Uber использует OpenAI для AI-помощника водителей и голосового поиска поездок

Прослушать статью

6 мая 2026

Uber использует OpenAI для создания AI-инструментов и голосовых функций, которые помогают водителям зарабатывать эффективнее, а пассажирам — быстрее бронировать поездки на глобальном рынке в реальном времени.

Размер компании: Enterprise

Регион: Global, North America

Отрасль: Technology, Services

Продукты: API

Ежедневно миллионы людей используют Uber, чтобы заказывать поездки, еду, отправлять посылки и гибко зарабатывать. За каждым нажатием скрывается сложный рынок в реальном времени, на который влияют пробки, погода, прилеты в аэропорты, местные события и спрос. Uber работает в масштабах: 40 миллионов поездок в день, 10 миллионов водителей и курьеров в 15 000 городах более чем в 70 странах. У каждого города свои операционные особенности, правила и поведение пассажиров, поэтому система должна постоянно адаптироваться на глобальном уровне.

Uber давно использует machine learning для поддержки своего рынка. Теперь же, благодаря large language models и frontier models OpenAI, компания может быстрее анализировать сложные сигналы, давать быстрые разговорные ответы и запускать голосовые сценарии внутри приложения.

Сотрудничество Uber и OpenAI помогает компании создавать AI-продукты, которые упрощают возможности заработка для водителей и курьеров и снижают трение для пассажиров. А используя модели OpenAI, Uber может быстрее выпускать более простые и удобные продукты и сценарии.

> «Впервые технологии определяют, какие задачи вообще можно решить. Проблемы, которые раньше казались недосягаемыми, теперь можно прорабатывать».

—Aarathi Vidyasagar, VP of Engineering and Science

Преобразование сложных данных рынка в рекомендации для водителей в реальном времени

Для водителей гибкость — одно из главных преимуществ Uber. Одни работают полный день, другие только по выходным, а кто-то выходит на линию между занятиями или сменами. Но именно эта гибкость означает, что водители постоянно выбирают между вариантами и задают вопросы: Где мне лучше находиться прямо сейчас? Стоит ли ехать в аэропорт? Переключиться ли с поездок на доставки в обед? Почему сегодня мой доход выглядит иначе?

Чтобы отвечать на такие вопросы, Uber разработала Uber Assistant — AI-помощник, созданный для поддержки водителей на всех этапах работы на платформе: от онбординга и первых поездок до ежедневной оптимизации дохода.

«Мы хотим помочь водителям принимать более взвешенные решения, предоставляя им сводный взгляд на рынок и данные в реальном времени», — говорит Dharmin Parikh, Director of Product Management в Uber.

Assistant помогает водителям понять, где и когда зарабатывать, превращая сложные данные, такие как тренды дохода и heatmap, в простые практические подсказки по выбору точки. Затем они могут задавать уточняющие вопросы на обычном языке, получать персонализированные ответы и проще ориентироваться в приложении.

Цель Uber — снизить cognitive overhead, то есть усилия, которые требуются, чтобы интерпретировать сложные данные рынка, одновременно пытаясь зарабатывать.

Это особенно полезно для новых водителей. Uber обнаружила, что использование AI для краткого и понятного объяснения реальных данных компании помогает ускорить выход на рабочий ритм: водители быстрее осваивают процессы и динамику рынка, чем при обучении только методом проб и ошибок.

Хотя изначально ожидалось, что Uber Assistant больше всего поможет новичкам, опытные водители тоже стали регулярно возвращаться с уточняющими вопросами и использовать его для оптимизации времени на платформе — это подтвердило, что продукт полезен не только на этапе онбординга, но и в долгую.

«Assistant помогает водителям быстрее войти в рабочий ритм по сравнению с сотнями поездок, которые обычно нужны, чтобы понять, как работает платформа», — говорит Parikh.

Построение доверия в масштабе с multi-agent AI-системой

Для Uber точность, безопасность, доверие и скорость — главные приоритеты при внедрении любой AI-системы, ответы которой будут взаимодействовать с водителями и курьерами. Критически важно, чтобы ответы оставались в рамках политики, а latency соответствовала ожиданиям от real-time мобильного приложения.

Именно поэтому Uber построила Uber Assistant вокруг трех базовых принципов: безопасность, доверие и низкая latency.

Инженерные команды Uber создали multi-agent архитектуру, которая направляет каждый запрос пользователя в наиболее подходящую специализированную систему. Например, вопросы о доходе обрабатываются иначе, чем вопросы онбординга, а рекомендации по рынку требуют иного типа reasoning, чем транзакционные действия.

Такая архитектура позволяет направлять каждую задачу к модели, лучше всего подходящей для ее операционных требований, и обеспечивать фокус на том, что действительно важно в конкретном запросе.

Для легкой классификации и быстрых ответов Uber использует более быстрые nano/mini-модели. Для более сложных задач компания применяет более крупные reasoning-модели.

Uber также разработала AI Guard — внутренний слой управления, который помогает проверять запросы и ответы, чтобы повышать безопасность, приватность и защиту, соблюдать политику, уменьшать галлюцинации и поддерживать единообразие во всех сценариях.

Когда водители получают точные и полезные рекомендации, они возвращаются. Они задают больше вопросов. Они взаимодействуют снова и снова. И проводят на платформе более продуктивное время.

«Если пользователи не доверяют системе, вы быстро их теряете», — говорит Parikh. «Но когда они видят ценность, они возвращаются».

Расширение доступности с помощью голоса

Uber также применяет OpenAI Realtime APIs к одному из следующих крупных сдвигов в интерфейсах технологий — голосу.

Ввод текста в приложении может быть удобным для простых запросов. Но многие транспортные и коммерческие задачи сложнее.

Путешественник может сказать: «У меня пять чемоданов и еще пять человек со мной. Мне нужна хорошая машина до аэропорта. Что вы посоветуете?» Пожилой пользователь или человек с нарушением зрения может предпочесть говорить, а не нажимать по меню.

Новые голосовые сценарии Uber созданы, чтобы делать такие моменты без трения. Пользователь может нажать значок микрофона в строке поиска «куда поехать» в приложении Uber и заказать поездку с помощью естественной речи. Система использует Realtime API и другие frontier models для распознавания намерения, задействует сохраненные места и контекст клиента и дает рекомендации — при этом синхронизируя голосовые и визуальные ответы внутри приложения.

Это может означать, например, рекомендацию UberXL для поездок с большим количеством багажа или распознавание сохраненных мест вроде «дом».

«Голос убирает барьер, когда нужно выполнять одну задачу за другой», — говорит Parikh. «Можно естественно выразить полное намерение, а система сможет скоординировать результат».

Голос также повышает доступность и открывает новые сценарии во всей экосистеме Uber. Для водителей это позволяет взаимодействовать с приложением без рук. Для пассажиров — снижает трение для тех, кто хочет более быстрые и простые взаимодействия.

«Голос убирает барьер многократных нажатий, потому что можно сказать сразу несколько вещей», — говорит Vidyasagar. «Он открывает возможность связать разные части экосистемы».

Примечание: функция Voice Booking будет постепенно запускаться в течение ближайших недель

Быстрее итерации, сильнее команды, лучше продукты

По мере того как возможности LLM быстро развиваются, Uber изменила и сам процесс разработки.

Инженеры по всей компании работают с prompting, retrieval-системами, evaluation pipelines и orchestration frameworks. Команды продукта, юриспруденции, операций и дизайна теснее сотрудничают, чтобы определять границы политики, тестировать ответы и улучшать пользовательский опыт.

Вместо небольшой централизованной AI-команды, которая владеет всей инновацией, intelligence теперь может быть встроена по всей компании.

«Теперь этим занимается не одна специализированная группа», — говорит Vidyasagar. «Многие команды могут вносить вклад, потому что барьеры для разработки снизились».

Это изменение ускоряет эксперименты и рождает новые идеи во всей экосистеме Uber.

«Каждая поездка, каждый путь — это последовательность событий, и понимание и обработка этой нюансировки — именно то, что LLM открывает для нас», — говорит Vidyasagar. «Это дает нам много информации о том, куда двигаться дальше, и такой эффект при нашем масштабе исключительно мощный».

Масштабирование intelligence по всему рынку

Uber Assistant уже расширен на экспериментальной основе на сеть водителей в США, а Uber продолжает тестировать и дорабатывать опыт:

Сотни тысяч водителей в США уже получили доступ к beta-версиям Uber Assistant
Улучшается поддержка водителей на раннем этапе работы, что помогает новым водителям лучше позиционировать себя для большего числа поездок
Сильная повторная вовлеченность: пользователи возвращаются после успешных взаимодействий
Более эффективное использование времени на платформе благодаря более умным рыночным подсказкам
Более быстрые циклы продуктовых итераций за счет специализации моделей и систем непрерывной оценки

От помощи новому водителю в получении первой поездки до поддержки опытного водителя, ищущего лучшие возможности заработка, Uber использует модели OpenAI, чтобы сделать работу продуктивнее, транспорт — более бесшовным, а повседневную логистику — более человечной.

«Как инженер, OpenAI просто открывает возможность решать такие задачи по-разному и уникальным образом», — говорит Vidyasagar.

Присоединяйтесь к новой эпохе работы

Более 1 миллиона компаний по всему миру уже получают значимые результаты с OpenAI.

Продолжить чтение

Introducing ChatGPT Futures: Class of 2026 Company May 6, 2026

Singular Bank помогает банкам работать быстрее с ChatGPT и Codex May 6, 2026

Как frontier enterprises строят преимущество в AI Company May 6, 2026

Наши исследования

Последние разработки

Безопасность

ChatGPT

API Platform

Для бизнеса

Поддержка

Еще

Условия и политика

Английский, США

Материал — перевод статьи с английского.

Оригинал: Uber uses OpenAI to help people earn smarter and book faster

Подписаться на новости в Telegram