Uber akıllı kazanç ve hızlı rezervasyon için OpenAI kullanıyor

Her gün milyonlarca insan yolculuk rezervasyonu yapmak, yemek siparişi vermek, paket göndermek ve esnek şekilde gelir elde etmek için Uber’e güveniyor. Her dokunuşun arkasında trafik, hava durumu, havalimanı varışları, yerel etkinlikler ve talep tarafından şekillenen, karmaşık ve gerçek zamanlı bir pazar yeri var. Uber devasa ölçekte faaliyet gösteriyor: günde 40 milyon yolculuk, 70’ten fazla ülkede 15.000 şehirde 10 milyon sürücü ve kurye. Her şehrin kendine özgü işleyiş dinamikleri, düzenlemeleri ve yolcu davranışları var; bu da küresel ölçekte sürekli uyum sağlaması gereken bir sistem oluşturuyor.

Uber, pazar yerini desteklemek için uzun süredir makine öğrenimini kullanıyor. Şimdi ise büyük dil modelleri ve OpenAI frontier modellerinin sağladığı avantajla Uber, karmaşık sinyaller üzerinde daha hızlı akıl yürütebiliyor, hızlı konuşmaya dayalı yanıtlar sunabiliyor ve uygulama içinde ses deneyimlerini mümkün kılıyor.

Uber ile OpenAI arasındaki iş birliği, Uber’in sürücüler ve kuryeler için kazanç fırsatlarını sadeleştiren ve yolcular için sürtünmeyi azaltan yapay zeka destekli ürünler geliştirmesine yardımcı oluyor. Uber, OpenAI’ın modellerini kullanarak daha yalın ürün ve deneyimleri her zamankinden daha hızlı sunabiliyor.

Sürücüler için esneklik, Uber’in en büyük güçlü yönlerinden biri. Kimi tam zamanlı araç kullanıyor, kimi yalnızca hafta sonları, kimi de dersler ya da vardiyalar arasında direksiyon başına geçiyor. Bu esneklik aynı zamanda sürücülerin sürekli seçenekleri değerlendirdiği ve şu soruları sorduğu anlamına geliyor: Şu anda kendimi nereye konumlandırmalıyım? Havalimanına gitmeye değer mi? Öğle saatlerinde yolculuklardan teslimatlara geçmeli miyim? Kazancım bugün neden farklı göründü?

Uber bu sorulara yanıt vermeye yardımcı olmak için, platformdaki yaşam döngüleri boyunca — kayıt sürecinden ilk yolculuklara ve günlük kazanç optimizasyonuna kadar — sürücülere yardımcı olmak üzere tasarlanmış yapay zeka destekli bir asistan olan Uber Assistant’ı geliştirdi.

Uber’de Ürün Yönetimi Direktörü Dharmin Parikh, “Sürücülerin kendileri için daha iyi kararlar almasını, onlara pazar yerinin özetlenmiş bir görünümünü ve gerçek zamanlı içgörüleri sunarak mümkün kılmak istiyoruz,” diyor.

Asistan, kazanç eğilimleri ve ısı haritaları gibi karmaşık verileri basit, uygulanabilir konumlandırma içgörülerine dönüştürerek sürücülere nerede ve ne zaman kazanç sağlayabilecekleri konusunda yardımcı oluyor. Ardından sürücüler sade bir dille devam soruları sorabiliyor, kendilerine özel yanıtlar alabiliyor ve uygulamada kolayca gezinebiliyor.

Uber’in hedefi, kazanç sağlamaya çalışırken karmaşık pazar yeri verilerini yorumlamak için gereken çabayı, yani bilişsel yükü azaltmak.

Bu özellikle yeni sürücüler için çok değerli olduğunu kanıtladı. Uber, gerçek dünyadaki verilerini özetlemek ve kolay anlaşılır şekilde iletmek için yapay zeka kullanmanın, sürücülerin iş akışlarını ve pazar dinamiklerini yalnızca deneme yanılmaya kıyasla çok daha hızlı öğrenmesine yardımcı olarak sürece uyumu hızlandırabildiğini gördü.

Uber Assistant’ın başlangıçta en çok yeni sürücülere yardımcı olması beklenirken, deneyimli sürücüler de devam soruları sormak ve platformdaki zamanlarını optimize etmek için tekrar tekrar geri döndü; bu da ürünün yalnızca bir onboarding aracı değil, uzun vadeli bir fayda sunduğunu doğruladı.

Parikh, “Asistan, sürücülerin platformun nasıl çalıştığını anlamak için yüzlerce yolculuk yapmasına kıyasla çok daha hızlı uyum sağlamasına yardımcı oluyor,” diyor.

Uber için, çıktıları sürücüler ve kuryelerle etkileşime girecek herhangi bir yapay zeka sistemini hayata geçirirken doğruluk, güvenlik, güvenilirlik ve hız en önemli öncelikler arasında yer alıyor. Kritik hususlar arasında yanıtların politikalar içinde kalması ve gecikmenin kullanıcıların gerçek zamanlı bir mobil uygulamadan beklediği standardı karşılaması bulunuyor.

Bu nedenle Uber, Uber Assistant’ı üç temel ilke etrafında tasarladı: güvenlik, güven ve düşük gecikme.

Uber’in mühendislik ekipleri, her kullanıcı isteğini en uygun uzmanlaşmış sisteme yönlendiren çoklu ajan mimarisi oluşturdu. Örneğin, kazançla ilgili sorular onboarding sorularından farklı ele alınabiliyor ve pazar yeri yönlendirmesi, işlemsel eylemlerden farklı akıl yürütme gerektiriyor.

Bu mimari, Uber’in her görevi kendi özel operasyonel ihtiyaçlarına en uygun modele yönlendirmesini sağlıyor; böylece her sorgu, en önemli olan unsurlara uygun odakla ele alınıyor.

Uber, hafif sınıflandırma ve hızlı yanıtlar için daha hızlı nano/mini modeller kullanıyor. Daha karmaşık görevler içinse daha büyük akıl yürütme modellerinden yararlanıyor.

Uber ayrıca, güvenlik, gizlilik ve emniyeti desteklemek, politikaları uygulamak, halüsinasyonları azaltmak ve deneyimler arasında tutarlılığı korumak amacıyla komutları ve yanıtları taramaya yardımcı olan dahili bir yönetişim katmanı olan AI Guard’ı da geliştirdi.

Sürücüler doğru ve faydalı öneriler aldığında geri geliyorlar. Daha fazla soru soruyorlar. Tekrar tekrar etkileşime giriyorlar. Ve platformda daha üretken zaman geçiriyorlar.

Parikh, “Kullanıcılar sisteme güvenmezse onları hızla kaybedersiniz,” diyor. “Ama değer gördüklerinde geri dönüyorlar.”

Uber ayrıca OpenAI Realtime API’lerini teknolojideki bir sonraki büyük arayüz değişimlerinden biri olan ses için uyguluyor.

Bir uygulamaya yazı yazmak basit istekler için verimli olabilir. Ancak birçok ulaşım ve ticaret ihtiyacı daha karmaşıktır.

Bir yolcu şöyle demek isteyebilir: “Beş parça bagajım ve yanımda beş kişi daha var. Havalimanına gitmek için iyi bir araç istiyorum. Ne önerirsin?” Yaşlı bir yetişkin ya da görme engelli bir yolcu, menüler arasında dokunarak ilerlemek yerine konuşmayı tercih edebilir.

Uber’in yeni ses deneyimleri, bu anları sürtünmesiz hale getirmek için tasarlandı. Kullanıcılar Uber uygulamasındaki ‘nereye’ arama çubuğunda mikrofon simgesine dokunup doğal konuşma ile yolculuk talep edebiliyor. Sistem, niyeti yorumlamak için Realtime API ve diğer frontier modelleri kullanıyor, kayıtlı konumlardan ve müşteri bağlamından yararlanıyor ve uygulama içinde sözlü ve görsel yanıtları eşzamanlarken öneriler sunuyor.

Bu, bagajı çok olan yolculuklar için UberXL önermek ya da “ev” gibi kayıtlı varış noktalarını tanımak anlamına gelebilir.

Parikh, “Ses, aynı anda tek bir görevi tamamlama bariyerini ortadan kaldırıyor,” diyor. “Tüm niyeti doğal biçimde ifade edebiliyorsunuz ve sistem sonucu orkestre edebiliyor.”

Ses ayrıca erişilebilirliği genişletiyor ve Uber ekosistemi genelinde yeni iş akışlarının önünü açıyor. Sürücü tarafında, sürücülerin uygulamayla eller serbest biçimde etkileşim kurmasını sağlıyor. Yolcu tarafında ise daha hızlı ve daha basit etkileşimler isteyen müşteriler için sürtünmeyi azaltabiliyor.

Vidyasagar, “Ses, birden fazla şeye dokunma bariyerini ortadan kaldırıyor çünkü birden fazla şeyi söyleyebiliyorsunuz,” diyor. “Ekosistemin çeşitli parçalarını birbirine bağlama yeteneğini açığa çıkarıyor.”

LLM yetenekleri hızla gelişirken, Uber ekiplerin nasıl ürün geliştirdiğini de değiştirdi.

Kuruluş genelindeki mühendisler komut yazımı, retrieval sistemleri, değerlendirme hatları ve orkestrasyon çerçeveleriyle çalışıyor. Ürün, hukuk, operasyon ve tasarım ekipleri; politika sınırlarını tanımlamak, çıktıları test etmek ve kullanıcı deneyimlerini iyileştirmek için daha yakın iş birliği yapıyor.

Yeniliğin küçük, merkezi bir yapay zeka ekibinin sorumluluğunda olması yerine, zeka artık şirketin geneline gömülebiliyor.

Vidyasagar, “Artık bunların hepsini yapan tek bir uzman grup yok,” diyor. “Geliştirmenin önündeki engeller azaldığı için birçok ekip katkı sunabiliyor.”

Bu değişim, deney yapmayı hızlandırıyor ve Uber ekosistemi genelinde yeni fikirler yaratıyor.

Vidyasagar, “Her sürüş, her yolculuk bir olaylar dizisidir ve bu nüansı anlamakla işlemek LLM’nin bizim için mümkün kıldığı şeydir,” diyor. “Bu bize bundan sonra nereye gitmemiz gerektiği konusunda çok fazla bilgi veriyor ve bizim ölçeğimizde bu açılım olağanüstü derecede güçlü.”

Uber Assistant artık deneysel bir dağıtımla ABD sürücü ağı genelinde genişletildi; Uber ise deneyimi test etmeye ve iyileştirmeye devam ediyor:

• Yüz binlerce ABD’li sürücü artık Uber Assistant beta deneyimlerine erişebiliyor
• Yaşam döngüsünün erken aşamasındaki sürücüler için destek iyileştiriliyor; böylece yeni sürücüler kendilerini daha fazla yolculuk için daha iyi konumlandırabiliyor
• Başarılı etkileşimlerin ardından kullanıcıların geri dönmesiyle güçlü tekrar etkileşim
• Daha akıllı pazar yeri içgörüleri sayesinde platformda daha iyi zaman kullanımı
• Model uzmanlaşması ve sürekli değerlendirme sistemleri sayesinde daha hızlı ürün yineleme döngüleri

Uber, ilk yolculuğunu yapacak yeni bir sürücüye yardım etmekten daha iyi kazanç fırsatları arayan deneyimli bir sürücüyü yönlendirmeye kadar, işleri daha üretken, ulaşımı daha sorunsuz ve günlük lojistiği daha insani hale getirmek için OpenAI modellerini kullanıyor.

Vidyasagar, “Bir mühendis olarak OpenAI, bu sorunları farklı ve benzersiz yollarla çözme becerisinin kilidini açıyor,” diyor.