Uber usa OpenAI para maximizar ganancias y reservar más rápido

Cómo Uber usa la IA de OpenAI para transformar la experiencia de 10 millones de conductores

Introducción: Los números detrás de cada viaje

Todos los días, millones de personas confían en Uber para reservar viajes, pedir comida, enviar paquetes y generar ganancias con flexibilidad. Detrás de cada solicitud hay un servicio complejo que opera en tiempo real, determinado por el tráfico, el clima, las llegadas a aeropuertos, los eventos locales y la demanda.

Las cifras son impresionantes:

• 40 millones de viajes al día

• 10 millones de conductores y repartidores

• 15.000 ciudades en más de 70 países
  

Cada ciudad tiene su propia dinámica operativa, regulaciones y comportamiento de pasajeros, lo que crea un sistema que debe adaptarse continuamente a escala global.

Uber usó durante mucho tiempo el aprendizaje automático para respaldar su servicio. Y ahora, gracias a los modelos de lenguaje de gran escala y los modelos de vanguardia de OpenAI, Uber puede interpretar señales complejas con mayor rapidez, ofrecer respuestas ágiles y conversacionales e impulsar experiencias de voz dentro de la aplicación.

"Por primera vez, la tecnología lidera lo que se puede resolver. Problemas que antes parecían fuera de alcance ahora es posible abordarlos".
Aarathi Vidyasagar, vicepresidenta de Ingeniería y Ciencia de Uber.

El desafío: Convertir datos complejos en orientación en tiempo real

Para los conductores, la flexibilidad es una de las mayores ventajas de Uber. Algunos conducen tiempo completo, otros solo los fines de semana y otros entre clases o turnos. Esta flexibilidad también implica que los conductores evalúan constantemente opciones y se hacen preguntas:

• ¿Dónde debería posicionarme en este momento?

• ¿Vale la pena ir al aeropuerto?

• ¿Debería pasar de los viajes a las entregas durante el horario del almuerzo?

• ¿Por qué mis ganancias fueron diferentes hoy?
  

Para ayudar a responder esas preguntas, Uber desarrolló Uber Assistant, un asistente impulsado por IA diseñado para ayudar a los conductores durante toda su experiencia en la plataforma, desde la incorporación y los primeros viajes hasta la optimización diaria de sus ganancias.

"Queremos permitirles a los conductores tomar mejores decisiones al darles un vistazo resumido del servicio y la información en tiempo real".
Dharmin Parikh, director de Gestión de Producto en Uber.

El Assistant ayuda a los conductores a saber dónde y cuándo aumentar ganancias al convertir datos complejos (tendencias de ganancias, zonas de alta demanda) en información simple y accionable. Luego, pueden hacer preguntas de seguimiento usando lenguaje simple y recibir respuestas personalizadas.

El objetivo: reducir la carga cognitiva el esfuerzo necesario para interpretar datos complejos mientras se intenta generar ganancias.

Esto es especialmente valioso para los conductores nuevos. Uber descubrió que usar la IA para resumir y comunicar fácilmente los datos del mundo real puede acelerar la incorporación, ya que ayuda a los conductores a aprender flujos de trabajo mucho más rápido que mediante prueba y error.

Aunque al principio se esperaba que Uber Assistant ayudara más a los conductores nuevos, los conductores experimentados también volvieron repetidamente para hacer preguntas de seguimiento y optimizar su tiempo en la plataforma, validando el producto como una utilidad a largo plazo.

"El Assistant ayuda a los conductores a incorporarse rápidamente, en comparación con hacer cientos de viajes para entender cómo funciona la plataforma".
Dharmin Parikh

Generar confianza a escala con un sistema de IA multiagente

Para Uber, la precisión, la seguridad, la confiabilidad y la velocidad son prioridades absolutas al implementar cualquier sistema de IA cuyas respuestas interactúen con conductores y repartidores.

Por eso Uber diseñó Uber Assistant en torno a tres principios centrales: seguridad, confianza y baja latencia.

La arquitectura multiagente
Los equipos de ingeniería de Uber construyeron una arquitectura que dirige cada solicitud del usuario al sistema especializado más adecuado:

• Las preguntas sobre ganancias se manejan de forma distinta a las preguntas de incorporación.

• La orientación del servicio requiere un razonamiento diferente al de las acciones transaccionales.
  

Para clasificación ligera y respuestas rápidas, Uber usa modelos nano o mini más veloces. Para tareas más complejas, aprovecha modelos de razonamiento más grandes.

AI Guard: la capa de gobernanza
Uber también desarrolló AI Guard, una capa interna que ayuda a revisar prompts y respuestas para promover la seguridad, la privacidad y la protección, hacer cumplir políticas, reducir alucinaciones y mantener la consistencia entre experiencias.

"Si los usuarios no confían en el sistema, los pierdes rápidamente. Pero cuando ven valor, regresan".
Dharmin Parikh

Cuando los conductores reciben recomendaciones precisas y útiles, regresan. Hacen más preguntas. Interactúan repetidamente. Pasan más tiempo productivo en la plataforma.

Ampliar la accesibilidad con la voz

Uber también está aplicando las API Realtime de OpenAI a uno de los siguientes grandes cambios de interfaz en la tecnología: la voz.

Escribir en una aplicación puede ser eficiente para solicitudes simples, pero muchas necesidades de transporte y comercio son más complejas.

Ejemplos de uso:

• Un viajero podría querer decir: "Tengo cinco maletas y otras cinco personas conmigo. Necesito un viaje cómodo al aeropuerto. ¿Qué me recomiendas?"

• Un adulto mayor o una persona con discapacidad visual puede preferir hablar en lugar de tocar menús.
  

Los usuarios pueden tocar el ícono del micrófono en la barra de búsqueda "¿A dónde vas?" y pedir un viaje usando lenguaje simple. El sistema interpreta la intención, aprovecha ubicaciones guardadas y el contexto del cliente, y hace recomendaciones mientras sincroniza respuestas habladas y visuales dentro de la aplicación.

Eso podría significar sugerir UberXL para viajes con mucho equipaje o reconocer destinos guardados como "casa".

"La voz elimina la barrera de completar una tarea a la vez. Puedes expresar toda tu intención de forma natural, y el sistema puede orquestar el resultado".
Dharmin Parikh

La voz también amplía la accesibilidad y habilita nuevos flujos de trabajo:

• Del lado de los conductores: interactuar con la aplicación con las manos libres.

• Del lado de los pasajeros: reducir la fricción para clientes que quieren interacciones más rápidas y simples.
  

"La voz elimina la barrera de múltiples toques porque puedes decir varias cosas. Desbloquea esa capacidad de conectar las distintas partes del ecosistema".
Aarathi Vidyasagar

Iteración más rápida, equipos más sólidos, mejores productos

A medida que las capacidades de los LLM evolucionan rápidamente, Uber también ha cambiado la forma en que los equipos crean.

Los ingenieros de toda la organización trabajan con prompting, sistemas de recuperación, canales de evaluación y marcos de orquestación. Los equipos de producto, legales, operaciones y diseño colaboran más estrechamente para definir límites de políticas, probar resultados y mejorar las experiencias de usuario.

En lugar de que un pequeño equipo centralizado de IA sea dueño de la innovación, la inteligencia ahora puede integrarse en toda la empresa.

"Ya no es un grupo especializado el que hace todo esto. Muchos equipos pueden contribuir porque las barreras para crear bajaron".
Aarathi Vidyasagar

Ese cambio acelera la experimentación y crea nuevas ideas en todo el ecosistema de Uber.

"Cada trayecto, cada viaje es una secuencia de eventos, y entender y procesar esos matices es lo que los LLM nos permiten hacer. Eso nos da mucha información sobre hacia dónde debemos ir a continuación, y ese desbloqueo, a la escala que tenemos, es increíblemente poderoso".
Aarathi Vidyasagar

Resultados: Escalar la inteligencia en todo el servicio

Uber Assistant actualmente se amplió en toda la red de conductores de EE. UU. en un despliegue experimental. Los resultados hablan por sí solos:

✅ Cientos de miles de conductores en EE. UU. ahora tienen acceso a las experiencias beta de Uber Assistant.

✅ Mejora del soporte para conductores en etapas iniciales, ayudando a los nuevos conductores a posicionarse mejor para tener más viajes.

✅ Fuerte participación recurrente, con usuarios que regresan después de interacciones exitosas.

✅ Mejor uso del tiempo en la plataforma mediante información más inteligente del servicio.

✅ Ciclos de iteración de producto más rápidos mediante especialización de modelos y sistemas de evaluación continua.

Desde ayudar a un conductor nuevo a conseguir su primer viaje hasta orientar a un conductor experimentado que busca mejores oportunidades de ganancias, Uber está usando modelos de OpenAI para hacer que el trabajo sea más productivo, el transporte más fluido y la logística cotidiana más humana.

"Como ingeniera, OpenAI simplemente desbloquea la capacidad de resolver esos problemas de maneras diferentes y únicas".
Aarathi Vidyasagar

Conclusión: ¿Qué podemos aprender de este caso?

El caso de Uber y OpenAI nos demuestra varias cosas:

1. La IA no reemplaza, potencia. Uber no despidió a sus conductores: les dio mejores herramientas para tomar decisiones más inteligentes y ganar más.

2. La confianza es clave. Sin seguridad, precisión y baja latencia, los usuarios no adoptan la tecnología.

3. La accesibilidad es el futuro. La voz está eliminando barreras y abriendo la plataforma a más personas.

4. La innovación se democratiza. Ya no es solo un equipo de expertos: todos pueden contribuir.

En GenialApps seguimos de cerca estos casos de éxito porque nos muestran el verdadero potencial de la Inteligencia Artificial cuando se aplica con propósito.

¿Querés saber cómo la IA puede transformar tu negocio o tus proyectos?