A Uber quer que a IA reduza o atrito nos dois lados de seu marketplace
A mais recente investida da Uber em IA tem menos a ver com adicionar um chatbot por novidade e mais com simplificar um dos marketplaces de consumo mais complexos do mundo. A empresa diz que está usando modelos da OpenAI para impulsionar assistentes e recursos de voz que ajudam motoristas a tomar melhores decisões de ganho e ajudam passageiros a navegar pelas reservas mais rapidamente em um serviço operando em milhares de cidades.
A escala do desafio ajuda a explicar por que a Uber vê os grandes modelos de linguagem como algo novo e útil. Segundo a empresa, sua plataforma processa 40 milhões de viagens por dia e conecta 10 milhões de motoristas e entregadores em 15.000 cidades, em mais de 70 países. Cada uma dessas cidades traz padrões diferentes de trânsito, clima, ritmo de aeroportos, regulações locais e comportamento de demanda. A Uber usa aprendizado de máquina há muito tempo nesse ambiente, mas sua afirmação atual é que modelos de linguagem de fronteira podem transformar sinais operacionais dispersos em orientação conversacional que as pessoas realmente consigam usar.
Essa é uma mudança sutil, mas importante. O aprendizado de máquina tradicional pode otimizar o pareamento e as previsões nos bastidores. A IA generativa busca expor esses insights diretamente aos humanos, em linguagem simples e por voz, fazendo um sistema operacional denso parecer mais legível em tempo real.
O lado do motorista é o caso de uso mais claro
O exemplo mais detalhado da Uber é o Uber Assistant, uma ferramenta com IA projetada para apoiar motoristas durante o onboarding, as primeiras corridas e as decisões diárias de ganhos. A empresa diz que motoristas enfrentam com frequência perguntas práticas difíceis de responder apenas com dashboards brutos: onde se posicionar, se o aeroporto vale a viagem, se faz sentido trocar corridas por entregas no almoço ou por que os ganhos de um determinado dia pareceram diferentes.
Essas não são perguntas triviais. A plataforma da Uber depende de uma força de trabalho flexível, cujos participantes entram e saem em horários diferentes, com objetivos e níveis de experiência distintos. Alguns motoristas trabalham em tempo integral, outros em tempo parcial e outros apenas quando a agenda permite. Essa flexibilidade é um diferencial, mas também cria incerteza constante. Orientação melhor pode reduzir a carga cognitiva de navegar em um marketplace ao vivo que muda hora a hora.
A Uber diz que o assistente resume dados complexos, como tendências de ganhos e heatmaps, em insights simples e acionáveis de posicionamento. Os motoristas podem então fazer perguntas de acompanhamento em linguagem natural e receber respostas personalizadas enquanto navegam pelo app com mais facilidade. O objetivo declarado da empresa é reduzir o “cognitive overhead”, uma expressão que captura um desafio real de produto: motoristas precisam de conselhos utilizáveis, não apenas de mais dados.
Por que modelos de linguagem se encaixam nesse problema
A promessa dos grandes modelos de linguagem no contexto da Uber não é criar inteligência de mercado do zero. É raciocinar sobre sinais já existentes e traduzi-los em suporte mais rápido e mais conversacional. Quando um motorista pergunta se vale a pena ir até o aeroporto, a resposta útil depende de várias entradas que mudam. Uma interface convencional pode expor parte disso por mapas e gráficos. Um assistente guiado por linguagem pode transformar isso em uma recomendação ou explicação direta.
Isso importa em um marketplace em que tempo é dinheiro. Se um motorista precisa interpretar várias telas antes de decidir para onde ir em seguida, a plataforma já impôs atrito. Se um passageiro precisa lidar com muitos toques ou etapas confusas para reservar, o mesmo problema aparece do lado da demanda. A forma como a Uber apresenta o tema sugere que a próxima vantagem competitiva virá de comprimir essas decisões em trocas mais simples.
A empresa também destaca a velocidade de lançamento. Ao usar os modelos da OpenAI, a Uber diz que consegue entregar produtos e experiências mais enxutos mais rápido do que antes. Esse é um apelo comum dos foundation models: eles podem encurtar o caminho da ideia até um recurso voltado ao usuário e pronto para ser lançado, especialmente quando o desafio central é linguagem, explicação ou interação por voz, e não pura predição.
Da orientação em texto às experiências por voz
O lado do passageiro no esforço é menos detalhado no texto fornecido, mas a Uber diz que a colaboração também impulsiona experiências de voz que ajudam as pessoas a reservar mais rápido. Isso aponta para uma reformulação mais ampla da interação com o app, em que a fala se torna outra interface para navegar em tarefas de transporte, entrega e logística que muitas vezes acontecem em movimento.
A voz é particularmente relevante em um serviço como a Uber porque os usuários frequentemente estão fazendo várias coisas ao mesmo tempo. Um passageiro pode estar saindo de um aeroporto, carregando malas ou caminhando pela cidade enquanto tenta coordenar uma viagem. Nesse cenário, a reserva conversacional pode reduzir atrito de uma forma materialmente diferente de um menu estático do app.
A mesma lógica se estende a motoristas e entregadores. O suporte por voz pode ser útil quando a interação sem as mãos importa e quando uma resposta rápida vale mais do que uma explicação visual densa. Se a Uber tiver sucesso, o benefício prático não será o app parecer futurista. Será que as pessoas gastarão menos esforço interpretando a plataforma enquanto a usam.
O que isso diz sobre a adoção corporativa de IA
O anúncio da Uber também mostra como a adoção corporativa de IA está evoluindo. Muitos dos primeiros deployments de IA generativa se concentraram em bots de suporte ou ferramentas internas de produtividade. A Uber está aplicando a tecnologia diretamente a um marketplace de alta frequência e em tempo real, em que timing, contexto local e confiança do usuário importam. Isso eleva os riscos. Orientação ruim nesse cenário não é apenas irritante; pode afetar ganhos, tempo de espera e conversão.
Ao mesmo tempo, o caso de uso é especialmente forte porque a Uber já possui enormes quantidades de dados operacionais. A empresa não precisa que a IA invente contexto. Precisa que a IA sintetize e comunique contexto com mais eficiência. Essa é uma das categorias mais claras em que modelos de linguagem podem agregar valor dentro de uma plataforma digital madura.
O anúncio não traz métricas de desempenho, então ainda não está claro quanto os novos assistentes melhoram, na prática, as decisões dos motoristas ou as taxas de conclusão de reservas dos passageiros. Mas, estrategicamente, a direção é notável. A Uber está tratando a IA generativa não como um destino separado dentro do app, mas como uma camada de interface sobre um motor de marketplace complexo.
A aposta maior: fazer a complexidade parecer simples
O marketplace da Uber está cheio de variáveis que podem sobrecarregar tanto trabalhadores quanto clientes. Trânsito, clima, oferta, demanda, regulações e eventos locais mudam constantemente. A aposta da empresa em IA é que modelos de fronteira podem absorver parte dessa complexidade e transformá-la em conselhos oportunos que pareçam intuitivos.
Se isso funcionar, o retorno é mais amplo do que o lançamento de um único recurso. Para motoristas e entregadores, isso pode significar menos tentativa e erro e mais confiança em como usam a plataforma. Para passageiros, pode significar reservas mais rápidas e menos atrito nas decisões do dia a dia. Para a própria Uber, pode significar um serviço que parece mais inteligente sem forçar os usuários a aprender um sistema novo.
- A Uber diz que processa 40 milhões de viagens por dia em mais de 70 países.
- A empresa está usando modelos da OpenAI para alimentar assistentes de IA e recursos de voz.
- O Uber Assistant foi criado para ajudar motoristas a interpretar tendências de ganhos e escolhas de posicionamento.
- O objetivo mais amplo é reduzir o cognitive overhead e acelerar as ações do usuário dentro do app.
A versão mais forte dessa estratégia não é chamativa. Ela é infraestrutural. A Uber está tentando tornar um marketplace vasto e dinâmico mais fácil de entender no momento em que é usado. É aí que a IA generativa pode se mostrar mais durável: não como espetáculo, mas como tradução entre sistemas complexos e as pessoas que dependem deles.
Este artigo é baseado em uma reportagem da OpenAI. Leia o artigo original.
Originally published on openai.com