Optimización de la administración en uber: eficiencia con ia

En los últimos años, hemos presenciado cómo la automatización y la inteligencia artificial (IA) han transformado diversos sectores de la economía. Un claro ejemplo de esto es Uber, donde los gerentes de la empresa pueden ser tanto sistemas de IA como gerentes humanos. Un estudio publicado recientemente exploró la dinámica de esta relación.

¿Cómo utiliza Uber la automatización?

El proceso de Uber se caracteriza por ser en gran medida libre de intervención humana, ya que los conductores interactúan principalmente con un sistema de gestión automatizado incorporado en la aplicación móvil. Este administrador automatizado les asigna solicitudes de recogida, les brinda retroalimentación sobre su desempeño (tanto en términos de carga de trabajo como de satisfacción del pasajero) e incluso los sanciona por no mantener los estándares establecidos.

Recientemente, se realizó una investigación en la Universidad Estatal de Pensilvania para comprender cómo se sienten los conductores de Uber acerca de sus jefes de IA. El estudio reveló que, si bien la IA de Uber desempeña muchas funciones de un gerente, los conductores sienten que tienen poca capacidad para expresar quejas, presentar nuevas ideas o influir en los cambios en su trabajo, lo cual sería posible con un gerente humano. Esto se ve agravado por el hecho de que la mayoría de las decisiones tomadas por Uber sobre su plataforma se centran en el cliente en lugar del conductor.

Todas las decisiones de gestión de uber están incorporadas en la plataforma, ya que la plataforma de la empresa en realidad está realizando la gestión, afirman los autores del estudio. cuando lo analizamos, parece que la plataforma de uber se centra en un usuario: la persona que necesita un viaje, en cierta medida a expensas de los conductores.

¿Cómo se sienten los conductores de Uber acerca de sus jefes de IA?

La relación entre los conductores y sus jefes de IA es crucial, ya que la gran mayoría de los conductores de Uber se unieron a la plataforma debido a la autonomía que ofrece. Sin embargo, muchos conductores se sienten incómodos cuando perciben que la plataforma intenta controlarlos, a pesar de que se consideran trabajadores independientes. Este sentido inherente de justicia es fundamental, ya que determina cómo se sienten las personas cuando son gestionadas por sistemas de IA. Un estudio de la Universidad Carnegie Mellon encontró que, en general, las personas están satisfechas con un jefe de IA siempre y cuando todo funcione sin problemas. Sin embargo, si surgen desacuerdos o si los empleados desean realizar cambios, la relación puede deteriorarse rápidamente.

Tener en cuenta que Uber es quizás un ejemplo extremo de gestión por IA, ya que cuenta con una gran cantidad de datos disponibles sobre el mercado y el desempeño de cada conductor. Si bien este entorno puede no replicarse completamente en otros lugares de trabajo, nuestros entornos laborales se están volviendo cada vez más centrados en los datos, lo que hace inevitable el surgimiento de gerentes de IA. Esperemos que estos primeros estudios ayuden a orientar el desarrollo e implementación de estas tecnologías para garantizar que la fuerza laboral ya desfavorecida no se sienta aún más desconectada.

La implementación de la automatización y ML en Uber

En una era marcada por el renacimiento digital, las empresas recurren cada vez más a la automatización y el aprendizaje automático (ML) para revolucionar sus operaciones. La convergencia de estas tecnologías está impulsando un cambio transformador en diversas industrias, ya que las empresas aprovechan su poder combinado para mejorar la eficiencia operativa, la escalabilidad y la innovación.

En una entrevista con Anand Janardhanan, Director de Programas de GSS en Uber, se ofrecen ideas sobre la implementación de la automatización y el ML en la empresa. Janardhanan comparte una visión de futuro en la que la IA generativa y los grandes modelos de lenguaje abren un abanico de posibilidades ilimitadas, elevando los servicios de Uber a nuevas dimensiones.

Visión general del equipo Global Scaled Solutions de Uber

El equipo Global Scaled Solutions (GSS) de Uber es responsable de brindar experiencia operativa y técnica para ayudar a escalar diversas áreas del negocio. El equipo trabaja en programas a nivel organizacional, como la prueba de calidad de extremo a extremo de los productos, servicios de anotación de datos a gran escala para el desarrollo de ML, soporte operativo para diversas funciones, migraciones de infraestructura tecnológica y servicios de datos y análisis.

La automatización y el ML son elementos clave en el enfoque de GSS, ya que buscan utilizar las mejores herramientas, técnicas y datos para garantizar la calidad y reducir costos. El equipo diseña, construye e implementa soluciones de IA y ML de manera regular.

Impacto en la eficiencia operativa y escalabilidad de Uber

La implementación de la automatización y el ML en Uber ha tenido un impacto significativo en la eficiencia operativa y la escalabilidad de la empresa a nivel global. Por ejemplo, se han desarrollado soluciones de ML automatizadas para validar y procesar los documentos de nuevos conductores y comerciantes, lo que les permite unirse a la plataforma y comenzar a generar ingresos rápidamente. Para Uber Eats, los menús físicos de restaurantes y comerciantes se convierten en datos estructurados a través de tecnología basada en ML, como el reconocimiento óptico de caracteres, lo que elimina el esfuerzo manual y reduce los costos operativos. La mejora de los contenidos de los menús mediante modelos de ML personalizados permite a los consumidores acceder a detalles como el nombre, la descripción, el precio, la información nutricional y las variantes adicionales, lo que mejora la experiencia del cliente.

La seguridad es una meta innegociable para Uber, y la automatización y el ML se utilizan para garantizarla. Por ejemplo, se solicita a los conductores que suban selfies periódicamente para evitar el uso compartido de cuentas. Estas imágenes se analizan a gran escala utilizando tecnología de reconocimiento de imágenes para detectar alteraciones digitales o imágenes de baja calidad. Aquellas imágenes con baja coincidencia o confianza se revisan y se toman medidas correspondientes.

Desafíos y soluciones en la implementación de la automatización y el ML

La implementación de la automatización y el ML en Uber no estuvo exenta de desafíos. Uno de ellos fue encontrar el equilibrio entre utilizar soluciones listas para usar y desarrollar soluciones personalizadas. Además, se debió garantizar la calidad de las interacciones con los usuarios para evitar impactos negativos en su experiencia en la aplicación. Para abordar estos desafíos, se implementaron enfoques rigurosos en el entrenamiento y prueba de los modelos, y se incluyó la intervención humana en casos con baja confianza algorítmica. También se realizó una implementación gradual para evaluar y confirmar el rendimiento de las soluciones.

Adaptación de soluciones de automatización y ML a nivel regional

Uber opera en mercados diversos en todo el entorno, lo que implica adaptar las soluciones de automatización y ML a las necesidades y requisitos regulatorios específicos de cada región. Para lograrlo, Uber evalúa si una solución de ML es aplicable a nivel global o solo a una región específica. En caso de que se requieran ajustes regionales, se implementan envoltorios específicos para cumplir con los requisitos adicionales. Además, se busca la reutilización, la escalabilidad y el mantenimiento en el diseño y la arquitectura de las soluciones para evitar desarrollos personalizados innecesarios.

Permanecer a la vanguardia de la innovación en IA y ML

Uber se asegura de mantenerse a la vanguardia de la innovación en IA y ML mediante la contratación de talento especializado y la participación en comunidades y grupos de interés que siguen y adoptan las últimas innovaciones en el mercado. También se fomenta la participación y el aprendizaje a través de programas internos y conferencias globales. La empresa busca constantemente nuevas formas de utilizar estas tecnologías para mejorar la experiencia de sus usuarios y explorar nuevas oportunidades, como la potencial aplicación de la IA en el desarrollo de vehículos autónomos.

Consejos para otras empresas interesadas en implementar automatización y ML a escala global

Para las empresas interesadas en implementar estrategias de automatización y ML a escala global, se recomienda pensar de manera audaz y considerar cómo estas tecnologías pueden reimaginar por completo su funcionamiento. Sin embargo, también tener en cuenta aspectos como la seguridad de los datos y la experiencia del cliente para garantizar que se tomen las decisiones correctas.

El futuro de la automatización y las iniciativas de ML en Uber

El futuro de las iniciativas de automatización y ML en Uber se ve prometedor, especialmente con el uso de IA generativa y grandes modelos de lenguaje. Estas tecnologías abren nuevas posibilidades de mejora en la experiencia del usuario, personalización a gran escala, localización y más. Uber continuará investigando estas oportunidades para seguir innovando y mejorando sus servicios en beneficio de su comunidad de usuarios.

Si quieres conocer otras notas parecidas a Optimización de la administración en uber: eficiencia con ia puedes visitar la categoría Inteligencia.