சம்பாதிக்க, முன்பதிவு செய்ய OpenAI-ஐ Uber பயன்படுத்துகிறது

ஒவ்வொரு நாளும், மில்லியன் கணக்கானோர் பயணங்களை முன்பதிவு செய்ய, உணவு ஆர்டர் செய்ய, பொதிகளை அனுப்ப, மற்றும் இணக்கமாக வருமானம் ஈட்ட Uber-ஐ நம்புகின்றனர். ஒவ்வொரு தட்டலின் பின்னாலும் போக்குவரத்து, வானிலை, விமான நிலைய வருகைகள், உள்ளூர் நிகழ்வுகள், மற்றும் தேவை ஆகியவற்றால் வடிவமைக்கப்படும் சிக்கலான நிகழ்நேர சந்தை உள்ளது. Uber மிகப்பெரிய அளவில் செயல்படுகிறது: தினமும் 40 மில்லியன் பயணங்கள், 70-க்கும் மேற்பட்ட நாடுகளில் 15,000 நகரங்களில் 10 மில்லியன் டிரைவர்கள் மற்றும் கூரியர்கள். ஒவ்வொரு நகரத்திற்கும் தனித்த செயல்பாட்டு இயக்கவியல், விதிமுறைகள், மற்றும் பயணிகளின் நடத்தை உள்ளதால், உலகளாவிய அளவில் தொடர்ந்து தழுவிக்கொள்ள வேண்டிய ஒரு அமைப்பு உருவாகிறது.

தன் சந்தையை ஆதரிக்க Uber நீண்டகாலமாக இயந்திரக் கற்றலை பயன்படுத்தி வருகிறது. இப்போது, பெரிய மொழி மாடல்கள் மற்றும் OpenAI அதிநவீன மாடல்களின் பயனுடன், Uber சிக்கலான சிக்னல்களை வேகமாக ஆராய்ந்து, துரிதமான உரையாடல் பதில்களை வழங்கி, செயலிக்குள் குரல் அனுபவங்களையும் இயக்க முடிகிறது.

Uber மற்றும் OpenAI இடையேயான ஒத்துழைப்பு, டிரைவர்கள் மற்றும் கூரியர்களுக்கான வருமான வாய்ப்புகளை எளிமைப்படுத்தவும், பயணிகளுக்கான சிரமத்தை குறைக்கவும் உதவும் AI-ஆதரித்த தயாரிப்புகளை உருவாக்க Uber-க்கு உதவுகிறது. மேலும் OpenAI-இன் மாடல்களைப் பயன்படுத்தி, Uber முன்னெப்போதும் இல்லாத வேகத்தில் சீரமைக்கப்பட்ட தயாரிப்புகள் மற்றும் அனுபவங்களை வெளியிட முடிகிறது.

டிரைவர்களுக்கு, இணக்கத்தன்மை Uber-இன் மிகப்பெரிய பலங்களில் ஒன்றாகும். சிலர் முழுநேரமாக ஓட்டுகிறார்கள், சிலர் வார இறுதிகளில் மட்டும், இன்னும் சிலர் வகுப்புகள் அல்லது ஷிப்ட்கள் இடையில் ஓட்டுகிறார்கள். இந்த இணக்கத்தன்மை, டிரைவர்கள் தொடர்ந்து விருப்பங்களை மதிப்பிட்டு கேள்விகள் கேட்கிறார்கள் என்பதையும் குறிக்கிறது: நான் இப்போது எங்கு நிலைநிறுத்திக்கொள்ள வேண்டும்? விமான நிலையத்துக்கு ஓட்டிச் செல்லுவது மதிப்புள்ளதா? மதிய வேளையில் பயணங்களிலிருந்து டெலிவரிகளுக்கு மாற வேண்டுமா? இன்று என் வருமானம் ஏன் வேறுபட்டதாகத் தெரிந்தது?

அந்த கேள்விகளுக்கு பதிலளிக்க உதவ, Uber Assistant எனும் AI-ஆதரித்த உதவியாளரை Uber உருவாக்கியது. இது, தளத்தில் டிரைவர்களின் முழு பயணச்சுற்றிலும்—ஆரம்ப சேர்க்கை மற்றும் முதல் பயணங்களிலிருந்து, தினசரி வருமான மேம்படுத்தல் வரை—உதவும்படி வடிவமைக்கப்பட்டுள்ளது.

“சந்தையின் சுருக்கமான பார்வையையும் நிகழ்நேர உள்ளுணர்வுகளையும் வழங்கி, டிரைவர்கள் தங்களுக்காக சிறந்த முடிவுகளை எடுக்க உதவ விரும்புகிறோம்,” என்று Uber-இல் தயாரிப்பு மேலாண்மை இயக்குநர் தார்மின் பாரிக் கூறுகிறார்.

Assistant, வருமானப் போக்குகள் மற்றும் வெப்ப வரைபடங்கள் போன்ற சிக்கலான தரவுகளை எளிய, செயல்படுத்தக்கூடிய நிலைநிறுத்தல் உள்ளுணர்வுகளாக மாற்றி, எங்கு எப்போது சம்பாதிக்கலாம் என்பதில் டிரைவர்களுக்கு உதவுகிறது. அதன் பின் அவர்கள் இயல்பான மொழியில் தொடர்ச்சியான கேள்விகளை கேட்டு, தனிப்பயன் பதில்களைப் பெற்று, செயலியை எளிதாக வழிநடத்தலாம்.

சிக்கலான சந்தைத் தரவைப் புரிந்துகொள்ள முயற்சித்தபடியே வருமானம் ஈட்ட வேண்டிய மனச்சுமையை—அதாவது அறிவுசார் சுமையை—குறைப்பதே Uber-இன் இலக்கு.

இது குறிப்பாக புதிய டிரைவர்களுக்கு மிகுந்த மதிப்புடையதாக நிரூபிக்கப்பட்டுள்ளது. Uber கண்டறிந்ததாவது, Uber-இன் நிஜ உலகத் தரவை AI மூலம் சுருக்கி எளிதாக தொடர்புகொடுத்தல், முயற்சி-பிழை முறையை மட்டுமே நம்புவதைக் காட்டிலும் டிரைவர்கள் பணிச்சூழல்கள் மற்றும் சந்தை இயக்கவியலை மிக வேகமாகக் கற்றுக்கொள்ள உதவி, தொடக்க முன்னேற்றத்தை வேகப்படுத்த முடியும்.

Uber Assistant ஆரம்பத்தில் புதிய டிரைவர்களுக்கு அதிகம் உதவும் என எதிர்பார்க்கப்பட்டாலும், அனுபவமுள்ள டிரைவர்களும் தொடர்ச்சியான கேள்விகளை கேட்டு தளத்தில் தங்கள் நேரத்தை மேம்படுத்த மீண்டும் மீண்டும் வந்தனர். இதனால், இது வெறும் அறிமுக கருவி அல்ல, நீண்டகால பயன்பாட்டுள்ள தயாரிப்பு என்பதும் உறுதிப்படுத்தப்பட்டது.

“பிளாட்ஃபார்ம் எப்படி செயல்படுகிறது என்பதை புரிந்துகொள்ள பல நூறு பயணங்கள் எடுப்பதுடன் ஒப்பிடும்போது, Assistant, டிரைவர்கள் விரைவாக முன்னேற உதவுகிறது,” என்று Parikh கூறுகிறார்.

டிரைவர்கள் மற்றும் கூரியர்களுடன் தொடர்பு கொள்ளும் வெளியீடுகள் கொண்ட எந்த AI அமைப்பையும் செயல்படுத்தும்போது, துல்லியம், பாதுகாப்பு, நம்பகத்தன்மை, மற்றும் வேகம் ஆகியவை Uber-க்கு மிக முக்கிய முன்னுரிமைகள். முக்கியமான பரிசீலனைகளில், பதில்கள் கொள்கைக்குள் இருக்க வேண்டும் என்பதும், தாமதம் ஒரு நிகழ்நேர மொபைல் செயலியிலிருந்து பயனர்கள் எதிர்பார்க்கும் தரத்தை பூர்த்தி செய்ய வேண்டும் என்பதும் உள்ளடங்கும்.

அதனால்தான் Uber, Uber Assistant-ஐ மூன்று முக்கியக் கோட்பாடுகளைச் சுற்றி வடிவமைத்தது: பாதுகாப்பு, நம்பிக்கை, மற்றும் குறைந்த தாமதம்.

Uber-இன் பொறியியல் குழுக்கள், ஒவ்வொரு பயனர் கோரிக்கையையும் மிகச் சரியான சிறப்பு அமைப்பிற்கு வழிமாற்றும் பல-ஏஜென்ட் கட்டமைப்பை உருவாக்கின. உதாரணமாக, வருமானம் தொடர்பான கேள்விகள், ஆரம்ப சேர்க்கை கேள்விகளிலிருந்து வேறுபட்டு கையாளப்படலாம்; சந்தை வழிகாட்டுதலுக்கு, பரிவர்த்தனை நடவடிக்கைகளிலிருந்து வேறுபட்ட ரீஸனிங் தேவைப்படுகிறது.

இந்த கட்டமைப்பு, ஒவ்வொரு பணியையும் அதன் குறிப்பிட்ட செயல்பாட்டு தேவைகளுக்கு மிகவும் பொருத்தமான மாடலுக்கு Uber வழிமாற்ற அனுமதிக்கிறது. இதனால் ஒவ்வொரு வினவலும் மிக முக்கியமான அம்சங்களில் தகுந்த கவனத்துடன் கையாளப்படுகிறது.

எளிய வகைப்படுத்தல் மற்றும் துரித பதில்களுக்கு, Uber வேகமான nano/mini மாடல்களைப் பயன்படுத்துகிறது. அதிக சிக்கலான பணிகளுக்கு, Uber பெரிய ரீஸனிங் மாடல்களைப் பயன்படுத்துகிறது.

Uber, AI Guard எனும் உள்துறை நிர்வாக அடுக்கையும் உருவாக்கியது. இது பாதுகாப்பு, தனியுரிமை, மற்றும் பாதுகாப்புத் தரங்களை மேம்படுத்த, ப்ராம்ப்ட்கள் மற்றும் பதில்களைச் சோதனை செய்ய, கொள்கைகளை அமல்படுத்த, தவறான உருவாக்கங்களை குறைக்க, மற்றும் அனுபவங்களுக்கிடையே ஒருமைப்பாட்டை நிலைநிறுத்த உதவுகிறது.

டிரைவர்கள் துல்லியமான, பயனுள்ள பரிந்துரைகளைப் பெறும் போது, அவர்கள் மீண்டும் வருகிறார்கள். மேலும் கேள்விகள் கேட்கிறார்கள். மீண்டும் மீண்டும் ஈடுபடுகிறார்கள். மேலும் தளத்தில் அதிக உற்பத்தி நேரத்தை செலவிடுகிறார்கள்.

“பயனர்கள் அமைப்பை நம்பவில்லை என்றால், அவர்களை விரைவாக இழந்துவிடுவீர்கள்,” என்று பாரிக் கூறுகிறார். “ஆனால் அவர்கள் மதிப்பைக் கண்டால், அவர்கள் திரும்ப வருவார்கள்.”

தொழில்நுட்பத்தில் அடுத்த பெரிய இடைமுக மாற்றங்களில் ஒன்றான குரலுக்காகவும் Uber, OpenAI Realtime APIகளைப் பயன்படுத்துகிறது.

செயலியில் தட்டச்சு செய்வது எளிய கோரிக்கைகளுக்கு திறமையாக இருக்கலாம். ஆனால் பல போக்குவரத்து மற்றும் வணிகத் தேவைகள் அதைவிட சிக்கலானவை.

ஒரு பயணி, “என்னிடம் ஐந்து சுமைப்பெட்டிகளும் என்னுடன் இன்னும் ஐந்து பேரும் உள்ளனர். விமான நிலையத்துக்கு நல்ல ஒரு பயணம் வேண்டும். நீங்கள் என்ன பரிந்துரைக்கிறீர்கள்?” என்று சொல்ல விரும்பலாம். முதியவர் அல்லது பார்வைக் குறைபாடு உள்ள பயணி, மெனுக்களில் தேடுவதற்குப் பதிலாக பேசுவதை விரும்பலாம்.

Uber-ன் புதிய குரல் அனுபவங்கள் இப்படிப்பட்ட தருணங்களைச் சிரமமற்றதாக்க வடிவமைக்கப்பட்டுள்ளன. பயனர்கள் Uber செயலியின் ‘எங்கே’ தேடல் பட்டையில் மைக்ரோஃபோன் ஐகானைத் தட்டி, இயல்பான பேச்சைப் பயன்படுத்தி பயணத்தை கோரலாம். இவ்வமைப்பு நோக்கத்தை புரிந்துகொள்ள Realtime API மற்றும் பிற அதிநவீன மாடல்களைப் பயன்படுத்துகிறது; சேமிக்கப்பட்ட இடங்கள் மற்றும் வாடிக்கையாளர் சூழலைப் பயன்படுத்தி பரிந்துரைகள் செய்கிறது; மேலும் செயலிக்குள் பேசப்பட்ட மற்றும் காட்சிப்படுத்தப்பட்ட பதில்களை ஒத்திசைக்கிறது.

அதாவது, அதிக சுமைப்பெட்டிகள் உள்ள பயணங்களுக்கு UberXL-ஐ பரிந்துரைப்பதாக அல்லது “வீடு” போன்ற சேமிக்கப்பட்ட இலக்குகளை அடையாளம் காண்பதாக இருக்கலாம்.

“ஒரே நேரத்தில் ஒரு செயலை மட்டும் முடிக்க வேண்டிய தடையை குரல் நீக்குகிறது,” என்று பாரிக் கூறுகிறார். “நீங்கள் முழு நோக்கத்தையும் இயல்பாக வெளிப்படுத்தலாம்; அமைப்பு, முடிவை ஒருங்கிணைக்க முடியும்.”

குரல், அணுகல்திறனையும் விரிவுபடுத்தி Uber-இன் சூழலமைப்பில் புதிய பணிச்சூழல்களையும் திறக்கிறது. டிரைவர் தரப்பில், இது டிரைவர்கள் கைகளைப் பயன்படுத்தாமல் செயலியுடன் தொடர்புகொள்ள அனுமதிக்கிறது. பயணி தரப்பில், வேகமான, எளிய தொடர்புகளை விரும்பும் வாடிக்கையாளர்களுக்கான சிரமத்தை இது குறைக்கலாம்.

“பல விஷயங்களை நீங்கள் சொல்ல முடிவதால், பலமுறை தட்ட வேண்டிய தடையை குரல் அகற்றுகிறது,” என்று வித்யாசாகர் கூறுகிறார். “இது சூழலமைப்பின் பல பகுதிகளை இணைக்கும் திறனைத் திறக்கிறது.”

LLM திறன்கள் வேகமாக வளர்ந்து கொண்டிருக்கும் நிலையில், அணிகள் உருவாக்கும் முறையையும் Uber மாற்றியுள்ளது.

நிறுவனம் முழுவதும் உள்ள பொறியாளர்கள் ப்ராம்ப்டிங், மீட்டெடுப்பு அமைப்புகள், மதிப்பீட்டு பைப்லைன்கள், மற்றும் ஒருங்கிணைப்பு கட்டமைப்புகளுடன் பணியாற்றுகிறார்கள். தயாரிப்பு, சட்ட, செயல்பாடுகள், மற்றும் வடிவமைப்பு அணிகள் கொள்கை வரம்புகளை வரையறுக்க, வெளியீடுகளைச் சோதிக்க, மற்றும் பயனர் அனுபவங்களை மேம்படுத்த இன்னும் நெருக்கமாக ஒத்துழைக்கின்றன.

புதுமையை ஒரு சிறிய மையப்படுத்தப்பட்ட AI அணி மட்டும் சொந்தமாகக் கொண்டிருப்பதற்குப் பதிலாக, நுண்ணறிவு இப்போது நிறுவனம் முழுவதும் உட்பொதிக்கப்படலாம்.

“இனி இவையெல்லாவற்றையும் ஒரு சிறப்பு குழுவே செய்கிறது என்பதில்லை,” என்று வித்யாசாகர் கூறுகிறார். “உருவாக்குவதற்கான தடைகள் குறைந்ததால், பல அணிகள் பங்களிக்க முடிகிறது.”

அந்த மாற்றம் சோதனை முயற்சிகளை வேகப்படுத்தி, Uber-இன் சூழலமைப்பில் புதிய யோசனைகளை உருவாக்குகிறது.

“ஒவ்வொரு ஓட்டமும், ஒவ்வொரு பயணமும் நிகழ்வுகளின் ஒரு தொடர். அந்த நுணுக்கத்தைப் புரிந்து செயலாக்குவதையே LLM எங்களுக்கு திறக்கிறது,” என்று வித்யாசாகர் கூறுகிறார். “அது அடுத்ததாக எங்கு செல்ல வேண்டும் என்பதற்கான பல தகவல்களை எங்களுக்கு அளிக்கிறது. எங்களிடம் உள்ள அளவில் அந்த திறப்பு மிகவும் சக்திவாய்ந்தது.”

Uber Assistant இப்போது அமெரிக்க டிரைவர் நெட்வொர்க்கில் பரிசோதனை வெளியீட்டாக விரிவுபடுத்தப்பட்டுள்ளது. அதேசமயம், Uber இந்த அனுபவத்தை தொடர்ந்து சோதித்து செம்மைப்படுத்தி வருகிறது:

• அமெரிக்காவில் இலட்சக்கணக்கான டிரைவர்கள் இப்போது Uber Assistant பீட்டா அனுபவங்களை அணுக முடிகிறது
• ஆரம்ப நிலையிலுள்ள டிரைவர்களுக்கு மேம்பட்ட ஆதரவு, புதிய டிரைவர்கள் அதிக பயணங்களுக்கு தங்களைச் சிறப்பாக நிலைநிறுத்த உதவுகிறது
• வெற்றிகரமான தொடர்புகளுக்குப் பிறகு பயனர்கள் மீண்டும் வருவதால், வலுவான தொடர்ச்சியான ஈடுபாடு
• சிறந்த சந்தை உள்ளுணர்வுகள் மூலம் தளத்தில் மேம்பட்ட நேர பயன்பாடு
• மாடல் சிறப்பாக்கம் மற்றும் தொடர்ச்சியான மதிப்பீட்டு அமைப்புகள் மூலம் வேகமான தயாரிப்பு மேம்பாட்டு சுழற்சிகள்

ஒரு புதிய டிரைவருக்கு முதல் பயணத்தைப் பெற உதவுவதிலிருந்து, சிறந்த வருமான வாய்ப்புகளைத் தேடும் அனுபவமுள்ள டிரைவரை வழிநடத்துவதுவரை, OpenAI மாடல்களை Uber பயன்படுத்தி பணியை அதிக உற்பத்தியாகவும், போக்குவரத்தை மேலும் சீரானதாகவும், அன்றாட தளவாடத்தை மேலும் மனிதர் போன்றதாகவும் மாற்றுகிறது.

“ஒரு பொறியாளராக, OpenAI அந்தப் பிரச்சினைகளை வேறுபட்ட மற்றும் தனித்துவமான வழிகளில் தீர்க்கும் திறனைத் திறக்கிறது,” என்று வித்யாசாகர் கூறுகிறார்.