Uber folosește OpenAI pentru a ajuta oamenii să rezerve mai rapid

În fiecare zi, milioane de oameni se bazează pe Uber pentru a rezerva curse, a comanda mâncare, a trimite colete și a câștiga flexibil. În spatele fiecărei atingeri se află o piață complexă, în timp real, modelată de trafic, vreme, sosiri la aeroport, evenimente locale și cerere. Uber operează la scară masivă: 40 de milioane de curse pe zi, 10 milioane de șoferi și curieri în 15.000 de orașe din peste 70 de țări. Fiecare oraș are propriile sale dinamici operaționale, reglementări și comportamente ale pasagerilor, creând un sistem care trebuie să se adapteze continuu la scară globală.

Uber folosește de mult timp învățarea automată pentru a-și susține piața. Iar acum, cu avantajul modelelor lingvistice mari și al modelelor de frontieră OpenAI, Uber poate face raţionamente pe baza unor semnale complexe mai rapid, poate oferi răspunsuri conversaționale rapide și poate susține experiențe vocale în interiorul aplicației.

Colaborarea dintre Uber și OpenAI ajută Uber să construiască produse bazate pe AI care simplifică oportunitățile de câștig pentru șoferi și curieri și reduc fricțiunea pentru pasageri. Iar folosind modelele OpenAI, Uber poate lansa produse și experiențe simplificate mai rapid ca niciodată.

Pentru șoferi, flexibilitatea este unul dintre cele mai mari puncte forte ale Uber. Unii conduc cu normă întreagă, alții doar în weekend, iar alții conduc între cursuri sau ture. Această flexibilitate înseamnă și că șoferii evaluează constant opțiuni și pun întrebări: Unde ar trebui să mă poziționez chiar acum? Merită să merg la aeroport? Ar trebui să trec de la curse la livrări la prânz? De ce au arătat câștigurile mele diferit astăzi?

Pentru a ajuta la răspunsul acestor întrebări, Uber a dezvoltat Uber Assistant, un asistent bazat pe AI conceput pentru a-i ajuta pe șoferi pe tot parcursul ciclului lor de viață pe platformă — de la integrare și primele curse până la optimizarea câștigurilor de zi cu zi.

„Vrem să le permitem șoferilor să ia decizii mai bune pentru ei înșiși, oferind o imagine sintetizată a pieței și informații în timp real”, spune Dharmin Parikh, Director of Product Management la Uber.

Assistant îi ajută pe șoferi să înțeleagă unde și când să câștige, transformând date complexe precum tendințele câștigurilor și hărțile termice în informații simple și acționabile despre poziționare. Apoi pot pune întrebări suplimentare în limbaj obișnuit, pot primi răspunsuri personalizate și pot naviga ușor în aplicație.

Obiectivul Uber este să reducă supraîncărcarea cognitivă — efortul necesar pentru a interpreta date complexe din piață în timp ce încerci să câștigi.

Acest lucru s-a dovedit deosebit de valoros pentru șoferii noi. Uber a constatat că folosirea AI pentru a sintetiza și comunica ușor datele reale ale Uber poate accelera perioada de acomodare, ajutând șoferii să învețe fluxurile de lucru și dinamica pieței mult mai repede decât doar prin încercări și erori.

Deși inițial se aștepta ca Uber Assistant să îi ajute mai ales pe șoferii noi, și șoferii experimentați au revenit în mod repetat pentru a pune întrebări suplimentare și pentru a-și optimiza timpul pe platformă — validând produsul ca utilitate pe termen lung, nu doar ca instrument de integrare.

„Assistant îi ajută pe șoferi să se adapteze rapid, comparativ cu efectuarea a câtorva sute de curse pentru a înțelege cum funcționează platforma”, spune Parikh.

Pentru Uber, acuratețea, siguranța, încrederea și viteza sunt priorități de top atunci când implementează orice sistem AI ale cărui rezultate vor interacționa cu șoferii și curierii. Aspectele critice includ ca răspunsurile să rămână în limitele politicilor, iar latența să respecte standardul pe care utilizatorii îl așteaptă de la o aplicație mobilă în timp real.

De aceea, Uber a proiectat Uber Assistant în jurul a trei principii de bază: siguranță, încredere și latență redusă.

Echipele de inginerie Uber au construit o arhitectură multi-agent care direcționează fiecare cerere a utilizatorului către cel mai potrivit sistem specializat. De exemplu, întrebările despre câștiguri pot fi tratate diferit față de întrebările despre integrare, iar îndrumarea privind piața necesită un alt tip de raţionament decât acțiunile tranzacționale.

Această arhitectură îi permite Uber să direcționeze fiecare sarcină către modelul cel mai potrivit pentru nevoile sale operaționale specifice, asigurând că fiecare solicitare este tratată cu accentul adecvat pe ceea ce contează cel mai mult.

Pentru clasificare ușoară și răspunsuri rapide, Uber folosește modele nano/mini mai rapide. Pentru sarcini mai complexe, Uber utilizează modele mai mari, de raţionament.

Uber a dezvoltat și AI Guard, un strat intern de guvernanță care ajută la verificarea solicitărilor și răspunsurilor pentru a promova siguranța, confidențialitatea și securitatea, pentru a aplica politicile, a reduce halucinațiile și a menține consecvența între experiențe.

Când șoferii primesc recomandări corecte și utile, revin. Pun mai multe întrebări. Interacționează în mod repetat. Și petrec mai mult timp productiv pe platformă.

„Dacă utilizatorii nu au încredere în sistem, îi pierzi repede”, spune Parikh. „Dar când văd valoare, se întorc.”

Uber aplică, de asemenea, API-urile OpenAI Realtime la una dintre următoarele mari schimbări de interfață din tehnologie: vocea.

Tastarea într-o aplicație poate fi eficientă pentru solicitări simple. Dar multe nevoi de transport și comerț sunt mai complexe.

Un călător ar putea spune: „Am cinci bagaje și încă cinci persoane cu mine. Am nevoie de o cursă confortabilă până la aeroport. Ce recomandați?” O persoană în vârstă sau cu deficiențe de vedere poate prefera să vorbească în loc să atingă meniuri.

Noile experiențe vocale ale Uber sunt concepute pentru a face acele momente lipsite de fricțiune. Utilizatorii pot atinge pictograma microfonului din bara de căutare „încotro” din aplicația Uber și pot solicita o cursă folosind vorbire naturală. Sistemul folosește Realtime API și alte modele de frontieră pentru a interpreta intenția, valorifică locațiile salvate și contextul clientului și face recomandări — sincronizând în același timp răspunsurile vorbite și vizuale în interiorul aplicației.

Asta ar putea însemna sugerarea UberXL pentru curse cu multe bagaje sau recunoașterea unor destinații salvate precum „acasă”.

„Vocea elimină bariera de a finaliza o singură sarcină odată”, spune Parikh. „Poți exprima intenția completă în mod natural, iar sistemul poate orchestra rezultatul.”

Vocea extinde și accesibilitatea și deblochează noi fluxuri de lucru în întregul ecosistem Uber. Pentru șoferi, le permite să interacționeze cu aplicația fără mâini. Pentru pasageri, poate reduce fricțiunea pentru clienții care își doresc interacțiuni mai rapide și mai simple.

„Vocea elimină bariera interacțiunilor multiple, pentru că poți spune mai multe lucruri”, spune Vidyasagar. „Deblochează capacitatea de a conecta diferitele părți ale ecosistemului.”

Pe măsură ce capabilitățile LLM evoluează rapid, Uber a schimbat și modul în care echipele construiesc.

Inginerii din întreaga organizație lucrează cu solicitări, sisteme de recuperare, fluxuri de evaluare și cadre de orchestrare. Echipele de produs, juridic, operațiuni și design colaborează mai strâns pentru a defini limitele politicilor, a testa rezultatele și a îmbunătăți experiențele utilizatorilor.

În loc ca inovația să fie deținută de o mică echipă AI centralizată, inteligența poate fi acum integrată în întreaga companie.

„Nu mai este vorba despre un singur grup specializat care face toate acestea”, spune Vidyasagar. „Multe echipe pot contribui pentru că barierele de construcție au căzut.”

Această schimbare accelerează experimentarea și creează idei noi în întregul ecosistem Uber.

„Fiecare cursă cu mașina, fiecare călătorie este o succesiune de evenimente, iar înțelegerea și procesarea acestei nuanțe este ceea ce LLM ne deblochează”, spune Vidyasagar. „Asta ne oferă multe informații despre direcția în care ar trebui să mergem în continuare, iar această deblocare — la scara la care operăm — este excepțional de puternică.”

Uber Assistant a fost acum extins în întreaga rețea de șoferi din SUA într-o lansare experimentală, în timp ce Uber continuă să testeze și să perfecționeze experiența:

• Sute de mii de șoferi din SUA au acum acces la experiențele beta Uber Assistant
• Îmbunătățirea suportului pentru șoferii aflați la începutul ciclului lor de activitate, ajutându-i pe cei noi să se poziționeze mai bine pentru mai multe curse
• Interacțiune repetată puternică, utilizatorii revenind după interacțiuni reușite
• Utilizare mai bună a timpului pe platformă prin informații mai inteligente despre piață
• Cicluri mai rapide de iterație a produsului prin specializarea modelelor și sisteme de evaluare continuă

De la a ajuta un șofer nou să obțină prima cursă până la ghidarea unui șofer experimentat care caută oportunități mai bune de câștig, Uber folosește modelele OpenAI pentru a face munca mai productivă, transportul mai fluid și logistica de zi cu zi mai umană.

„Ca inginer, OpenAI pur și simplu deblochează capacitatea de a rezolva aceste probleme în moduri diferite și unice”, spune Vidyasagar.