Uber, OpenAI 'Realtime API'·프런티어 모델로 'Uber Assistant'·앱 음성 경험 확장… 일 4,000만 트립·1,000만 드라이버·1만 5천 도시, 美 수십만 드라이버 베타 액세스

<p>Uber가 OpenAI 프런티어 모델을 기반으로 드라이버용 'Uber Assistant'와 앱 내 음성 경험을 확장했다고 OpenAI 사례 페이지에서 밝혔다. Uber는 70개국 이상 1만 5천 도시에서 일 4,000만 트립, 1,000만 드라이버·쿠리어, 동시 라이드 170만 건 규모로 운영되는 글로벌 실시간 마켓플레이스를 보유하고 있다.</p>

<p>Uber Assistant는 드라이버의 온보딩과 첫 운행부터 일상의 수익 최적화까지 라이프사이클 전반을 지원하는 AI 어시스턴트다. 수익 추세와 히트맵 같은 복잡한 데이터를 위치 선정 인사이트로 요약해주고, 드라이버는 자연어로 후속 질문을 이어가며 앱을 탐색할 수 있다. Uber 제품 관리 디렉터 Dharmin Parikh는 "마켓플레이스 요약과 실시간 인사이트를 제공해 드라이버가 스스로 더 나은 결정을 내리게 돕고자 한다"고 말했다.</p>

<p>Uber는 신규 드라이버에게 가장 큰 효과가 있을 것으로 예상했지만, 베테랑 드라이버 역시 반복적으로 어시스턴트를 찾아 후속 질문과 시간 최적화에 활용해 장기 유틸리티로 자리 잡았다고 평가했다. Parikh는 "수백 트립을 거쳐 익히던 플랫폼 작동 방식을 어시스턴트가 빠르게 따라잡게 해준다"고 설명했다.</p>

<p>설계 원칙은 안전(safety), 신뢰(trust), 저지연(low latency) 세 가지다. Uber 엔지니어링 팀은 사용자 요청을 가장 적합한 전문 시스템으로 라우팅하는 멀티 에이전트 아키텍처를 구축했다. 가벼운 분류·빠른 응답에는 더 작은 nano/mini 모델을, 복잡한 작업에는 더 큰 추론(reasoning) 모델을 사용한다. 별도로 'AI Guard'라는 사내 거버넌스 레이어를 만들어 프롬프트와 응답을 스크리닝하고 정책 준수, 환각 감소, 일관성 유지를 돕는다.</p>

<p>음성 경험에는 OpenAI Realtime API와 프런티어 모델이 적용됐다. 사용자가 Uber 앱 'where to' 검색바의 마이크 아이콘을 누르면 자연스러운 발화로 라이드를 요청할 수 있고, 시스템이 의도를 해석한 뒤 저장된 위치·고객 컨텍스트를 결합한 추천을 발화·시각 응답으로 동기화해 제공한다. 가령 "짐 다섯 개와 일행 다섯 명이 있는데 공항으로 가는 좋은 차를 추천해달라"는 요청에 UberXL 같은 옵션을 제안하거나, 'home'처럼 저장된 목적지를 인식하는 식이다.</p>

<p>Parikh는 "음성은 한 번에 한 가지 작업만 처리해야 하는 장벽을 없애 사용자가 의도를 자연스럽게 표현하고 시스템이 결과를 오케스트레이션할 수 있게 한다"고 말했다. Vidyasagar는 "음성은 멀티탭 장벽을 없애 여러 가지를 한 번에 말할 수 있게 한다"며 "에코시스템 각 부분을 연결하는 능력을 푼다"고 덧붙였다. 음성 인터페이스는 접근성도 확대해 드라이버에게는 핸즈프리 상호작용을, 라이더에게는 더 빠르고 단순한 사용을 제공한다.</p>

<p>LLM 역량이 빠르게 진화하면서 Uber는 팀 빌드 방식 자체를 바꿨다. 엔지니어들은 프롬프팅, 검색 시스템, 평가 파이프라인, 오케스트레이션 프레임워크를 다루고, 제품·법무·운영·디자인 팀은 정책 경계 정의, 출력 테스트, 사용자 경험 개선을 위해 더 긴밀히 협업한다. 소수의 중앙 AI 팀이 혁신을 독점하는 구조 대신 인텔리전스를 회사 전반에 임베드하는 흐름이라고 Vidyasagar는 강조했다.</p>

<p>현재 Uber Assistant는 미국 드라이버 네트워크 전반에 실험적 롤아웃으로 확장돼 수십만 명의 미국 드라이버가 베타 경험에 액세스하고 있다. 초기 라이프사이클 드라이버 포지셔닝 지원 강화, 강한 재방문 사용자 참여, 더 똑똑한 마켓플레이스 인사이트를 통한 플랫폼 시간 활용 개선, 빠른 제품 반복 주기가 주요 진척으로 제시됐다.</p>