Uber: agentes de IA reservaram apenas 4 corridas e 500 refeições entre 320 milhões na semana do Halloween

Ao longo do último ano, temos ouvido que agentes pessoais de IA assumirão tarefas rotineiras: pedirão carros e comida e comprarão produtos. Startups recebem avaliações de dezenas de bilhões, enquanto aplicativos como o Meta Muse chegam ao primeiro lugar na App Store. Então uma empresa de capital aberto divulga seus resultados, e o cenário se torna muito mais modesto.

O que a Uber revelou

Na teleconferência de resultados do terceiro trimestre, o diretor financeiro Balaji Krishnamurti contou que, durante a semana do Halloween, a mais movimentada de outubro, a Uber e o Uber Eats processaram cerca de 320 milhões de corridas e pedidos. Apenas quatro corridas e 500 pedidos de comida foram feitos por meio de agentes de IA. Isso representa centésimos de ponto percentual do volume total — na prática, uma margem de erro estatística.

O CEO Dara Khosrowshahi classificou o resultado como uma “adoção muito inicial e muito limitada” e acrescentou que a empresa espera crescimento. Uma semana antes, a DoorDash havia relatado praticamente a mesma coisa: agentes geraram apenas algumas centenas de pedidos, enquanto a esmagadora maioria dos clientes continuava usando o aplicativo convencional.

Por que um agente não consegue superar um botão

O principal argumento da própria Uber é que solicitar uma corrida no aplicativo leva, em média, 50 segundos, enquanto repetir o pedido de uma comida favorita leva cerca de 90 segundos. Os aplicativos foram otimizados durante anos para esses cenários: endereços salvos, histórico de pedidos, dados de pagamento e fluxos de um ou dois toques.

Agora imagine um agente. É preciso formular a solicitação, esperar pela resposta, verificar se ele escolheu a tarifa e o ponto de embarque corretos e confirmar o pagamento. Para uma tarefa familiar e recorrente, isso não é mais rápido e, às vezes, é até mais lento. Há ainda a questão da confiança: um erro no endereço ou no preço custa dinheiro de verdade.

O agente leva vantagem quando a tarefa é complexa e pouco definida: “Encontre um jantar para seis pessoas, com opções vegetarianas, perto do hotel e faça uma reserva”. Não há motivo para delegar a ele um pedido simples que exige apenas um toque.

O que isso significa na prática

Ainda assim, a posição da Uber é tranquila. Khosrowshahi vê os agentes como mais um canal de aquisição de clientes e espera um “saldo líquido positivo” para a demanda. Segundo ele, todas as empresas de IA conversam com a Uber; atualmente existem cerca de oito grandes assistentes, e esse número passará de dez. Para a plataforma, isso é barato: conectar-se a mais um canal é mais fácil do que construí-lo por conta própria.

As conclusões para desenvolvedores e equipes de produto são:

• Não criem um fluxo agêntico sobre uma tarefa que o aplicativo resolve em um minuto. Primeiro, meçam o tempo e o número de etapas no próprio produto.
• Procurem tarefas com alta carga cognitiva: comparação de opções, planejamento e reservas com várias etapas.
• Preparem API e dados estruturados para agentes com antecedência. Isso é barato, mas não contem com um retorno rápido sobre o investimento.
• Vale acompanhar separadamente, desde já, a métrica de “pedidos por meio de agentes” para perceber um ponto de inflexão, caso ele aconteça.

Limitações

São dados de apenas uma semana e de duas empresas. Eles não indicam que os agentes nunca decolarão: os números iniciais da web e dos aplicativos móveis também pareciam modestos. Além disso, não se sabe quantos usuários recorrem a um agente para escolher uma opção, mas concluem o pedido por conta própria no aplicativo. Esses percursos não aparecem nas estatísticas de pedidos feitos por agentes.

A conclusão é simples: o entusiasmo em torno dos agentes está à frente do comportamento real das pessoas. Por enquanto, a conveniência do aplicativo convencional está vencendo, enquanto a vantagem dos agentes está nas tarefas complexas — e não em substituir o botão “Pedir”.