Uber وOpenAI تطلقان مساعدين بالذكاء الاصطناعي وخدمة الطلب الصوتي للسائقين والركاب

توسّع Uber تعاونها مع OpenAI، فقد أدمجت الشركة أدوات الذكاء الاصطناعي لفئتين رئيسيتين في آن واحد: السائقين والركاب. فالسائقون يحصلون على نصائح حول أين ومتى يكون العمل أكثر ربحية، أما الركاب فيستطيعون طلب الرحلة بشكل أسرع بالصوت مباشرة داخل التطبيق.

مساعد للسائقين

تعمل Uber في سوق ضخم يتغيّر باستمرار. فبحسب بيانات الشركة، تعالج المنصة نحو 40 مليون رحلة يوميًا، وتضم 10 ملايين سائق وعامل توصيل، وتعمل في 15 ألف مدينة في أكثر من 70 دولة. وفي منظومة كهذه، يضطر السائق إلى اتخاذ عشرات القرارات الصغيرة أثناء القيادة. وتستخدم Uber نماذج OpenAI لتحويل هذا التدفق من الإشارات إلى توصيات قصيرة وواضحة، بدلًا من ترك السائق وحيدًا أمام الرسوم البيانية وخرائط heatmap.

المنتج الرئيسي هنا هو Uber Assistant، وهو مساعد بالذكاء الاصطناعي للسائقين وعمال التوصيل. يرافق المستخدم في كل مراحل رحلته داخل المنصة: من التسجيل الأولي والرحلات الأولى إلى التحسين اليومي للأرباح. ويستطيع السائق أن يطرح سؤالًا بلغة عادية ويحصل على إجابة، دون الحاجة إلى فهم المنطق الداخلي المعقّد للسوق. وفي جوهر الأمر، تحاول Uber تخفيف العبء الذهني: وقت أقل في تفسير البيانات، ووقت أكثر للطلبات الفعلية.

وبحسب OpenAI، حصل مئات الآلاف من السائقين في الولايات المتحدة بالفعل على إمكانية الوصول إلى النسخة التجريبية (بيتا).

• نصائح حول أفضل مكان للتواجد في اللحظة الحالية
• مقارنة السيناريوهات: الرحلات، والتوصيل، والمطار
• شرح سبب اختلاف دخل اليوم عن دخل الأمس
• مساعدة السائقين الجدد في بداية عملهم

بنية قائمة على الثقة والسرعة

لا يكفي Uber أن تقدّم إجابة تبدو معقولة. فإذا كانت نصيحة الأرباح غير دقيقة، وكانت الواجهة بطيئة، فسيفقد المستخدم ثقته بالنظام سريعًا. لذلك بنت الشركة بنية متعددة الوكلاء، تُوجَّه فيها أنواع الطلبات المختلفة إلى مسارات متخصصة مختلفة. فالأسئلة المتعلقة بالتسجيل والأرباح وتوصيات التموضع والإجراءات المعاملاتية لا تُعالج بالطريقة نفسها، بل بحسب السياق ومتطلبات الدقة. وهذا بالغ الأهمية في تطبيق يجب أن يُتخذ فيه القرار خلال ثوانٍ.

وتضم هذه البنية طبقة مستقلة هي AI Guard، وهي مستوى إدارة داخلي يتحقق من النصائح والإجابات ومدى امتثالها لسياسات الأمان والخصوصية والجودة. وللمهام البسيطة والسريعة تستخدم Uber نماذج أخف، أما للمهام المعقّدة فتستخدم نماذج استدلال (reasoning) تجري تحليلًا أعمق. وهذا النهج ليس لأجل أناقة البنية، بل لأسباب عملية: فأقل زمن استجابة ممكن في التطبيق المحمول وإجابات يمكن التنبؤ بها أهم من استعراض «سحر» الذكاء الاصطناعي.

«إذا لم يثق المستخدمون بالنظام، فإنك تفقدهم بسرعة كبيرة».

الطلب الصوتي للرحلات

الجزء البارز الثاني من المشروع هو السيناريوهات الصوتية للركاب. فبدلًا من التنقل بين القوائم خطوة بخطوة، يستطيع المستخدم الضغط على أيقونة الميكروفون في شريط البحث ووصف حاجته بكلام عادي. على سبيل المثال، أن يقول إنه يحتاج إلى توصيلة إلى المطار مع أمتعة وعدة مرافقين. يفسّر النظام النية، ويأخذ في الحسبان العناوين المحفوظة وسياق العميل، ثم يقترح خيار الرحلة المناسب ويزامن بين الرد الصوتي والرد المرئي.

وبالنسبة إلى Uber، ليس هذا مجرد راحة إضافية، بل وسيلة لجعل الخدمة أكثر إتاحة. فالصوت مهم خصوصًا لمن يصعب عليهم العمل مع الشاشة لفترة طويلة: كبار السن، وذوو الإعاقة البصرية، أو من يريدون ببساطة إنجاز المهمة بشكل أسرع. وعلى جانب السائقين، تفيد هذه الواجهات أيضًا: إجراءات يدوية أقل في التطبيق، وقدرة أكبر على التفاعل مع الخدمة دون الانشغال بالكتابة.

وتوضح الشركة أن Voice Booking يُطرح تدريجيًا خلال الأسابيع المقبلة.

ماذا يعني ذلك

تُظهر شراكة Uber وOpenAI كيف ينتقل الذكاء الاصطناعي التوليدي من مرحلة العروض التوضيحية إلى منتجات تشغيلية ذات متطلبات صارمة من حيث السرعة والأمان والفائدة. فهنا لا «يكتب» الذكاء الاصطناعي نصوصًا، بل يساعد على اتخاذ القرارات في الوقت الفعلي داخل سوق ضخم. وإذا نجح الطرح، فسيظهر منطق مشابه بسرعة في خدمات أخرى تحتاج إلى العمل في آن واحد مع اللوجستيات والطلب وسلوك المستخدمين والواجهات الصوتية.