Uber usa OpenAI para ajudar pessoas a lucrar e reservar rápido

Todos os dias, milhões de pessoas contam com a Uber para pedir corridas, encomendar refeições, enviar pacotes e ganhar dinheiro com flexibilidade. Por trás de cada toque há um marketplace complexo em tempo real, moldado por trânsito, clima, chegadas em aeroportos, eventos locais e demanda. A Uber opera em escala massiva: 40 milhões de viagens por dia, 10 milhões de motoristas e entregadores em 15.000 cidades de mais de 70 países. Cada cidade tem sua própria dinâmica operacional, regulamentações e comportamento dos usuários, criando um sistema que precisa se adaptar continuamente em escala global.

A Uber usa aprendizado de máquina há muito tempo para dar suporte ao seu marketplace. E agora, com o benefício dos LLMs e dos modelos de fronteira da OpenAI, a Uber pode raciocinar sobre sinais complexos com mais rapidez, oferecer respostas conversacionais rápidas e viabilizar experiências de voz dentro do app.

A colaboração entre Uber e OpenAI está ajudando a Uber a criar produtos com tecnologia de IA que simplificam as oportunidades de ganhos para motoristas e entregadores e reduzem o atrito para os passageiros. E, usando os modelos da OpenAI, a Uber pode lançar produtos e experiências simplificados mais rápido do que nunca.

Para os motoristas, a flexibilidade é um dos maiores pontos fortes da Uber. Alguns dirigem em tempo integral, outros apenas nos fins de semana, enquanto alguns dirigem entre aulas ou turnos. Essa flexibilidade também significa que os motoristas estão avaliando opções e fazendo perguntas o tempo todo: Onde devo me posicionar agora? Vale a pena ir de carro até o aeroporto? Devo mudar de corridas para entregas na hora do almoço? Por que meus ganhos pareceram diferentes hoje?

Para ajudar a responder a essas perguntas, a Uber desenvolveu o Uber Assistant, um assistente com tecnologia de IA criado para ajudar motoristas ao longo de todo o seu ciclo na plataforma — do cadastro e das primeiras viagens à otimização dos ganhos no dia a dia.

“Queremos permitir que os motoristas tomem decisões melhores para si mesmos, oferecendo uma visão resumida do marketplace e insights em tempo real”, diz Dharmin Parikh, Diretor de Gestão de Produto da Uber.

O Assistant ajuda os motoristas a saber onde e quando ganhar ao transformar dados complexos, como tendências de ganhos e mapas de calor, em insights simples e acionáveis de posicionamento. Eles podem então fazer perguntas de acompanhamento em linguagem simples, receber respostas personalizadas e navegar facilmente pelo app.

O objetivo da Uber é reduzir a sobrecarga cognitiva — o esforço necessário para interpretar dados complexos do marketplace enquanto se tenta ganhar dinheiro.

Isso se mostrou especialmente valioso para novos motoristas. A Uber descobriu que usar IA para resumir e comunicar com clareza os dados da Uber no mundo real pode acelerar a curva de aprendizagem, ajudando motoristas a aprender fluxos de trabalho e a dinâmica do marketplace muito mais rápido do que apenas por tentativa e erro.

Embora se esperasse inicialmente que o Uber Assistant ajudasse mais os motoristas novos, motoristas experientes também voltaram repetidamente para fazer perguntas de acompanhamento e otimizar seu tempo na plataforma — validando o produto como uma utilidade de longo prazo, não apenas uma ferramenta de integração.

“O Assistant está ajudando os motoristas a aprender rapidamente, em comparação com fazer várias centenas de viagens para entender como a plataforma funciona”, diz Parikh.

Para a Uber, precisão, segurança, confiabilidade e velocidade são prioridades máximas ao implementar qualquer sistema de IA cujas saídas irão interagir com motoristas e entregadores. Considerações críticas incluem manter as respostas dentro da política e garantir que a latência atenda ao padrão que os usuários esperam de um app móvel em tempo real.

É por isso que a Uber projetou o Uber Assistant com base em três princípios centrais: segurança, confiança e baixa latência.

As equipes de engenharia da Uber criaram uma arquitetura multiagente que encaminha cada solicitação do usuário para o sistema especializado mais apropriado. Por exemplo, perguntas sobre ganhos podem ser tratadas de forma diferente de perguntas sobre integração, e a orientação do marketplace exige um raciocínio diferente de ações transacionais.

Essa arquitetura permite que a Uber encaminhe cada tarefa para o modelo mais adequado às suas necessidades operacionais específicas, garantindo que cada consulta seja tratada com o foco apropriado no que mais importa.

Para classificação leve e respostas rápidas, a Uber usa modelos nano/mini mais rápidos. Para tarefas mais complexas, a Uber aproveita modelos de raciocínio maiores.

A Uber também desenvolveu o AI Guard, uma camada interna de governança que ajuda a filtrar prompts e respostas para promover segurança, privacidade e proteção, aplicar políticas, reduzir alucinações e manter consistência entre as experiências.

Quando os motoristas recebem recomendações precisas e úteis, eles voltam. Fazem mais perguntas. Interagem repetidamente. E passam mais tempo produtivo na plataforma.

“Se os usuários não confiam no sistema, você os perde rapidamente”, diz Parikh. “Mas, quando eles veem valor, voltam.”

A Uber também está aplicando as APIs Realtime da OpenAI a uma das próximas grandes mudanças de interface na tecnologia: a voz.

Digitar em um app pode ser eficiente para solicitações simples. Mas muitas necessidades de transporte e comércio são mais complexas.

Um viajante pode querer dizer: “Estou com cinco malas e mais cinco pessoas comigo. Preciso de uma boa corrida até o aeroporto. O que você recomenda?” Um idoso ou uma pessoa com deficiência visual pode preferir falar em vez de tocar em menus.

As novas experiências de voz da Uber foram projetadas para tornar esses momentos sem atrito. Os usuários podem tocar no ícone do microfone na barra de busca “para onde?” no app da Uber e solicitar uma corrida usando fala natural. O sistema usa a Realtime API e outros modelos de fronteira para interpretar a intenção, aproveita locais salvos e o contexto do cliente, e faz recomendações — ao mesmo tempo em que sincroniza respostas faladas e visuais dentro do app.

Isso pode significar sugerir UberXL para viagens com muita bagagem ou reconhecer destinos salvos como “casa”.

“A voz remove a barreira de concluir uma tarefa por vez”, diz Parikh. “Você pode expressar a intenção completa naturalmente, e o sistema pode orquestrar o resultado.”

A voz também amplia a acessibilidade e libera novos fluxos de trabalho em todo o ecossistema da Uber. Do lado do motorista, ela permite que os motoristas interajam com o app sem usar as mãos. Do lado do passageiro, pode reduzir o atrito para clientes que querem interações mais rápidas e simples.

“A voz remove a barreira dos múltiplos toques porque você pode dizer várias coisas”, diz Vidyasagar. “Ela libera essa capacidade de conectar as várias partes do ecossistema.”

À medida que os recursos dos LLMs evoluem rapidamente, a Uber também mudou a forma como as equipes constroem.

Engenheiros de toda a organização trabalham com prompting, sistemas de recuperação, pipelines de avaliação e frameworks de orquestração. As equipes de produto, jurídico, operações e design colaboram mais de perto para definir limites de política, testar resultados e melhorar as experiências dos usuários.

Em vez de uma pequena equipe centralizada de IA ser responsável pela inovação, a inteligência agora pode ser incorporada em toda a empresa.

“Não é mais um grupo especializado fazendo tudo isso”, diz Vidyasagar. “Muitas equipes podem contribuir porque as barreiras para construir diminuíram.”

Essa mudança acelera a experimentação e cria novas ideias em todo o ecossistema da Uber.

“Cada trajeto, cada viagem é uma sequência de eventos, e entender e processar essa nuance é o que o LLM libera para nós”, diz Vidyasagar. “Isso nos dá muitas informações sobre para onde devemos ir em seguida, e essa liberação — na escala que temos — é excepcionalmente poderosa.”

O Uber Assistant agora foi expandido pela rede de motoristas dos EUA em um lançamento experimental, enquanto a Uber continua testando e refinando a experiência:

• Centenas de milhares de motoristas nos EUA agora têm acesso às experiências beta do Uber Assistant
• Melhorando o suporte para motoristas em início de jornada, ajudando novos motoristas a se posicionarem melhor para conseguir mais viagens
• Alto engajamento recorrente, com usuários retornando após interações bem-sucedidas
• Melhor aproveitamento do tempo na plataforma por meio de insights mais inteligentes do marketplace
• Ciclos de iteração de produto mais rápidos por meio da especialização de modelos e de sistemas contínuos de avaliação

De ajudar um novo motorista a conseguir sua primeira viagem a orientar um motorista experiente em busca de melhores oportunidades de ganhos, a Uber está usando os modelos da OpenAI para tornar o trabalho mais produtivo, o transporte mais fluido e a logística do dia a dia mais humana.

“Como engenheira, a OpenAI simplesmente libera a capacidade de resolver esses problemas de maneiras diferentes e únicas”, diz Vidyasagar.