Uber Quiere que la IA Reduzca la Fricción en Ambos Lados de su Marketplace
La última apuesta de Uber por la IA tiene menos que ver con añadir un chatbot por novedad y más con simplificar uno de los marketplaces de consumo más complejos del mundo. La compañía dice que está usando modelos de OpenAI para impulsar asistentes y funciones de voz que ayudan a los conductores a tomar mejores decisiones de ingresos y a los pasajeros a navegar las reservas con mayor rapidez en un servicio que opera en miles de ciudades.
La escala del desafío ayuda a explicar por qué Uber considera que los modelos de lenguaje grandes son ahora más útiles. Según la compañía, su plataforma gestiona 40 millones de viajes al día y conecta a 10 millones de conductores y repartidores en 15.000 ciudades de más de 70 países. Cada una de esas ciudades trae consigo patrones de tráfico distintos, clima, ritmos aeroportuarios, regulaciones locales y comportamientos de demanda diferentes. Uber lleva tiempo usando machine learning en ese entorno, pero su tesis actual es que los modelos de lenguaje de frontera pueden convertir señales operativas dispersas en orientación conversacional que las personas realmente puedan usar.
Ese es un cambio sutil, pero importante. El machine learning tradicional puede optimizar la asignación y la predicción detrás de escena. La IA generativa aspira a exponer esos conocimientos directamente a los humanos en lenguaje claro y por voz, haciendo que un sistema operativo denso resulte más legible en tiempo real.
El Lado del Conductor Es el Caso de Uso Más Claro
El ejemplo más detallado de Uber es Uber Assistant, una herramienta impulsada por IA diseñada para apoyar a los conductores durante la incorporación, los primeros viajes y las decisiones diarias sobre ingresos. La compañía afirma que los conductores se enfrentan con regularidad a preguntas prácticas que son difíciles de responder solo con paneles de control brutos: dónde ubicarse, si vale la pena ir al aeropuerto, si tiene sentido cambiar de viajes a entregas a la hora del almuerzo o por qué los ingresos de un día concreto se vieron diferentes.
Esas no son preguntas triviales. La plataforma de Uber depende de una fuerza laboral flexible cuyos participantes entran y salen en distintos momentos, con objetivos y niveles de experiencia diferentes. Algunos conductores trabajan a tiempo completo, otros a tiempo parcial y otros solo cuando su agenda lo permite. Esa flexibilidad es un punto de venta, pero también genera incertidumbre constante. Una mejor orientación puede reducir la carga cognitiva de navegar un marketplace en vivo que cambia hora a hora.
Uber dice que el asistente resume datos complejos, como tendencias de ingresos y mapas de calor, en información simple y accionable sobre posicionamiento. Después, los conductores pueden hacer preguntas de seguimiento en lenguaje natural y recibir respuestas adaptadas mientras usan la app con mayor facilidad. El objetivo declarado de la compañía es reducir el “cognitive overhead”, una expresión que capta un desafío real del producto: los conductores necesitan consejos útiles, no solo más datos.
Por Qué los Modelos de Lenguaje Encajan con Este Problema
La promesa de los modelos de lenguaje grandes en el contexto de Uber no es que creen nueva inteligencia de marketplace desde cero. Es que pueden razonar sobre señales ya existentes y traducirlas en apoyo más rápido y conversacional. Cuando un conductor pregunta si vale la pena ir al aeropuerto, la respuesta útil depende de múltiples variables que cambian continuamente. Una interfaz convencional puede mostrar parte de eso con mapas y gráficos. Un asistente impulsado por lenguaje puede convertirlo en una recomendación o explicación directa.
Eso importa en un marketplace donde el tiempo es dinero. Si un conductor tiene que interpretar varias pantallas antes de decidir adónde ir, la plataforma ya le ha impuesto fricción. Si un pasajero tiene que pasar por demasiados toques o pasos confusos para reservar, el mismo problema aparece del lado de la demanda. El enfoque de Uber sugiere que cree que la próxima ventaja competitiva viene de comprimir esas decisiones en intercambios más simples.
La compañía también hace hincapié en la velocidad de salida al mercado. Al usar los modelos de OpenAI, Uber dice que puede lanzar productos y experiencias simplificados más rápido que antes. Ese es un atractivo habitual de los foundation models: pueden acortar el camino desde la idea hasta una función de cara al usuario lista para desplegarse, especialmente cuando el reto principal es el lenguaje, la explicación o la interacción por voz y no la predicción pura.
De la Guía en Texto a las Experiencias por Voz
El lado del pasajero en este esfuerzo se detalla menos en el texto proporcionado, pero Uber dice que la colaboración también impulsa experiencias de voz que ayudan a las personas a reservar más rápido. Eso apunta a un rediseño más amplio de la interacción con la app, en el que el habla se convierte en otra interfaz para navegar tareas de transporte, reparto y logística que a menudo se realizan en movimiento.
La voz es especialmente relevante en un servicio como Uber porque los usuarios suelen estar haciendo varias cosas a la vez. Un pasajero puede estar saliendo de un aeropuerto, cargando equipaje o caminando por una ciudad mientras intenta coordinar un viaje. En ese contexto, una reserva conversacional puede reducir la fricción de una forma que se siente materialmente distinta a la de un menú estático en la app.
La misma lógica se extiende a conductores y repartidores. El soporte basado en voz puede ser útil cuando la interacción manos libres importa y cuando una respuesta rápida es más valiosa que una explicación visual densa. Si Uber tiene éxito, el beneficio práctico no será que la app se sienta futurista. Será que la gente dedique menos esfuerzo a interpretar la plataforma mientras la usa.
Lo que Esto Dice Sobre la Adopción Empresarial de la IA
El anuncio de Uber también muestra cómo está evolucionando la adopción empresarial de la IA. Muchas de las primeras implementaciones de IA generativa se centraron en bots de soporte o herramientas internas de productividad. Uber está aplicando la tecnología directamente a un marketplace de alta frecuencia y tiempo real, donde el momento, el contexto local y la confianza del usuario importan mucho. Eso eleva el listón. Una mala orientación en este entorno no es solo molesta; puede afectar los ingresos, los tiempos de espera y la conversión.
Al mismo tiempo, el caso de uso es inusualmente sólido porque Uber ya cuenta con enormes cantidades de datos operativos. La compañía no necesita que la IA invente contexto. Necesita que la IA sintetice y comunique el contexto de forma más eficaz. Esa es una de las categorías más claras en las que los modelos de lenguaje pueden aportar valor dentro de una plataforma digital madura.
El anuncio no ofrece métricas de rendimiento, así que sigue sin estar claro cuánto mejoran en la práctica los nuevos asistentes las decisiones de los conductores o las tasas de finalización de reservas de los pasajeros. Pero estratégicamente, la dirección es notable. Uber está tratando la IA generativa no como un destino separado dentro de la app, sino como una capa de interfaz sobre un complejo motor de marketplace.
La Apuesta Mayor: Hacer que la Complejidad se Sienta Simple
El marketplace de Uber está lleno de variables que pueden abrumar tanto a trabajadores como a clientes. El tráfico, el clima, la oferta, la demanda, las regulaciones y los eventos locales cambian constantemente. La apuesta de IA de la compañía es que los modelos de frontera pueden absorber parte de esa complejidad y convertirla en consejos oportunos que resulten intuitivos.
Si eso funciona, el beneficio va más allá del lanzamiento de una sola función. Para conductores y repartidores, podría significar menos conjeturas y más confianza en cómo usan la plataforma. Para pasajeros, podría significar reservas más rápidas y menos fricción en las decisiones cotidianas. Para Uber, podría significar un servicio que parezca más inteligente sin obligar a los usuarios a aprender un sistema nuevo.
- Uber dice que procesa 40 millones de viajes al día en más de 70 países.
- La compañía está usando modelos de OpenAI para impulsar asistentes de IA y funciones de voz.
- Uber Assistant está diseñado para ayudar a los conductores a interpretar tendencias de ingresos y opciones de posicionamiento.
- El objetivo más amplio es reducir el cognitive overhead y acelerar las acciones de los usuarios dentro de la app.
La versión más sólida de esta estrategia no es llamativa. Es infraestructural. Uber intenta que un marketplace vasto y dinámico resulte más fácil de entender en el momento. Ahí es donde la IA generativa puede demostrar mayor durabilidad: no como espectáculo, sino como traducción entre sistemas complejos y las personas que dependen de ellos.
Este artículo está basado en un informe de OpenAI. Leer el artículo original.
Originally published on openai.com