独自のAIアシスタント実装の裏側
乗客のイライラも運転手の迷いも解消 Uberの「OpenAI」活用術
状況が変動する配車市場において、働き方に悩む運転手と、複雑な予約操作に疲れる乗客。これらの課題をまとめて解消するために、Uberは「OpenAI」の技術をどのように活用しているのか。
2026年5月時点で70カ国以上の1万5000都市において1000万人規模のドライバーと配達員を抱えるUberの裏側には、交通状況や需要によって刻々と変化する複雑なリアルタイム市場が存在する。
ドライバーは常に「今自分はどこにいるべきか」「乗客の送迎と料理の配達、どちらの依頼を優先すべきか」といった選択を迫られており、収益を最適化するために膨大なデータを読み解く認知的負荷が課題になっていた。同時に乗客にとっても、荷物や同乗者の数に応じた複雑な配車を依頼する際、アプリケーション操作の手間が生じるという問題があった。
この課題を解決するため、UberはOpenAIの大規模言語モデル(LLM)を活用したAIアシスタント「Uber Assistant」と音声予約機能を開発した。同アシスタントは、収益トレンドやヒートマップなどの複雑な情報を分析し、ドライバーが次に取るべき具体的な行動を提示する。これによって、新規ドライバーは試行錯誤に頼ることなく、システムの仕組みや市場の動きを早期に学習できるようになり、業務に習熟するまでの期間が大幅に短縮された。
Uberはどのようにして巨大な市場データを瞬時に処理し、リアルタイム性と安全性を両立させるための緻密なシステム設計を実現したのか。
初心者ドライバーにもベテランドライバーにも役立つAIアシスタント
併せて読みたいお薦め記事
OpenAIサービスの活用例
ドライバーや配達員と直接やりとりするAIエージェントにおいて、Uberが最優先としたのは正確性と安全性、リアルタイムのモバイルアプリケーションに求められる低遅延の応答速度だ。これを実現するため、同社のエンジニアリングチームはマルチエージェントアーキテクチャを構築した。
これは全ての要求を単一のAIエージェントが処理するのではなく、特定の機能に特化した複数のAIエージェントが連携して処理する仕組みだ。例えば、軽量な分類や高速な応答が求められるタスクには高速な小規模モデルを使用し、市場のガイダンスなど複雑な推論が必要なタスクには、より大規模な推論モデルを割り当てている。
安全性やプライバシーの向上、ハルシネーションの低減を目的として、社内ガバナンス層である「AI Guard」を独自に開発した。プロンプトと応答を常時審査することで、出力がポリシーの範囲内に収まり、体験全体の一貫性が保たれる仕組みを実現している。Uberのプロダクトマネジメントディレクターであるダルミン・パリク氏が指摘するように、エンドユーザーはシステムに価値と信頼を感じることで継続的に利用するようになる。経験豊富なドライバーもシステムでの時間を最適化するために繰り返しUber Assistantを活用しており、生産性向上につながる好循環が生まれている。
Realtime APIがもたらすアクセシビリティーの拡張
乗客向けの機能として導入されたのが、OpenAIの「Realtime API」を活用した音声予約体験だ。
単純な移動であればアプリケーションへの入力でも十分だが、「荷物が5個あり、他に5人が同乗する。空港まで快適な車が必要」といった複雑な条件の場合、従来のインタフェースではメニューを何度もタップする手間が発生していた。高齢者や視覚に障害のあるエンドユーザーにとって、視覚的な操作自体が障壁になることもある。
新しい音声体験では、アプリケーション内の検索バーにあるマイクアイコンをタップし、自然な話し言葉で配車を依頼することが可能になった。システムは意図を解釈し、過去の顧客コンテキストや保存済みの場所を活用しながら、音声と視覚的な応答を同期させて最適な配車プランを提案する。Uberのエンジニアリング兼サイエンス担当バイスプレジデント、アラティ・ビディアサガル氏によれば、一度に複数の条件を提示できる音声インタフェースの導入によって、エコシステムのさまざまな部分をつなぐ力が生まれ、より速くシンプルなやりとりを望む顧客の摩擦を劇的に減らすことに成功している。
全社的なAI活用と今後の展望
LLMの進化に伴い、Uber社内の組織体制も変化を見せている。もはや一部の中央集権的なAI専門グループだけがイノベーションを担うのではなく、プロンプト設計や評価パイプラインの構築に組織全体のエンジニアが関与するようになった。プロダクトや法務、オペレーション、デザインの各チームが緊密に連携し、ポリシーの境界定義やユーザー体験の改善に取り組んでいる。構築のハードルが下がったことで複数のチームが開発に貢献できるようになり、この変化が新しいアイデアの創出を加速させている。
2026年5月時点で、Uber Assistantは米国のドライバーネットワーク全体で実験的に展開され、テストと改善が続けられている。移動や運転のニュアンスを理解し、次にどう動くべきかの情報を提示するAIモデルの力は、巨大な規模で事業を展開するUberにおいて極めて強力な武器になる。Uberは今後もOpenAIのAIモデルを活用し、仕事をより生産的にし、日常的な物流をより人間的でシームレスなものへと進化させる方針だ。
Copyright © ITmedia, Inc. All Rights Reserved.
本記事は制作段階でChatGPT等の生成系AIサービスを利用していますが、文責は編集部に帰属します。
TechTarget ニュースプラス
国内のIT業界ニュースを迅速に報道します。企業動向から導入事例、市場トレンドまで幅広く取り上げ、実務に直結する情報をタイムリーに提供する連載です。
関連記事
新着ホワイトペーパー PR
-
プレミアムコンテンツ
[アイティメディア株式会社] AI活用を成功に導く「オブジェクトストレージ」 NAS/SANの限界を突破するには -
プレミアムコンテンツ
[アイティメディア株式会社] 「性能ならSSD」「大容量ならHDD」はもう古い? 変わるストレージの常識 -
プレミアムコンテンツ
[アイティメディア株式会社] 「オンプレミス回帰」がまさかの失敗に クラウドをやめずに安くする最適化手法 -
事例
[発注ナビ株式会社] AI活用を成功させる企業とそうでない企業の違いとは? -
製品レビュー
[発注ナビ株式会社] システム開発「はじめの一歩」 押さえておきたい基礎知識と失敗を防ぐ方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
「VMware vCenter」でゼロデイ悪用、PHPも修正――今朝の情シスニュース
-
2
SAP移行で1900億円の赤字 「ベンダー任せ」が招くERP崩壊と回避策
-
3
「AMD製CPU搭載のPC導入検討」に関するアンケート
-
4
「nginx」のHTTP/2脆弱性(CVSS 9.2)、パッチ適用までの緊急チェックリスト
-
5
積水化学工業が「SAP S/4HANA Cloud」の“全グループ導入”に踏み切った訳
-
6
「AI時代の統合基盤・エンタープライズAI管理」に関するアンケート
-
7
エンジニア必修の「ネットワーク基礎知識」はこれだ
-
8
「Chrome」「Edge」「Firefox」のメモリ使用量はどれだけ違う? 測定してみた
-
9
“アジャイルの壁”に挑むオリックス生命がIBMの開発管理ツールを選んだ理由
-
10
プロジェクトを成功させる5つのリスク管理工程
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
SCS評価制度時代の「SASE選定」ガイド
-
3
Microsoft 365 Copilotを安全&効果的に活用するために必要な「2つの準備」
-
4
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
5
パスワード管理だけで十分? 特権アクセスを脅かす暗号鍵の放置リスクとは
-
6
すぐ分かる「AWS WAF」ガイド:特徴・運用課題・メリットを解説
-
7
マンガで解説:情シスの負担を減らす「MDRサービスのインシデント対応」の中身
-
8
「Copilot Cowork」でこう変わる AIエージェント時代の新たな働き方とは
-
9
AI活用で激化する外部・内部リスク、取引先へ波及する脅威から守る対策とは?
-
10
Microsoft 365 Copilotで実際何ができる? 回答の精度を高めるRAGとは?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー