Realtime API와 기타 최첨단 모델을 사용해 의도를 해석하고, 저장된 위치와 고객 맥락을 활용해 추천을 제공하며, 앱 안에서 음성과 시각적 응답을 동기화합니다.

이는 짐이 많은 이동에 UberXL을 제안하거나 “집” 같은 저장된 목적지를 인식하는 것을 의미할 수 있습니다.

Parikh는 “음성은 한 번에 하나의 작업만 완료해야 하는 장벽을 없애 줍니다. 의도를 자연스럽게 온전히 표현할 수 있고, 시스템은 그 결과를 조율할 수 있습니다”라고 말합니다.

음성은 또한 접근성을 확장하고 Uber 생태계 전반에서 새로운 워크플로를 열어 줍니다. 드라이버 측면에서는 핸즈프리로 앱과 상호작용할 수 있게 해주고, 이용자 측면에서는 더 빠르고 단순한 상호작용을 원하는 고객의 마찰을 줄일 수 있습니다.

Vidyasagar는 “음성은 여러 번 탭해야 하는 장벽을 없애 줍니다. 여러 가지를 한 번에 말할 수 있기 때문이죠. 생태계의 다양한 부분을 연결하는 능력을 열어 줍니다”라고 말합니다.

LLM 역량이 빠르게 발전함에 따라 Uber는 팀이 제품을 만드는 방식도 바꾸고 있습니다.

조직 전반의 엔지니어들은 프롬프트 작성, 검색 시스템, 평가 파이프라인, 오케스트레이션 프레임워크를 다룹니다. 제품, 법무, 운영, 디자인 팀은 정책 경계를 정의하고, 출력을 테스트하며, 사용자 경험을 개선하기 위해 더욱 긴밀하게 협업합니다.

혁신을 소수의 중앙 AI 팀이 전담하던 방식에서 벗어나, 이제는 지능이 회사 전체에 내재될 수 있습니다.

Vidyasagar는 “더 이상 이 모든 일을 하나의 전문 그룹만 하는 시대가 아닙니다. 구축 장벽이 낮아졌기 때문에 많은 팀이 기여할 수 있습니다”라고 말합니다.

이러한 변화는 실험을 가속화하고 Uber 생태계 전반에서 새로운 아이디어를 만들어 냅니다.

Vidyasagar는 “모든 운행과 모든 이동은 사건의 연속이며, 그 미묘한 차이를 이해하고 처리하는 것이 LLM이 우리에게 열어 주는 부분입니다. 이는 우리가 다음에 어디로 가야 하는지에 대한 많은 정보를 제공하고, 우리가 가진 규모에서 그런 가능성은 대단히 강력합니다”라고 말합니다.

Uber Assistant는 이제 미국 드라이버 네트워크 전반에 실험적으로 확대 배포되었으며, Uber는 계속해서 경험을 테스트하고 개선하고 있습니다.

• 수십만 명의 미국 드라이버가 이제 Uber Assistant 베타 경험에 접근 가능
• 초기 단계 드라이버 지원을 개선해 신규 드라이버가 더 많은 운행을 위해 더 나은 위치를 잡도록 도움
• 성공적인 상호작용 이후 사용자가 다시 돌아오는 강력한 반복 참여
• 더 똑똑한 마켓플레이스 인사이트를 통한 플랫폼 내 시간 활용도 향상
• 모델 전문화와 지속적인 평가 시스템을 통한 더 빠른 제품 반복 주기

첫 운행을 시작하는 신규 드라이버를 돕는 것부터 더 나은 수익 기회를 찾는 숙련 드라이버를 안내하는 것까지, Uber는 OpenAI 모델을 활용해 일을 더 생산적으로, 이동을 더 매끄럽게, 일상의 물류를 더 인간적으로 만들고 있습니다.

Vidyasagar는 “엔지니어로서 OpenAI는 그런 문제를 서로 다르고 고유한 방식으로 해결할 수 있는 능력을 열어 줍니다”라고 말합니다.