每天，數以百萬計的人依靠 Uber 預約行程、訂餐、寄送包裹，以及靈活賺取收入。每一次點按背後，都是一個受交通、天氣、機場抵境、本地活動及需求所影響的複雜即時市場。Uber 的營運規模極為龐大：每日 4,000 萬次行程、1,000 萬名司機及外送員，遍及 70 多個國家的 15,000 個城市。每個城市都有自身的營運動態、法規及乘客行為，因此這套系統必須持續調整，以全球規模運作。
Uber 長期利用機器學習支援其市場運作。如今，憑藉大型語言模型及 OpenAI 前沿模型的優勢，Uber 能更快速地就複雜訊號進行推理、提供快速對話式回應，並在應用程式內提供語音體驗。
Uber 與 OpenAI 的合作，正協助 Uber 建立由 AI 驅動的產品，簡化司機及外送員的賺錢機會，並減少乘客使用過程中的阻礙。透過使用 OpenAI 的模型，Uber 亦能以前所未有的速度推出更精簡的產品及體驗。
「科技首次主導了哪些問題可以被解決。那些曾經似乎遙不可及的問題，現在都可以著手處理了。」
對司機而言，靈活性是 Uber 的最大優勢之一。有些人全職駕駛，有些人只在週末接單，也有人在上課或輪班之間駕駛。這種靈活性亦意味著，司機不斷在評估不同選項並提出問題：我現在應該在哪裡等候？值得開車去機場嗎？午餐時段我應否由載客服務轉為送遞服務？為甚麼我今天的收入看起來不同了？
為協助回答這些問題，Uber 開發了 Uber Assistant，這是一個由 AI 驅動的助理，旨在於司機在平台上的整個歷程中提供協助——從註冊上線及首次行程，到日常收入優化。
Uber 產品管理總監 Dharmin Parikh 表示：「我們希望透過提供市場概況摘要及即時洞察，讓司機能為自己作出更佳決策。」
該助理透過把收入趨勢及熱力圖等複雜數據轉化為簡單、可執行的定位建議，協助司機掌握何時何地最適合賺取收入。之後，他們可以用日常語言提出後續問題，獲得度身訂造的回應，並更輕鬆地在應用程式中操作。
Uber 的目標，是減少認知負荷——即一邊嘗試賺取收入、一邊解讀複雜市場數據所需付出的心力。
事實證明，這對新司機尤其有價值。Uber 發現，利用 AI 去總結並清晰傳達 Uber 的真實世界數據，可以透過協助司機比單靠反覆摸索更快學會工作流程及市場動態，從而加快上手。
雖然 Uber Assistant 最初預期會最有助於新司機，但有經驗的司機亦會一再回來提出後續問題，並優化自己在平台上的時間運用——這印證了該產品不只是註冊上線工具，而是具長期價值的實用助手。
Parikh 表示：「與其要完成數百次行程才能了解平台如何運作，這個助理正幫助司機快速上手。」
對 Uber 而言，在實施任何會與司機及外送員互動的 AI 系統時，準確度、安全性、可信度及速度都是首要考量。關鍵考慮包括回應須符合政策，而延遲亦須達到用戶對即時流動應用程式的期望標準。
正因如此，Uber 圍繞三大核心原則設計 Uber Assistant：安全、信任及低延遲。
Uber 的工程團隊建立了一套多智能代理架構，把每項用戶請求路由至最合適的專門系統。例如，收入相關問題與註冊上線問題可以採用不同方式處理，而市場指引亦需要與交易操作不同的推理方式。
這套架構讓 Uber 能把每項任務路由至最切合其特定營運需要的模型，確保每個查詢都能以最適當的重點處理最關鍵事項。
對於較輕量的分類工作及快速回應，Uber 會使用較快的 nano/mini 模型。對於更複雜的任務，Uber 則會利用較大型的推理模型。
Uber 亦開發了 AI Guard，這是一層內部管治機制，可協助審查提示詞及回應，以促進安全、私隱及保安、執行政策、減少幻覺，並在不同體驗之間維持一致性。
當司機收到準確而有用的建議時，他們便會再次使用。他們會提出更多問題，反覆互動，並在平台上投入更多具生產力的時間。
Parikh 表示：「如果用戶不信任系統，你很快便會失去他們。但當他們看見價值時，便會回來。」
Uber 亦正將 OpenAI Realtime API 應用於科技下一個主要介面轉變之一：語音。
在應用程式內打字，對簡單請求而言可以很有效率。但許多交通及商業需求其實更為複雜。
旅客可能會說：「我有五件行李，還有另外五個人同行。我需要一程舒適的車去機場。你有甚麼建議？」年長人士或視障乘客，可能會較喜歡說話，而不是逐個選單點按。
Uber 的全新語音體驗正是為了讓這些時刻變得順暢無阻。用戶可以在 Uber 應用程式的「前往哪裡？」搜尋欄點按咪高峰圖示，並以自然語音提出叫車要求。系統會使用 Realtime API 及其他前沿模型理解用意，利用已儲存地點及客戶情境作出建議，同時在應用程式內同步語音及視覺回應。
這可能表示針對行李較多的行程建議 UberXL，或辨識如「家」之類已儲存的目的地。
Parikh 表示：「語音消除了每次只完成一項任務的障礙。你可以自然地完整表達意圖，而系統可以統籌最終結果。」
語音亦擴大了無障礙使用範圍，並為 Uber 生態系統開啟新工作流程。在司機端，它讓司機可免提與應用程式互動；在乘客端，它可減少希望獲得更快、更簡單互動的客戶所面對的阻礙。
Vidyasagar 表示：「語音消除了需要多次點按的障礙，因為你可以一次講出多件事。這釋放了串連生態系統不同部分的能力。」
注意：語音叫車功能將於未來數星期內陸續推出
隨著 LLM 能力迅速演進，Uber 亦改變了團隊的建構方式。
整個組織的工程師都在使用提示詞、檢索系統、評估流程及編排框架。產品、法務、營運及設計團隊亦更緊密合作，以界定政策界線、測試輸出，並改善用戶體驗。
如今，不再只是由一個小型中央 AI 團隊主導創新，智能已可嵌入整間公司。
Vidyasagar 表示：「這不再是由單一專門團隊處理所有事情。由於建構門檻已降低，許多團隊都可以作出貢獻。」
這種轉變加快了實驗步伐，並在 Uber 的生態系統中催生新想法。
Vidyasagar 表示：「每一次駕駛、每一趟行程，都是一連串事件，而理解並處理當中的細微差別，正是 LLM 為我們解鎖的能力。這讓我們獲得大量資訊，知道下一步應該去向何方；而以我們的規模來說，這種解鎖的力量極其強大。」
Uber Assistant 現已透過實驗性推出，擴展至美國司機網絡，同時 Uber 繼續測試並優化這項體驗：
- 數十萬名美國司機現已可使用 Uber Assistant beta 體驗
- 加強支援處於早期歷程的司機，協助新司機更好地部署自己，以獲得更多行程
- 具備強勁的重複互動表現，用戶在成功互動後會再次使用
- 透過更聰明的市場洞察，在平台上達致更佳時間運用
- 透過模型專門化及持續評估系統，實現更快的產品迭代週期
從協助新司機接到第一趟行程，到為尋求更佳賺錢機會的資深司機提供指引，Uber 正運用 OpenAI 模型，令工作更具生產力、交通更暢順、日常物流更有人性。
Vidyasagar 表示：「作為工程師，OpenAI 只是解鎖了我們以不同而獨特方式解決這些問題的能力。」
