Uber guna OpenAI untuk jana pendapatan dan tempahan lebih pantas

Setiap hari, berjuta-juta orang bergantung pada Uber untuk menempah perjalanan, memesan makanan, menghantar bungkusan dan menjana pendapatan secara fleksibel. Di sebalik setiap ketikan terdapat pasaran masa nyata yang kompleks, dibentuk oleh trafik, cuaca, ketibaan di lapangan terbang, acara tempatan dan permintaan. Uber beroperasi pada skala yang amat besar: 40 juta perjalanan sehari, 10 juta pemandu dan penghantar di 15,000 bandar di lebih 70 negara. Setiap bandar mempunyai dinamik operasi, peraturan dan tingkah laku penumpangnya sendiri, membentuk satu sistem yang mesti menyesuaikan diri secara berterusan pada skala global.

Uber telah lama menggunakan pembelajaran mesin untuk menyokong pasarannya. Dan kini, dengan manfaat model bahasa besar-besaran dan model perbatasan OpenAI, Uber boleh menganalisis merentas isyarat kompleks dengan lebih cepat, menyampaikan respons perbualan yang pantas dan memperkasakan pengalaman suara di dalam aplikasi.

Kerjasama antara Uber dan OpenAI membantu Uber membina produk yang dikuasakan AI untuk memudahkan peluang menjana pendapatan bagi pemandu dan penghantar serta mengurangkan kerumitan bagi penumpang. Dan dengan menggunakan model-model OpenAI, Uber dapat melancarkan produk dan pengalaman yang diperkemas dengan lebih pantas berbanding sebelum ini.

Bagi pemandu, fleksibiliti ialah salah satu kekuatan terbesar Uber. Ada yang memandu sepenuh masa, ada yang hanya pada hujung minggu, manakala ada juga yang memandu di antara kelas atau syif. Fleksibiliti ini juga bermakna pemandu sentiasa menilai pilihan dan bertanya soalan: Di manakah patut saya menempatkan diri sekarang? Adakah berbaloi untuk memandu ke lapangan terbang? Patutkah saya beralih daripada perjalanan kepada penghantaran semasa waktu makan tengah hari? Mengapakah pendapatan saya kelihatan berbeza hari ini?

Untuk membantu menjawab soalan-soalan tersebut, Uber membangunkan Uber Assistant, pembantu dikuasakan AI yang direka bentuk untuk membantu pemandu sepanjang kitaran hayat mereka di platform—daripada proses penerimaan masuk dan perjalanan pertama hingga kepada pengoptimuman pendapatan harian.

“Kami mahu membolehkan pemandu membuat keputusan yang lebih baik untuk diri mereka sendiri dengan menyediakan gambaran ringkas tentang pasaran dan cerapan masa nyata,” kata Dharmin Parikh, Pengarah Pengurusan Produk di Uber.

Pembantu membantu pemandu menentukan tempat dan masa untuk menjana pendapatan dengan menukar data kompleks seperti trend pendapatan dan peta haba kepada cerapan penentuan kedudukan yang ringkas dan boleh diambil tindakan. Mereka kemudiannya boleh mengemukakan soalan susulan dalam bahasa mudah, menerima respons yang disesuaikan dan menavigasi aplikasi dengan mudah.

Matlamat Uber adalah untuk mengurangkan beban kognitif—usaha yang diperlukan untuk mentafsir data pasaran yang kompleks semasa cuba menjana pendapatan.

Hal itu terbukti sangat berguna untuk pemandu baharu. Uber mendapati bahawa penggunaan AI untuk meringkaskan dan menyampaikan data dunia sebenar Uber dengan mudah boleh mempercepat proses penyesuaian awal dengan membantu pemandu mempelajari aliran kerja dan dinamik pasaran dengan jauh lebih pantas berbanding hanya melalui kaedah cuba jaya.

Walaupun Uber Assistant pada awalnya dijangka paling banyak membantu pemandu baharu, pemandu berpengalaman juga kembali berulang kali untuk mengajukan soalan susulan dan mengoptimumkan masa mereka di platform—mengesahkan produk ini sebagai kegunaan jangka panjang, bukan sekadar alat orientasi pengguna baharu.

“Pembantu membantu pemandu menyesuaikan diri dengan cepat, berbanding perlu mengambil beberapa ratus perjalanan untuk memahami cara platform berfungsi,” kata Parikh.

Bagi Uber, ketepatan, keselamatan, kebolehpercayaan dan kepantasan merupakan keutamaan tertinggi apabila melaksanakan mana-mana sistem AI yang outputnya akan berinteraksi dengan pemandu dan penghantar. Pertimbangan kritikal termasuk respons kekal mematuhi dasar dan kependaman memenuhi piawaian yang dijangkakan pengguna daripada aplikasi mudah alih masa nyata.

Itulah sebabnya Uber mereka bentuk Uber Assistant berpandukan tiga prinsip teras: keselamatan, kepercayaan dan kependaman rendah.

Pasukan kejuruteraan Uber membina seni bina berbilang ejen yang menghalakan setiap permintaan pengguna kepada sistem khusus yang paling sesuai. Sebagai contoh, soalan tentang pendapatan boleh dikendalikan secara berbeza daripada soalan pengenalan pengguna dan panduan pasaran memerlukan penaakulan yang berbeza daripada tindakan transaksi.

Seni bina ini membolehkan Uber menghalakan setiap tugas kepada model yang paling sesuai dengan keperluan operasinya yang khusus, memastikan setiap pertanyaan dikendalikan dengan tumpuan yang sewajarnya pada perkara yang paling penting.

Untuk pengelasan ringan dan respons pantas, Uber menggunakan model nano/mini yang lebih pantas. Untuk tugas yang lebih kompleks, Uber memanfaatkan model penaakulan yang lebih besar.

Uber turut membangunkan AI Guard, lapisan tadbir urus dalaman yang membantu menyaring prom dan respons untuk menggalakkan keselamatan, privasi dan menguatkuasakan dasar, mengurangkan halusinasi, serta mengekalkan ketekalan merentas pengalaman.

Apabila pemandu menerima cadangan yang tepat dan berguna, mereka akan kembali. Mereka bertanya lebih banyak soalan. Mereka berinteraksi berulang kali. Dan mereka meluangkan lebih banyak masa yang produktif di platform tersebut.

“Jika pengguna tidak mempercayai sistem, anda akan kehilangan mereka dengan cepat,” kata Parikh. “Tetapi apabila mereka nampak nilainya, mereka akan kembali.”

Uber juga sedang menerapkan OpenAI Realtime API pada salah satu anjakan besar antara muka seterusnya dalam teknologi: suara.

Menaip dalam aplikasi boleh menjadi cekap untuk permintaan yang ringkas. Namun, banyak keperluan pengangkutan dan perdagangan adalah lebih kompleks.

Seorang pengembara mungkin ingin berkata, “Saya mempunyai lima buah bagasi dan lima orang lain bersama saya. Saya perlukan perjalanan yang selesa ke lapangan terbang. Apa yang anda cadangkan?” Warga emas atau penumpang yang mengalami masalah penglihatan mungkin lebih suka bercakap berbanding mengetik untuk menavigasi menu.

Pengalaman suara baharu Uber direka untuk menjadikan detik-detik tersebut lancar tanpa sebarang halangan. Pengguna boleh mengetik ikon mikrofon pada bar carian ‘ke mana’ dalam aplikasi Uber dan meminta perjalanan menggunakan pertuturan semula jadi. Sistem ini menggunakan Realtime API dan model perbatasan lain untuk mentafsir maksud, memanfaatkan lokasi yang disimpan dan konteks pelanggan, serta membuat pengesyoran—sambil menyegerakkan respons lisan dan visual dalam aplikasi.

Ini boleh bermaksud mencadangkan UberXL untuk perjalanan dengan banyak bagasi atau mengenali destinasi yang disimpan seperti “rumah”.

“Suara menghapuskan halangan untuk hanya menyelesaikan satu tugas pada satu masa,” kata Parikh. “Anda boleh menyampaikan maksud penuh anda secara semula jadi dan sistem boleh menyelaraskan hasilnya.”

Suara juga memperluas kebolehcapaian dan membuka aliran kerja baharu merentas ekosistem Uber. Di pihak pemandu, ini membolehkan pemandu berinteraksi dengan aplikasi tanpa menggunakan tangan. Bagi penumpang, ini dapat mengurangkan kerumitan untuk pelanggan yang mahukan interaksi yang lebih pantas dan lebih mudah.

“Suara menghapuskan halangan perlu mengetik berkali-kali kerana anda boleh menyebut beberapa perkara sekali gus,” kata Vidyasagar. “Ia membuka keupayaan untuk menghubungkan pelbagai bahagian dalam ekosistem tersebut.”

Seiring dengan keupayaan LLM yang berkembang pesat, Uber juga telah mengubah cara pasukan membangunkan sesuatu.

Jurutera di seluruh organisasi bekerja dengan pengepala, Sistem Dapatan Semula, alur kerja penilaian dan rangka kerja penyelarasan. Pasukan produk, perundangan, operasi dan reka bentuk bekerjasama dengan lebih erat untuk menentukan sempadan dasar, menguji output dan meningkatkan pengalaman pengguna.

Daripada inovasi menjadi milik pasukan AI berpusat yang kecil, kecerdasan kini boleh disepadukan di seluruh syarikat.

“Ini bukan lagi satu kumpulan khusus yang melakukan semua ini,” kata Vidyasagar. “Banyak pasukan boleh menyumbang kerana halangan untuk membangunkan sesuatu telah berkurang.”

Peralihan itu mempercepat eksperimen dan mencetuskan idea baharu di seluruh ekosistem Uber.

“Setiap pemanduan, setiap perjalanan ialah satu rangkaian peristiwa dan keupayaan untuk memahami serta memproses nuansa itulah yang dibuka oleh LLM untuk kami,” kata Vidyasagar. “Hal itu memberi kami banyak maklumat tentang ke mana kami patut pergi seterusnya, dan pembukaan keupayaan itu—pada skala yang kami miliki—amat luar biasa berkuasa.”

Uber Assistant kini telah diperluaskan ke seluruh rangkaian pemandu A.S. dalam pelancaran percubaan, sementara Uber terus menguji dan memperhalusi pengalaman tersebut:

• Ratusan ribu pemandu di A.S. kini mempunyai akses kepada pengalaman beta Uber Assistant
• Meningkatkan sokongan untuk pemandu pada peringkat awal kitar hayat, membantu pemandu baharu meletakkan diri mereka pada kedudukan yang lebih baik untuk mendapatkan lebih banyak perjalanan
• Penglibatan berulang yang kukuh, dengan pengguna kembali selepas interaksi yang berjaya
• Penggunaan masa yang lebih baik di platform melalui cerapan pasaran yang lebih pintar
• Kitaran iterasi produk yang lebih pantas melalui pengkhususan model dan sistem penilaian berterusan

Daripada membantu pemandu baharu mendapatkan perjalanan pertama mereka hingga membimbing pemandu berpengalaman yang mencari peluang pendapatan yang lebih baik, Uber menggunakan model-model OpenAI untuk menjadikan kerja lebih produktif, pengangkutan lebih lancar dan logistik harian lebih manusiawi.

“Sebagai seorang jurutera, OpenAI benar-benar membuka keupayaan untuk menyelesaikan masalah tersebut dengan cara yang berbeza dan unik,” kata Vidyasagar.