Uber utilizza OpenAI per aiutare le persone a guadagnare in modo più intelligente

Uber è una piattaforma di trasporto e commercio che ogni giorno aiuta milioni di persone a prenotare viaggi, ordinare pasti, inviare pacchi e guadagnare in modo flessibile. Dietro ogni tocco c'è un mercato in tempo reale complesso, influenzato dal traffico, dal meteo, dagli arrivi negli aeroporti, dagli eventi locali e dalla domanda. Uber opera su una scala massiccia: 40 milioni di viaggi al giorno, 10 milioni di autisti e corrieri in oltre 15.000 città di più di 70 paesi.

Ogni città ha le sue dinamiche operative, regolamenti e comportamenti dei passeggeri, creando un sistema che deve adattarsi continuamente a livello globale. Uber da tempo utilizza l'apprendimento automatico per supportare il suo mercato. E ora, grazie ai modelli di linguaggio e ai modelli di frontiera di OpenAI, Uber può ragionare più velocemente attraverso segnali complessi, fornire risposte conversazionali rapide e alimentare esperienze vocali all'interno dell'app.

La collaborazione tra Uber e OpenAI

La collaborazione tra Uber e OpenAI aiuta a costruire prodotti alimentati dall'intelligenza artificiale che semplificano le opportunità di guadagno per gli autisti e riducono la frizione per i passeggeri. Utilizzando i modelli di OpenAI, Uber può fornire prodotti e esperienze più semplici e più veloci che mai.

"Per la prima volta, la tecnologia sta guidando ciò che può essere risolto. I problemi che una volta sembravano irraggiungibili sono ora possibili da affrontare", afferma Aarathi Vidyasagar, Vice Presidente di Ingegneria e Scienza.

Trasformare i dati di mercato in suggerimenti in tempo reale per gli autisti

Per gli autisti, la flessibilità è una delle caratteristiche più forti di Uber. Alcuni guidano a tempo pieno, altri solo nel fine settimana, mentre altri guidano tra le lezioni o i turni. Questa flessibilità significa anche che gli autisti stanno costantemente valutando le opzioni e facendo domande: "Dovrei posizionarmi dove in questo momento? L'aeroporto vale la pena di guidarci? Dovrei passare dalle corse alle consegne durante il pranzo? Perché le mie entrate sembrano diverse oggi?"

Per aiutare a rispondere a queste domande, Uber ha sviluppato Uber Assistant, un assistente alimentato dall'intelligenza artificiale progettato per aiutare gli autisti durante tutto il loro ciclo di vita sulla piattaforma - dall'onboarding ai primi viaggi all'ottimizzazione giornaliera delle entrate.

L'obiettivo di Uber

L'obiettivo di Uber è ridurre il carico cognitivo - lo sforzo necessario per interpretare i dati di mercato complessi mentre si cerca di guadagnare. Ciò si è rivelato particolarmente utile per i nuovi autisti. Uber ha scoperto che utilizzare l'intelligenza artificiale per riassumere e comunicare facilmente i dati del mondo reale può accelerare il processo di avvio aiutando gli autisti a imparare i flussi di lavoro e le dinamiche del mercato molto più velocemente che attraverso la prova e l'errore.

Costruire la fiducia a scala con un sistema di intelligenza artificiale multi-agente

Per Uber, l'accuratezza, la sicurezza, l'affidabilità e la velocità sono le priorità principali quando si implementa qualsiasi sistema di intelligenza artificiale il cui output interagirà con gli autisti e i corrieri. Considerazioni critiche includono risposte che rimangono all'interno delle politiche e latenenza che soddisfano gli standard che gli utenti si aspettano da un'applicazione mobile in tempo reale.

Pertanto, Uber ha progettato Uber Assistant intorno a tre principi fondamentali: sicurezza, fiducia e bassa latenza. I team di ingegneria di Uber hanno costruito un'architettura multi-agente che instrada ogni richiesta utente al sistema specializzato più adatto. Ad esempio, le domande sugli guadagni possono essere gestite diversamente dalle domande di onboarding, e la guida del mercato richiede un ragionamento diverso dalle azioni transazionali.

Il ruolo di AI Guard

Uber ha anche sviluppato AI Guard, un livello di governance interno che aiuta a filtrare le prompt e le risposte per promuovere la sicurezza, la privacy e la sicurezza, applicare le politiche, ridurre le allucinazioni e mantenere la coerenza in tutta l'esperienza.

Estendere l'accessibilità con la voce

Uber sta anche applicando le API di OpenAI in tempo reale a uno dei prossimi principali spostamenti dell'interfaccia: la voce. La digitazione in un'app può essere efficiente per le richieste semplici. Ma molti trasporti e commercio hanno bisogno di qualcosa di più complesso.

Un viaggiatore potrebbe voler dire: "Ho cinque pezzi di bagaglio e cinque altre persone con me. Ho bisogno di un bel viaggio all'aeroporto. Cosa mi consigliate?" Un anziano o un passeggero con disabilità visiva può preferire parlare invece di toccare i menu.

Le nuove esperienze vocali di Uber sono progettate per rendere quei momenti senza frizione. Gli utenti possono toccare l'icona del microfono sulla barra di ricerca "dove" nell'app di Uber e richiedere un viaggio utilizzando il linguaggio naturale. Il sistema utilizza l'API in tempo reale e altri modelli di frontiera per interpretare l'intento, sfrutta le posizioni salvate e il contesto del cliente, e fornisce raccomandazioni - sincronizzando le risposte vocali e visive all'interno dell'app.

Iterazione più rapida, team più forti, prodotti migliori

Man mano che le capacità delle LLM evolvono rapidamente, Uber ha anche cambiato il modo in cui i team costruiscono. Gli ingegneri di tutta l'organizzazione lavorano con i sistemi di prompt, i sistemi di recupero, le pipeline di valutazione e i framework di orchestrazione. I team di prodotto, legale, operazioni e design collaborano più strettamente per definire i confini delle politiche, testare gli output e migliorare le esperienze utente.

Invece di avere un piccolo team di intelligenza artificiale centralizzato che possiede l'innovazione, l'intelligenza può ora essere incorporata in tutta l'azienda. "Non è più un piccolo gruppo specializzato a fare tutto questo", afferma Vidyasagar. "Molti team possono contribuire perché le barriere per costruire sono scese".

Questo spostamento accelera l'esperimentazione e crea nuove idee in tutto l'ecosistema di Uber. "Ogni guida, ogni viaggio è una sequenza di eventi, e capire e gestire quella sottigliezza è ciò che l'LLM sblocca per noi", afferma Vidyasagar. "Ciò ci dà molte informazioni su dove dovremmo andare dopo, e quel blo