Uber använder OpenAI för smartare intjäning och snabbare bokning

Varje dag förlitar sig miljontals människor på Uber för att boka resor, beställa mat, skicka paket och arbeta flexibelt. Bakom varje tryck finns en komplex marknadsplats i realtid som formas av trafik, väder, ankomster till flygplatser, lokala evenemang och efterfrågan. Uber verkar i enorm skala: 40 miljoner resor per dag, 10 miljoner förare och bud i 15 000 städer i över 70 länder. Varje stad har sin egen operativa dynamik, sina regler och sina resenärsbeteenden, vilket skapar ett system som måste anpassa sig kontinuerligt i global skala.

Uber har länge använt maskininlärning för att stödja sin marknadsplats. Och nu, med hjälp av stora språkmodeller och OpenAIs frontier-modeller, kan Uber resonera kring komplexa signaler snabbare, leverera snabba konversationsbaserade svar och driva röstupplevelser i appen.

Samarbetet mellan Uber och OpenAI hjälper Uber att bygga AI-drivna produkter som förenklar möjligheterna att tjäna pengar för förare och bud och minskar friktionen för passagerare. Och med OpenAIs modeller kan Uber lansera strömlinjeformade produkter och upplevelser snabbare än någonsin.

För förare är flexibilitet en av Ubers största styrkor. Vissa kör på heltid, andra bara på helger, medan vissa kör mellan lektioner eller arbetspass. Denna flexibilitet innebär också att förare ständigt utvärderar alternativ och ställer frågor: Var ska jag positionera mig just nu? Är det värt att köra till flygplatsen? Ska jag byta från resor till leveranser under lunchen? Varför såg mina intäkter annorlunda ut i dag?

För att hjälpa till att besvara dessa frågor utvecklade Uber Uber Assistant, en AI-driven assistent utformad för att hjälpa förare genom hela deras livscykel på plattformen – från onboarding och de första resorna till daglig optimering av intäkter.

”Vi vill göra det möjligt för förare att fatta bättre beslut för egen del genom att ge dem en sammanfattad bild av marknadsplatsen och insikter i realtid”, säger Dharmin Parikh, Director of Product Management på Uber.

Assistant hjälper förare att förstå var och när de ska tjäna pengar genom att omvandla komplex data som intäktstrender och värmekartor till enkla, praktiska insikter om positionering. De kan sedan ställa följdfrågor på vanligt språk, få skräddarsydda svar och enkelt navigera i appen.

Ubers mål är att minska den kognitiva belastningen – den ansträngning som krävs för att tolka komplex marknadsplatsdata samtidigt som man försöker tjäna pengar.

Det har visat sig vara särskilt värdefullt för nya förare. Uber fann att användning av AI för att sammanfatta och enkelt kommunicera Ubers verkliga data kan påskynda uppstarten genom att hjälpa förare att lära sig arbetsflöden och marknadsplatsens dynamik mycket snabbare jämfört med att enbart förlita sig på praktisk erfarenhet.

Även om Uber Assistant till en början förväntades hjälpa nyare förare mest återkom även erfarna förare gång på gång för att ställa följdfrågor och optimera sin tid på plattformen – vilket bekräftade produkten som ett långsiktigt verktyg, inte bara ett onboardingverktyg.

”Assistant hjälper förare att komma igång snabbt, jämfört med att behöva göra flera hundra resor för att förstå hur plattformen fungerar”, säger Parikh.

För Uber är noggrannhet, säkerhet, tillförlitlighet och snabbhet högsta prioritet när man implementerar AI-system vars utdata ska interagera med förare och bud. Kritiska överväganden är bland annat att svaren håller sig inom policyn och att svarstiden motsvarar den standard som användare förväntar sig av en mobilapp i realtid.

Därför utformade Uber Uber Assistant utifrån tre kärnprinciper: säkerhet, förtroende och låg latens.

Ubers ingenjörsteam byggde en arkitektur med flera agenter som dirigerar varje användarförfrågan till det mest lämpliga specialiserade systemet. Till exempel kan frågor om intäkter hanteras på ett annat sätt än frågor om onboarding, och vägledning för marknadsplatsen kräver ett annat resonemang än transaktionsåtgärder.

Denna arkitektur gör det möjligt för Uber att dirigera varje uppgift till den modell som är bäst lämpad för dess specifika operativa behov, vilket säkerställer att varje fråga hanteras med rätt fokus på det som är viktigast.

För lättviktsklassificering och snabba svar använder Uber snabbare nano-/minimodeller. För mer komplexa uppgifter använder Uber större Resonemangsmodeller.

Uber utvecklade också AI Guard, ett internt styrningslager som hjälper till att granska promptar och svar för att främja säkerhet, integritet och trygghet, upprätthålla policyer, minska hallucinationer och bibehålla konsekvens mellan olika upplevelser.

När förare får korrekta och användbara rekommendationer kommer de tillbaka. De ställer fler frågor. De återkommer gång på gång. Och de tillbringar mer produktiv tid på plattformen.

”Om användarna inte litar på systemet förlorar man dem snabbt”, säger Parikh. ”Men när de ser värde kommer de tillbaka.”

Uber tillämpar också OpenAI Realtime API:er på en av de nästa stora gränssnittsförändringarna inom teknik: röstfunktionen.

Att skriva i en app kan vara effektivt för enkla förfrågningar. Men många behov inom transport och handel är mer komplexa.

En resenär kanske vill säga: ”Jag har fem bagage och fem andra personer med mig. Jag behöver en bra resa till flygplatsen. Vad rekommenderar du?” En äldre person eller en synskadad passagerare kanske föredrar att tala i stället för att trycka sig fram genom menyer.

Ubers nya röstupplevelser är utformade för att göra dessa ögonblick friktionsfria. Användare kan trycka på mikrofonikonen i sökfältet ”vart ska du?” i Uber-appen och beställa en resa med naturligt tal. Systemet använder Realtime API och andra frontier-modeller för att tolka avsikten, använder sparade platser och kundkontext och ger rekommendationer – samtidigt som talade och visuella svar synkroniseras i appen.

Det kan innebära att föreslå UberXL för resor med mycket bagage eller att känna igen sparade destinationer som ”hem”.

”Röst tar bort hindret att slutföra en uppgift i taget”, säger Parikh. ”Du kan uttrycka hela din avsikt naturligt, och systemet kan orkestrera resultatet.”

Röstfunktionen ökar också tillgängligheten och öppnar upp nya arbetsflöden i hela Ubers ekosystem. På förarsidan gör det det möjligt för förare att interagera med appen handsfree. På passagerarsidan kan det minska friktionen för kunder som vill ha snabbare och enklare interaktioner.

”Röststyrning eliminerar behovet av att trycka sig fram genom flera steg eftersom du kan ge flera instruktioner i följd”, säger Vidyasagar. ”Det öppnar möjligheten att koppla samman ekosystemets olika delar.”

I takt med att LLM-kapaciteten utvecklas snabbt har Uber också förändrat hur team bygger.

Ingenjörer i hela organisationen arbetar med prompting, hämtningssystem, utvärderingspipelines och orkestreringsramverk. Team inom produkt, juridik, drift och design samarbetar närmare för att definiera policygränser, testa utdata och förbättra användarupplevelser.

I stället för att ett litet centraliserat AI-team äger innovationen kan intelligens nu byggas in i hela företaget.

”Det är inte längre en specialiserad grupp som gör allt detta”, säger Vidyasagar. ”Många team kan bidra eftersom trösklarna för att bygga har sänkts.”

Den förändringen påskyndar experimenterandet och skapar nya idéer i hela Ubers ekosystem.

”Varje körning, varje resa är en sekvens av händelser, och att förstå och bearbeta den nyansen är vad LLM ger oss möjlighet till”, säger Vidyasagar. ”Det ger oss mycket information om vilken riktning vi bör ta, och den möjligheten – i den skala vi har – är exceptionellt kraftfull.”

Uber Assistant har nu utökats till förarnätverket i USA i en experimentell utrullning, samtidigt som Uber fortsätter att testa och förfina upplevelsen:

• Hundratusentals förare i USA har nu tillgång till betaupplevelser med Uber Assistant
• Förbättrat stöd för förare tidigt i livscykeln, vilket hjälper nya förare att positionera sig bättre för fler resor
• Starkt upprepat engagemang, där användare återvänder efter lyckade interaktioner
• Bättre tidsutnyttjande på plattformen genom smartare insikter om marknadsplatsen
• Snabbare produktiterationscykler genom modellspecialisering och kontinuerliga utvärderingssystem

Uber använder OpenAI:s modeller för att hjälpa nya förare att komma igång, vägleda erfarna förare till bättre inkomstmöjligheter och göra arbetet mer produktivt, transporterna smidigare och göra vardagens logistik mer mänsklig.

”Som ingenjör ger OpenAI oss helt enkelt möjligheten att lösa de problemen på olika och unika sätt”, säger Vidyasagar.