„Uber“ su „OpenAI“ padeda uždirbti ir greičiau teikti užsakymus

Kasdien milijonai žmonių pasikliauja „Uber“, norėdami užsisakyti keliones ar maistą, išsiųsti siuntas ir lanksčiai uždirbti. Už kiekvieno bakstelėjimo slypi sudėtinga realiojo laiko rinka, kurią veikia eismas, orai, atvykstančiųjų srautai oro uostuose, vietos renginiai ir paklausa. „Uber“ veikia milžinišku mastu: 40 mln. kelionių per dieną, 10 mln. vairuotojų ir kurjerių 15 tūkst. miestų daugiau nei 70-yje šalių. Kiekvienas miestas išsiskiria sava veiklos dinamika, reguliavimu ir keleivių elgsena, todėl sistema turi nuolat prisitaikyti pasauliniu mastu.

„Uber“ jau seniai naudoja mašininį mokymąsi savo rinkai palaikyti. O dabar, pasitelkusi didžiuosius kalbos modelius (angl. „Large Language Models“, LLM) ir priešakinius „OpenAI“ modelius, „Uber“ gali greičiau apdoroti sudėtingus signalus, teikti greitus pokalbio tipo atsakymus ir užtikrinti balso funkcijas programoje.

„Uber“ ir „OpenAI“ bendradarbiavimas padeda „Uber“ kurti DI pagrįstus produktus, kurie supaprastina vairuotojų bei kurjerių uždarbio galimybes ir palengvina naudojimąsi keleiviams. Naudodama „OpenAI“ modelius, „Uber“ gali greičiau nei bet kada anksčiau diegti patogesnius produktus ir užtikrinti sklandesnę patirtį.

Vairuotojams lankstumas yra vienas didžiausių „Uber“ pranašumų. Vieni dirba visą dieną, kiti – tik savaitgaliais, o dar kiti – tarp paskaitų ar kitų darbų pamainų. Tačiau toks lankstumas reiškia ir tai, kad vairuotojai nuolat vertina galimybes ir klausia savęs: Kur man dabar geriausia laukti? Ar verta važiuoti į oro uostą? Ar per pietus vertėtų vietoje keleivių vežimo imtis maisto pristatymo? Kodėl šiandien mano uždarbis atrodo kitaip?

Siekdama padėti atsakyti į šiuos klausimus, „Uber“ sukūrė Uber Assistant – DI pagrįstą asistentą, skirtą padėti vairuotojams kiekviename žingsnyje: nuo įvedimo į sistemą ir pirmųjų kelionių iki kasdienio uždarbio optimizavimo.

„Norime suteikti vairuotojams galimybę priimti geresnius sprendimus: tam teikiame apibendrintą rinkos vaizdą ir realiojo laiko įžvalgas“, – sako Dharminas Parikhas, „Uber“ produktų valdymo direktorius.

Asistentas padeda vairuotojams suprasti, kur ir kada geriausia uždirbti. Jis sudėtingus duomenis, pavyzdžiui, uždarbio tendencijas ar šiluminius žemėlapius, paverčia paprastomis ir naudingomis vietos pasirinkimo įžvalgomis. Be to, vairuotojai gali natūralia kalba užduoti papildomų klausimų, gauti pritaikytus atsakymus ir lengvai naršyti programoje.

„Uber“ tikslas – sumažinti kognityvinę apkrovą, t. y. pastangas, kurių reikia norint interpretuoti sudėtingus rinkos duomenis ir kartu bandant uždirbti.

Tai ypač praverčia naujiems vairuotojams. „Uber“ nustatė, kad DI naudojamas realiems duomenims apibendrinti ir aiškiai pateikti padeda greičiau įsibėgėti: vairuotojai daug sparčiau perpranta darbo procesus ir rinkos dinamiką nei mokydamiesi vien iš savo klaidų.

Nors iš pradžių tikėtasi, kad „Uber Assistant“ labiausiai padės naujokams, patyrę vairuotojai taip pat nuolat užduodavo papildomų klausimų ir siekė optimizuoti savo darbo laiką. Tai patvirtino, kad šis produktas yra ne tik įvedimo įrankis, bet ir naudinga ilgalaikė priemonė.

„Asistentas padeda vairuotojams greitai įsibėgėti. Jiems nebereikia atlikti kelių šimtų kelionių vien tam, kad suprastų platformos veikimo principus“, – teigia D. Parikhas.

Kuriant bet kokią DI sistemą, kuri teikia atsakymus vairuotojams ir kurjeriams, „Uber“ svarbiausi prioritetai yra tikslumas, sauga, patikimumas ir greitis. Būtina užtikrinti, kad atsakymai atitiktų įmonės politikos reikalavimus, o sistemos vėlavimas neviršytų standartų, kurių naudotojai tikisi iš realiojo laiko mobiliosios programos.

Todėl „Uber“ sukūrė „Uber Assistant“ remdamasi trimis pagrindiniais principais: sauga, patikimumu ir minimaliu vėlavimu.

„Uber“ inžinerijos komandos sukūrė kelių agentų architektūrą, kuri kiekvieną naudotojo užklausą nukreipia į tinkamiausią specializuotą sistemą. Pavyzdžiui, su uždarbiu susiję klausimai gali būti apdorojami kitaip nei įvedimo į sistemą užklausos, o teikiant rinkos gaires reikalingas kitoks modelio protavimas nei atliekant operacinius veiksmus.

Ši architektūra leidžia „Uber“ priskirti kiekvieną užduotį tam modeliui, kuris geriausiai atitinka konkrečius veiklos poreikius. Taip užtikrinama, kad visos užklausos būtų apdorojamos tinkamai, sutelkiant dėmesį į tai, kas svarbiausia.

Paprastai klasifikacijai ir greitiems atsakymams „Uber“ naudoja spartesnius „nano“ ar „mini“ modelius. Sudėtingesnėms užduotims pasitelkiami didesni, protavimo modeliai.

„Uber“ taip pat sukūrė AI Guard – vidinį valdymo lygmenį, padedantį tikrinti užklausas ir atsakymus. Jis užtikrina saugą bei privatumą, padeda laikytis politikos reikalavimų, sumažina pramanų tikimybę ir išlaiko patirties nuoseklumą.

Kai vairuotojai gauna tikslias ir naudingas rekomendacijas, jie visada sugrįžta. Jie užduoda daugiau klausimų, aktyviau naudojasi sistema ir programoje praleidžia daugiau produktyvaus laiko.

„Jei naudotojai nepasitiki sistema, juos greitai prarandate“, – sako D. Parikhas. „Tačiau kai jie pamato vertę, visada sugrįžta.“

„Uber“ taip pat naudoja „OpenAI Realtime API“ vienam iš svarbiausių technologinių naudotojo sąsajos pokyčių įgyvendinti – valdymui balsu.

Teksto rinkimas programoje gali būti efektyvus paprastoms užklausoms, tačiau daugelis transporto ir prekybos poreikių yra kur kas sudėtingesni.

Keleivis gali norėti pasakyti: „Turiu penkis bagažo vienetus ir dar penkis žmones kartu su savimi. Man reikia patikimo pavėžėjimo į oro uostą. Ką rekomenduotumėte?“ Vyresnio amžiaus žmogus ar regos negalią turintis keleivis taip pat gali teikti pirmenybę kalbėjimui, o ne meniu mygtukų spaudymui.

Naujosios „Uber“ balso funkcijos sukurtos tam, kad šie procesai vyktų kuo sklandžiau. Naudotojai „Uber“ programos paieškos laukelyje „Where to?“ (liet. „Kur vykstate?“) gali paspausti mikrofono piktogramą ir natūralia kalba užsisakyti kelionę. Sistema naudoja „Realtime API“ bei kitus priešakinius modelius ketinimui suprasti: atsižvelgia į išsaugotas vietas, kliento kontekstą ir pateikia rekomendacijas, kartu programoje sinchronizuodama garsinius bei vaizdinius atsakymus.

Pavyzdžiui, sistema gali pasiūlyti „UberXL“, jei keliaujama su dideliu bagažu, arba atpažinti išsaugotas vietas, tokias kaip „Home“ (liet. „Namai“).

„Balsas padeda išvengti būtinybės atlikti veiksmus po vieną“, – teigia D. Parikhas. „Galite natūraliai išreikšti visą savo pageidavimą, o sistema pati suorkestruoja rezultatą.“

Valdymas balsu taip pat didina prieinamumą ir atveria naujų galimybių visoje „Uber“ ekosistemoje. Vairuotojams tai leidžia bendrauti su programa laisvomis rankomis, o keleiviams palengvina užsakymo procesą, užtikrindamas greitesnę ir paprastesnę sąveiką.

„Balsas leidžia išvengti dažno mygtukų spaudymo, nes vienu metu galite išsakyti kelis pageidavimus“, – sako A. Vidyasagar. „Tai atveria galimybes sujungti įvairias ekosistemos dalis.“

Sparčiai tobulėjant LLM galimybėms, „Uber“ taip pat pakeitė savo komandų darbo metodus.

Inžinieriai visoje organizacijoje dirba su užklausomis, paieškos, vertinimo ir orkestravimo sistemomis. Produktų kūrimo, teisės, operacijų bei dizaino komandos glaudžiau bendradarbiauja tarpusavyje: jos apibrėžia politikos ribas, testuoja modelių atsakymus ir gerina naudotojų patirtį.

Užuot patikėjus inovacijas vienai nedidelei centralizuotai DI komandai, dabar dirbtinį intelektą galima integruoti visuose įmonės procesuose.

„Tuo užsiima jau nebe viena specializuota grupė“, – teigia A. Vidyasagar. „Prie kūrimo gali prisidėti daugelis komandų, nes technologiniai barjerai gerokai sumažėjo.“

Šis pokytis spartina eksperimentavimą ir skatina naujų idėjų atsiradimą visoje „Uber“ ekosistemoje.

„Kiekvienas važiavimas, kiekviena kelionė yra įvykių seka, o LLM leidžia mums suprasti bei apdoroti visus šiuos niuansus“, – sako A. Vidyasagar. „Gauname daug informacijos apie tai, kuria linkme turėtume judėti toliau, o toks proveržis mūsų turimu mastu yra išskirtinai reikšmingas.“

„Uber Assistant“ bandomoji versija jau pristatyta visame JAV vairuotojų tinkle. „Uber“ ir toliau testuoja bei tobulina šią funkciją:

• šimtai tūkstančių JAV vairuotojų dabar turi prieigą prie „Uber Assistant“ beta versijos;
• užtikrinamas geresnis palaikymas naujiems vairuotojams, padedantis jiems rasti tinkamiausią vietą ir gauti daugiau užsakymų;
• fiksuojamas aktyvus pakartotinis įsitraukimas – naudotojai mielai sugrįžta po pirmųjų sėkmingų sąveikų;
• efektyviau išnaudojamas darbo laikas programoje, pasitelkus išmanesnes rinkos įžvalgas;
• užtikrinami greitesni produktų iteracijų ciklai dėl modelių specializacijos ir nuolatinio vertinimo sistemų.

Nuo pagalbos pradedančiajam vairuotojui ieškant pirmojo užsakymo iki patyrusio vairuotojo konsultavimo dėl geresnių uždarbio galimybių – „Uber“ naudoja „OpenAI“ modelius tam, kad darbas būtų produktyvesnis, kelionės sklandesnės, o kasdienė logistika paprastesnė ir žmogiškesnė.

„Man, kaip inžinierei, „OpenAI“ atveria galimybes spręsti šias problemas įvairiais ir unikaliais būdais“, – sako A. Vidyasagar.