유버가 OpenAI 를 활용하여 운전자들이 더 똑똑하게 벌고 승객들이 더 빠르게 예약하도록 돕습니다

유버는 전 세계 실시간 시장 (real-time marketplace) 에서 운전자들이 더 똑똑하게 벌도록 하고 승객들이 더 빠르게 예약할 수 있도록 AI 어시스턴트와 음성 기능을 구동하기 위해 OpenAI 를 활용합니다.

결과

1.7M
전 세계 동시 진행 중인 라이드 (rides)
매일 수백만 명이 유버를 통해 라이드를 예약하고, 식사를 주문하며, 패키지를 발송하고 유연하게 벌고 있습니다. 각 클릭 뒤에는 교통, 날씨, 공항 도착, 지역 행사 및 수요에 의해 형성된 복잡한 실시간 시장이 숨어 있습니다. 유버는 매일 4000 만 번의 여행 (trips) 을 처리하고, 15,000 개의 도시와 70 개 이상의 국가에서 1000 만 명의 운전자 및 커리어를 운영합니다. 각 도시는 고유한 운영 역학, 규정 및 승객 행동을 가지고 있어 이 시스템이 전 세계적 규모에서 지속적으로 적응해야 합니다.

유버는 오랫동안 시장을 지원하기 위해 머신러닝을 사용해 왔습니다. 그리고 이제 대규모 언어 모델 (LLM) 과 OpenAI 프론티어 모델의 혜택을 통해 유버는 복잡한 신호를 더 빠르게 추론하고, 빠른 대화형 응답을 제공하며 앱 내 음성 경험을 구동할 수 있습니다.

유버와 OpenAI 간의 협력은 운전자 및 커리어가 벌 수 있는 기회를 단순화하고 승객의 마찰을 줄이는 AI 기반 제품을 구축하는 데 도움을 주고 있습니다. 그리고 OpenAI 의 모델을 사용하여 유버는 과거보다 더 빠르게 간소화된 제품과 경험을 출시할 수 있습니다.

"기술이 해결 가능한 것을 처음으로 주도합니다. 한 번에는 불가능해 보이는 문제들은 이제 해결할 수 있습니다."

운전자에게 유연성은 유버의 가장 큰 강점 중 하나입니다. 일부는 전일제 운전을 하고, 다른 이들은 주말에만 운전하며, 일부는 클래스나 시프트 사이를 운전합니다. 이러한 유연성은 운전자들이 지속적으로 옵션을 평가하고 질문하는 것을 의미합니다: 현재 위치를 어디에 배치해야 할까요? 공항을 운전할 가치가 있을까요? 점심시간 동안 라이드에서 배송으로 전환해야 할까요? 오늘 내 수익이 왜 다르게 보였을까요?

그러는 질문에 답하기 위해 유버는 Uber Assistant라는 AI 기반 어시스턴트를 개발했습니다. 이 어시스턴트는 플랫폼 전체의 라이프사이클 (라이딩, 첫 번째 라이드부터 일상적인 수익 최적화까지) 에서 운전자들을 돕도록 설계되었습니다.

"우리는 시장과 실시간 인사이트를 제공하여 운전자들이 자신에게 더 나은 결정을 내릴 수 있도록 하는 것을 목표로 합니다."라고 유버 제품 관리 디렉터인 Dharmin Parikh 가 말했습니다.

어시스턴트는 수익 추세 및 히트맵과 같은 복잡한 데이터를 단순하고 실행 가능한 위치 인사이트로 변환하여 운전자들이 어디에서 언제 벌해야 할지 돕습니다. 그들은 이제 평문으로 추가 질문을 하고 맞춤형 응답을 받으며 앱을 쉽게 탐색할 수 있습니다.

유버의 목표는 인지적 과부하 (복잡한 시장 데이터를 해석하는 데 필요한 노력) 를 줄이는 것입니다.

이것은 특히 새로운 운전자에게 매우 가치 있는 것으로 입증되었습니다. 유버는 AI 를 사용하여 유버의 실제 세계 데이터를 요약하고 쉽게 전달할 수 있음을 발견했습니다. 이는 시행착오를 통해보다 빠르게 워크플로우 및 시장 역학을 배우도록 돕고, 리 Ramp-up을 가속화합니다.

초기에는 Uber Assistant 가 새로운 운전자들에게 가장 도움이 될 것으로 예상되었으나, 숙련된 운전자들도 플랫폼에서 시간을 최적화하기 위해 반복적으로 추가 질문을 하고 돌아왔습니다. 이는 이 제품이 장기적인 유틸리티가 아닌 오너딩 툴이 아니라는 것을 입증했습니다.

"어시스턴트는 수백 번의 라이드를 통해 플랫폼을 이해하는 것보다 운전자들이 빠르게 ramp up 하는 데 도움을 주고 있습니다."라고 Parikh 가 말했습니다.

Uber 는 운전사와 커리어를 대상으로 하는 AI 시스템의 출력이 상호작용할 때 정확성, 안전성, 신뢰성, 속도가 최우선 과제입니다. 중요한 고려사항은 정책 준수 응답과 실시간 모바일 앱에서 사용자가 기대하는 표준을 충족하는 지연 시간입니다.

이러한 이유로 Uber 는 안전, 신뢰, 낮은 지연 시간을 핵심 원칙으로 설계했습니다.

Uber 의 엔지니어링 팀은 각 사용자 요청을 가장 적합한 전문 시스템으로 라우팅하는 멀티 에이전트 아키텍처 (multi-agent architecture) 를 구축했습니다. 예를 들어, 수익 관련 질문과 온보딩 관련 질문은 다르게 처리될 수 있으며, 마켓플레이스 안내는 거래 행동과 다른 추론이 필요합니다.

이러한 아키텍처는 Uber 가 각 작업을 특정 운영 요구에 가장 적합한 모델로 라우팅할 수 있게 하여, 각 쿼리가 가장 중요한 것에 대한 적절한 초점을 가지고 처리되도록 보장합니다.

가벼운 분류와 빠른 응답을 위해 Uber 는 더 빠르고 나노/미니 모델을 사용합니다. 더 복잡한 작업은 더 큰 추론 모델을 활용합니다.

Uber 는 또한 AI Guard라는 내부 거버넌스 레이어를 개발하여 안전, 프라이버시, 보안 촉진, 정책 강제, 환상 감소 및 경험 간 일관성 유지에 도움을 줍니다.

운전사가 정확한 유용한 추천을 받으면 다시 돌아옵니다. 더 많은 질문을 합니다. 반복적으로 참여합니다. 그리고 플랫폼에서 더 많은 생산적인 시간을 소비합니다.

"사용자가 시스템을 신뢰하지 않으면 빠르게 잃어버립니다,"라고 Parikh 는 말합니다. "하지만 가치 를 볼 때, 그들은 돌아옵니다."

Uber 는 또한 기술의 다음 주요 인터페이스 전환 중 하나인 음성 (voice) 에 OpenAI Realtime API 를 적용하고 있습니다.

앱에 타이핑은 단순 요청을 위해 효율적일 수 있습니다. 그러나 많은 운송 및 상거래 요구는 더 복잡합니다.

여행자는 "5 개의 짐과 5 명의 다른 사람들이 함께 있습니다. 공항으로 좋은 승차감을 원합니다. 무엇을 추천하시나요?"라고 말할 수 있습니다. 노년층이나 시각 장애인은 메뉴를 탭하는 것보다 말하기를 선호할 수 있습니다.

Uber 의 새로운 음성 경험 (new voice experiences) 은 이러한 순간을 마찰 없는 것으로 설계했습니다. 사용자는 Uber 앱의 '어디로' 검색 바에 마이크 아이콘을 탭하고 자연스러운 언어로 승차감을 요청할 수 있습니다. 시스템은 Realtime API 와 다른 프론티어 모델을 사용하여 의도를 해석하고, 저장된 위치 및 고객 컨텍스트를 활용하며, 추천을 만들면서 앱 내에서 구술 및 시각 응답을 동기화합니다.

이는 짐이 많은 여행에 UberXL 을 제안하거나 "집"과 같은 저장된 목적지를 인식할 수 있음을 의미할 수 있습니다.

"음성은 한 번의 작업을 완료하는 장벽을 제거합니다,"라고 Parikh 는 말합니다. "자연스러운 방식으로 완전한 의도를 표현할 수 있고, 시스템은 결과를 조율할 수 있습니다."

음성은 접근성을 확장하고 Uber 의 생태계 전반에 걸쳐 새로운 워크플로우를 열립니다. 운전사 측면에서는 운전사가 핸즈 프리로 앱과 상호작용할 수 있게 합니다. 승객 측면에서는 더 빠르고 간단한 상호작용을 원하는 고객에게 마찰을 줄일 수 있습니다.

"음성은 여러 것을 말할 수 있기 때문에 멀티 탭 장벽을 제거합니다,"라고 Vidyasagar 는 말합니다. "이는 생태계의 다양한 부분을 연결할 수 있는 능력을 열립니다."

LLM capabilities 가 빠르게 진화함에 따라 Uber 는 팀이 어떻게 구축하는지 변경했습니다.

조직의 엔지니어는 프롬프트, 검색 시스템, 평가 파이프라인, 조율 프레임워크와 함께 작업합니다. 제품, 법률, 운영 및 디자인 팀은 정책 경계를 정의하고 출력을 테스트하며 사용자 경험을 개선하기 위해 더 밀접하게 협력합니다.

중심화된 AI 팀이 혁신을 주도하던 방식 대신, 지능은 이제 전 회사에 분산되어 통합될 수 있습니다.

"이제 모든 일을 한 전문 그룹이 아닌,"라고 Vidyasagar 는 말합니다. "건설의 장벽이 낮아졌기 때문에 많은 팀들이 기여할 수 있습니다."

이러한 전환은 실험을 가속화하고 Uber 의 생태계 전반에 걸쳐 새로운 아이디어를 창출합니다.

"모든 주행, 모든 여정은 사건들의 시퀀스이며, 그 미묘함을 이해하고 처리하는 것이 LLM 이 우리에게 열어주는 것입니다,"라고 Vidyasagar 는 말합니다. "그것은 다음으로 나아가야 할 곳에 대한 많은 정보를 제공합니다. 우리가 가진 규모에서 이러한 개방은 특히 강력합니다."

Uber Assistant 는 이제 실험적 롤아웃을 통해 미국 운전 네트워크 전반에 걸쳐 확장되었으며, Uber 는 계속해서 경험을 테스트하고 정교화하고 있습니다:

수만 명의 미국 운전자는 이제 Uber Assistant 베타 경험에 접근할 수 있습니다 - 초기 lifecycle drivers 를 위한 지원을 개선하여 새로운 운전자들이 더 많은 트립을 위해 더 잘 포지셔닝되도록 돕습니다. 반복적인 참여를 강화하며, 사용자들은 성공적인 상호작용 후 다시 돌아옵니다. 플랫폼 내에서의 더 빠른 시간 활용은 스마트한 마켓플레이스 인사이트를 통해 이루어집니다. 모델 특화 및 지속적인 평가 시스템을 통한 더 빠른 제품 이터레이션 사이클.

새로운 운전자에게 첫 번째 트립을 돕거나 숙련된 운전자에게 더 나은 수익 창출 기회를 찾는 데 안내하는 것까지, Uber 는 OpenAI 모델을 사용하여 작업을 더 생산적으로 만들고, 교통을 더 매끄럽게 하며, 일상 물류를 더 인간적으로 만듭니다.

"엔지니어로서, OpenAI 는 그 문제를 다른 방식으로 해결할 수 있는 능력을 열어줍니다,"라고 Vidyasagar 는 말합니다.