每天，數百萬人仰賴 Uber 預訂行程、訂購餐點、寄送包裹並彈性賺取收入。每一次點擊的背後，都是一個受交通、天氣、機場班機、當地活動和需求影響的複雜即時市場。Uber 以龐大規模營運：每天 4000 萬趟行程，在全球 70 多個國家、15000 個城市擁有 1000 萬名駕駛和外送員。

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範圍內持續適應的系統。Uber 長期以來一直使用機器學習來支援其市場平台。而現在，藉由大型語言模型（LLM）和 OpenAI 前沿模型的優勢，Uber 能夠更快地從複雜訊號中進行推論，提供快速的對話式回應，並在應用程式內實現語音體驗。

Uber 與 OpenAI 的合作，正協助 Uber 打造 AI 驅動的產品，以簡化駕駛和外送員的賺錢機會，並減少乘客的使用阻力。透過運用 OpenAI 的模型，Uber 能夠比以往更快地推出精簡的產品和體驗。「這是技術首次引領我們能解決的問題。

過去看似遙不可及的問題，現在都有可能解決。」，Aarathi Vidyasagar，工程與科學副總裁將複雜的市場數據轉化為駕駛的即時指引對於駕駛而言，彈性是 Uber 最大的優勢之一。有些人全職駕駛，有些人只在週末開車，還有些人則在課程或班次之間駕駛。

這種彈性也意味著駕駛不斷在評估選項並提出問題：我現在應該在哪裡待命？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，旨在協助駕駛在平台上的整個生命週期，從新手上路、首次行程到日常收入優化。

「我們希望透過提供市場概覽和即時洞察，讓駕駛能夠為自己做出更好的決策。」Uber 產品管理總監 Dharmin Parikh 表示。Uber Assistant 透過將收入趨勢和熱力圖等複雜數據轉化為簡單、可操作的定位洞察，協助駕駛了解何時何地賺取收入。

駕駛隨後可以用自然語言提出後續問題，並獲得量身定制的回應，輕鬆地在應用程式中操作。Uber 的目標是減少認知負荷，即在嘗試賺取收入的同時，解釋複雜市場數據所需的精力。這對新駕駛來說尤其有價值。Uber 發現，利用 AI 總結並輕鬆傳達 Uber 的真實世界數據，可以加速新手上路，幫助駕駛比單純透過試錯更快地學習工作流程和市場動態。

儘管 Uber Assistant 最初預期主要幫助新駕駛，但經驗豐富的駕駛也反覆使用它來提出後續問題並優化他們在平台上的時間，這證明該產品不僅僅是一個新手工具，而是一個長期實用工具。Parikh 表示：「與需要數百趟行程才能理解平台運作方式相比，Uber Assistant 正在幫助駕駛快速上手。」

透過多代理 AI 系統大規模建立信任對於 Uber 而言，在實施任何其輸出將與駕駛和外送員互動的 AI 系統時，準確性、安全性、可信賴性和速度是首要考量。關鍵考量包括回應符合政策，以及延遲達到用戶對即時行動應用程式的期望標準。這就是為什麼 Uber 圍繞三個核心原則設計 Uber Assistant：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適合的專門系統。例如，收入問題的處理方式可能與新手上路問題不同，市場指引所需的推論也與交易行為不同。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，確保每個查詢都以最關鍵的重點來處理。

對於輕量級分類和快速回應，Uber 使用更快、更小的模型（nano/mini 模型）。對於更複雜的任務，Uber 則利用更大的推論模型。Uber 還開發了 AI Guard，這是一個內部治理層，有助於篩選提示詞和回應，以促進安全、隱私和資安，執行政策，減少幻覺，並在各種體驗中保持一致性。

當駕駛收到準確、有用的建議時，他們會再次使用。他們會提出更多問題。他們會重複參與。他們會在平台上花費更多富有成效的時間。Parikh 表示：「如果用戶不信任這個系統，你會很快失去他們。但當他們看到價值時，他們就會回來。」透過語音擴展可近用性Uber 也將 OpenAI Realtime API 應用於技術的下一個主要介面轉變：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。旅客可能會說：「我有五件行李和另外五個人。我需要一趟舒適的機場行程。您有什麼推薦？」老年人或視障乘客可能更喜歡用語音而非點擊選單。Uber 新的語音體驗旨在讓這些時刻無縫順暢。

用戶可以點擊 Uber 應用程式中「要去哪裡」搜尋欄上的麥克風圖示，並使用自然語音請求行程。該系統使用 Realtime API 和其他前沿模型來解釋意圖，利用儲存的位置和客戶情境，並提出建議，同時在應用程式內同步語音和視覺回應。這可能意味著針對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：「語音消除了每次只能完成一個任務的障礙。你可以自然地表達完整的意圖，系統可以協調結果。」語音還擴展了可近用性，並在 Uber 的生態系統中解鎖了新的工作流程。在駕駛端，它讓駕駛可以免手持地與應用程式互動。在乘客端，它可以減少希望更快、更簡單互動的客戶的使用阻力。

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陸續推出更快的迭代、更強的團隊、更好的產品隨著大型語言模型（LLM）能力的迅速發展，Uber 也改變了團隊的建構方式。

組織內的工程師們正與提示詞、檢索系統、評估流程和協作框架合作。產品、法務、營運和設計團隊更緊密地協作，以定義政策界限、測試輸出並改善用戶體驗。智慧現在可以嵌入到整個公司，而不是由一個小型集中式 AI 團隊獨自擁有創新。Vidyasagar 表示：「不再是一個專業團隊包辦所有這些工作。

許多團隊都可以貢獻，因為建構的門檻已經降低。」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，而理解和處理這些細微之處正是大型語言模型為我們解鎖的能力。這為我們提供了大量關於下一步該往何處去的信息，而這種在我們現有規模下的解鎖能力，是異常強大的。」

在市場平台中擴展智慧Uber Assistant 現已在美國駕駛網絡中進行實驗性推廣，同時 Uber 也在持續測試和完善體驗：數十萬名美國駕駛現在可以使用 Uber Assistant 的測試版體驗改善對早期生命週期駕駛的支援，幫助新駕駛更好地定位以獲得更多行程強勁的重複參與度，用戶在成功互動後再次使用透過更智慧的市場洞察，提高平台上的時間利用率透過模型專業化和持續評估系統，加速產品迭代週期從幫助新駕駛獲得首次行程，到引導經驗豐富的駕駛尋求更好的賺錢機會，Uber 正利用 OpenAI 模型使工作更具生產力、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方式解決這些問題的能力。」