Uber 正運用 OpenAI 的 AI 助理與語音功能，在全球即時市場中，協助司機更聰明地賺錢，並讓乘客更快地叫車。
每天，數百萬人依賴 Uber 預訂行程、訂餐、寄送包裹及彈性賺取收入。每一次點擊背後，都是一個由交通、天氣、機場抵達、當地活動和需求所塑造的複雜即時市場。Uber 的營運規模龐大：每天有 4,000 萬趟行程，橫跨 70 多個國家的 15,000 座城市，擁有 1,000 萬名司機與外送員。每個城市都有其獨特的營運動態、法規和乘客行為，這創造了一個必須在全球規模上持續適應的系統。
Uber 長期以來一直使用機器學習來支援其市場。如今，藉助大型語言模型和 OpenAI 的尖端模型，Uber 能更快地跨越複雜信號進行推理，提供快速的對話式回應，並在應用程式內提供語音體驗。
Uber 與 OpenAI 的合作，正協助 Uber 打造 AI 驅動的產品，以簡化司機與外送員的賺錢機會，並減少乘客的摩擦。透過使用 OpenAI 的模型，Uber 能夠以前所未有的速度推出精簡的產品和體驗。
對司機而言，彈性是 Uber 最大的優勢之一。有些人全職開車，有些人只在週末開車，有些人則在課堂或輪班之間開車。這種彈性也意味著司機不斷評估各種選項並提出問題：我現在應該在哪裡等候？去機場值得嗎？午餐時間我應該從載客轉為外送嗎？為什麼我今天的收入看起來不一樣？
為了幫助回答這些問題，Uber 開發了 Uber Assistant，這是一款 AI 驅動的助理，旨在協助司機在其平台上的整個生命週期——從入職和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的摘要視圖和即時洞察，讓司機能夠為自己做出更好的決策。」
該助理透過將收入趨勢和熱點圖等複雜數據轉化為簡單、可行的定位洞察，協助司機了解何時何地可以賺錢。然後，他們可以用日常語言提出後續問題，並獲得量身定制的回應，輕鬆導航應用程式。
Uber 的目標是減少認知負荷——在努力賺錢的同時，解讀複雜市場數據所需的精力。
這對新司機尤其有價值。Uber 發現，利用 AI 總結並輕鬆傳達 Uber 的真實世界數據，可以透過協助司機學習工作流程和市場動態，比單純的試誤法更快地加速其上手過程。
雖然 Uber Assistant 最初預期對新司機最有幫助，但經驗豐富的司機也反覆回來提出後續問題並優化他們在平台上的時間——證實了該產品作為長期實用工具的價值，而不僅僅是入職工具。
Parikh 表示：「與需要數百趟行程才能了解平台運作方式相比，該助理正在幫助司機快速上手。」
對於 Uber 而言，準確性、安全性、可信度和速度是實施任何與司機和外送員互動的 AI 系統的首要考量。關鍵考量包括回應必須符合政策，以及延遲必須達到用戶對即時行動應用程式的預期標準。
這就是為什麼 Uber 將 Uber Assistant 設計為圍繞三個核心原則：安全、信任和低延遲。
Uber 的工程團隊建立了一個多代理架構，將每個用戶請求路由到最合適的專用系統。例如，收入問題可以與入職問題不同處理，市場指導需要與交易操作不同的推理。
這種架構使 Uber 能夠將每個任務路由到最適合其特定營運需求的模型，確保每個查詢都能以適當的重點處理最重要的事情。
對於輕量級分類和快速回應，Uber 使用更快、更小的模型。對於更複雜的任務，Uber 則利用更大、更具推理能力的模型。
Uber 還開發了 AI Guard，這是一個內部治理層，有助於篩選提示和回應，以促進安全、隱私和安全性，執行政策，減少幻覺，並在各種體驗中保持一致性。
當司機收到準確、有用的建議時，他們會回來。他們會提出更多問題。他們會反覆參與。他們會在平台上花費更多生產力時間。
Parikh 表示：「如果用戶不信任該系統，你會很快失去他們。但當他們看到價值時，他們就會回來。」
Uber 也正在將 OpenAI 的 Realtime API 應用於技術的下一個主要介面轉變之一：語音。
對於簡單的請求，在應用程式中打字可能很有效率。但許多交通和商業需求更為複雜。
一位旅客可能會說：「我有五件行李和另外五個人。我需要一輛不錯的車去機場。你們有什麼推薦？」年長者或視障乘客可能更喜歡說話，而不是透過選單點擊。
Uber 新的語音體驗旨在讓這些時刻變得無縫。用戶可以點擊 Uber 應用程式中「目的地」搜尋欄上的麥克風圖示，並使用自然語音要求叫車。該系統使用 Realtime API 和其他尖端模型來理解意圖，利用已儲存的地點和客戶上下文，並提出建議——同時在應用程式內同步語音和視覺回應。
這可能意味著為行李較多的行程建議 UberXL，或識別「家」等已儲存的目的地。
Parikh 表示：「語音消除了逐一完成任務的障礙。你可以自然地表達完整的意圖，系統可以協調結果。」
語音還擴大了 Uber 生態系統的可及性，並解鎖了新的工作流程。在司機方面，它讓司機可以免持操作應用程式。在乘客方面，它可以減少想要更快、更簡單互動的客戶的摩擦。
Vidyasagar 表示：「語音消除了多點擊的障礙，因為你可以說多件事情。它解鎖了連接生態系統各個部分的能力。」
注意：語音預訂功能將在未來幾週內推出。
隨著大型語言模型的能力迅速發展，Uber 也改變了團隊的建構方式。
組織內的工程師與提示工程、檢索系統、評估管道和協調框架合作。產品、法律、營運和設計團隊更緊密地合作，以定義政策界限、測試輸出並改善用戶體驗。
現在，智慧不再由一個小型中央 AI 團隊獨佔創新，而是可以嵌入到整個公司。
Vidyasagar 表示：「不再是一個專業團隊在做這一切。許多團隊都可以做出貢獻，因為建構的門檻已經降低了。」
這種轉變加速了實驗，並在 Uber 的生態系統中創造了新的想法。
Vidyasagar 表示：「每一次駕駛、每一次行程都是一系列事件，而理解和處理這種細微差別是大型語言模型為我們解鎖的。這為我們提供了大量關於我們下一步應該走向何方的資訊，而這種解鎖——以我們擁有的規模——是異常強大的。」
Uber Assistant 現已擴展到美國的司機網絡進行實驗性推出，同時 Uber 也持續測試和完善體驗：
從幫助新司機完成第一趟行程，到指導尋求更好賺錢機會的經驗豐富的司機，Uber 正在利用 OpenAI 的模型，讓工作更有效率，交通更順暢，日常物流更人性化。
Vidyasagar 表示：「作為一名工程師，OpenAI 只是解鎖了以不同且獨特的方式解決這些問題的能力。」