ИИ-агенты принесли Uber лишь 4 поездки при 320 млн заказов в неделю

У Uber получился редкий и потому особенно полезный эксперимент: компания показала не красивую демонстрацию ИИ-агента, а реальное поведение пользователей. При объёме около 320 млн поездок и заказов еды в неделю через агентов оформили примерно 500 доставок и всего четыре поездки.

Цифры выглядят почти комично, но вывод из них серьёзный. Пользователь не нанимает цифрового посредника только потому, что тот называется агентом. Если привычная кнопка уже решает задачу быстро и предсказуемо, дополнительный слой общения скорее мешает, чем помогает.

Почему агент проиграл обычному интерфейсу

Заказ поездки в Uber занимает примерно 50 секунд. Повтор привычного заказа в Uber Eats — около 90 секунд. Пользователь открывает приложение, видит цену, проверяет адрес и нажимает кнопку. У задачи ясный сценарий, мало шагов и немедленная обратная связь.

Теперь представим агента. Ему нужно объяснить, куда ехать или что заказать. Затем проверить, правильно ли он понял адрес, ресторан, состав заказа и стоимость. Даже если агент технически способен выполнить действие, пользователь всё равно несёт риск ошибки. Экономия нескольких нажатий не компенсирует необходимость контролировать посредника.

Именно здесь ломается распространённая продуктовая гипотеза: разговорный интерфейс не становится удобнее графического автоматически. Для коротких и частых операций кнопка часто эффективнее диалога. Она показывает доступные варианты, ограничения и цену до подтверждения. Агенту всё это приходится пересказывать или скрывать за собственным решением.

Где агент действительно может быть полезен

Проблема не в агентах как технологии, а в масштабе выбранной задачи. Заказать одну знакомую поездку — слишком просто. Но организовать сложный маршрут уже интереснее: подобрать время выезда с учётом рейса, заказать машину для нескольких пассажиров, предусмотреть детское кресло, сопоставить цену с общественным транспортом и изменить бронирование при задержке самолёта.

То же относится к доставке еды. Повторить вчерашний заказ можно одной кнопкой. Составить меню на неделю для семьи, учесть аллергии, бюджет, сроки доставки и предпочтения нескольких человек — это уже цепочка решений. Здесь агент способен сэкономить не секунды, а десятки минут умственной работы.

Для разработчика важна ещё одна граница: действие с деньгами требует прозрачного подтверждения. Агент должен показать, что именно он выбрал, сколько это стоит и какие данные использовал. Нельзя прятать критические параметры за фразой «я всё организовал». Чем выше цена ошибки, тем важнее журнал действий, возможность отмены и понятный переход к ручному управлению.

Что проверять продуктовой команде

Не стоит начинать с вопроса «куда встроить агента». Полезнее измерить существующий процесс: сколько он занимает, сколько решений требует и где пользователь ошибается или бросает задачу. Затем агентский сценарий нужно сравнить с обычным интерфейсом по времени выполнения, доле успешных операций, числу исправлений и повторному использованию.

Эксперимент Uber напоминает: техническая возможность ещё не означает продуктовый спрос. Если агент заменяет три нажатия длинным диалогом, он ухудшает продукт. Если же он собирает данные из нескольких источников, координирует участников и самостоятельно проходит многошаговый процесс, ценность становится заметной.

Практический вывод простой: ищите не операции, которые ИИ способен выполнить, а задачи, которые людям действительно тяжело выполнять самостоятельно. Агент оправдан там, где снимает целую цепочку рутины, неопределённости и контроля. Для всего остального хорошая кнопка пока остаётся более сильным интерфейсом.