우버가 오픈AI의 대규모언어모델(LLM)을 활용해 드라이버 수익 최적화와 이용자 편의성을 개선하는 'AI 어시스턴트' 서비스를 공개했다. 글로벌 마켓플레이스 플랫폼의 복잡한 데이터를 실시간으로 해석하고, 음성 기반 예약 시스템을 구축하는 등 경계 간 AI 활용의 새로운 모델을 제시했다.

우버는 현재 전 세계 70개국 1만5000여 개 도시에서 하루 4000만 건 이상의 이동 및 배송을 처리하고 있다. 교통 상황, 날씨, 공항 도착, 지역 행사, 수요 변동 등 수백만 개의 실시간 신호를 종합하는 것이 경쟁력의 핵심이다.

운전자 경제 구조의 전환

우버가 개발한 '우버 어시스턴트'는 드라이버 생명주기 전반을 지원하는 AI 기반 챗봇이다. 신규 운전자 온보딩부터 일일 수익 최적화까지, 기존에는 수백 회의 운행을 통해서만 학습 가능했던 플랫폼 동역학을 LLM이 자연어로 설명해준다.

우버 엔지니어링 과학 부사장 아라티 비디야사가르는 "기술이 처음으로 해결 가능한 문제들을 이끌고 있다. 과거에는 불가능하다고 여겨졌던 문제들이 이제 해결 가능하다"고 밝혔다.

핵심은 인지 부담(cognitive overhead) 감소다. 우버는 수익 추이, 열지도(heatmap) 같은 복잡한 데이터를 간단한 실행형 인사이트로 변환해 제공한다. "공항으로 나가는 게 수익성 있을까?" "점심 시간에 배송으로 전환할까?" 같은 질문에 즉시 답할 수 있다.

실험 결과 신규 운전자들이 평균 수백 회의 시행착오 대신, AI 어시스턴트로 3개월 안에 수익 곡선을 가파르게 올릴 수 있었다. 흥미롭게도, 이 서비스는 경력 운전자들도 반복적으로 찾아오게 되어, 단순 온보딩 도구를 넘어 장기 유틸리티로 입증됐다.

신뢰 구조의 다층 설계

우버는 AI 어시스턴트에 3가지 핵심 원칙을 적용했다: 안전성, 신뢰성, 저지연.

운전자·배송원과의 상호작용이 직접적인 수익에 영향을 미치기 때문이다. 부정확한 조언은 신뢰 붕괴로 이어진다.

우버는 멀티 에이전트(multi-agent) 아키텍처를 설계했다. 각 사용자 요청을 가장 적합한 전문화된 시스템으로 라우팅한다. 수익 질문은 다르게, 온보딩 질문은 또 다르게, 마켓플레이스 가이던스는 별도 추론 모델로 처리한다.

경량 분류에는 빠른 나노/미니 모델을, 복잡한 작업에는 대규모 추론 모델을 활용하는 방식이다.

또한 'AI Guard'라는 내부 거버넌스 계층을 개발했다. 프롬프트와 응답을 화면하여 정책 준수, 개인정보 보호, 보안 강화, 할루시네이션 감소를 동시에 관리한다. 이것이 대규모 플랫폼에서 신뢰를 유지하는 방식이다.

우버 제품 관리 이사 다르민 파리크는 "사용자가 시스템을 신뢰하지 않으면 빠르게 떠난다. 하지만 가치를 느끼면 계속 돌아온다"고 지적했다.

음성 인터페이스의 민주화

우버는 오픈AI의 실시간 API(Realtime API)를 음성 예약에 적용했다. 이는 스마트폰 기반 인터페이스의 다음 단계를 준비하는 움직임이다.

텍스트 입력은 단순 요청에는 효율적이지만, 교통·상거래 니즈는 더 복잡하다. 예를 들어 "짐 5개, 사람 5명인데 좋은 차로 공항 가려면?" 같은 복합 요청은 자연언어로 훨씬 자연스럽다.

고령층이나 시각장애인 이용자도 음성이 터치 메뉴보다 훨씬 접근성이 높다.

우버의 새로운 음성 경험은 마이크 아이콘 터치 후 자연어 음성 요청을 받는다. 시스템은 오픈AI의 실시간 API와 대규모 모델로 의도를 해석하고, 저장된 주소와 고객 맥락을 활용해 추천한다. 앱 내 음성과 시각 응답이 동기화된다.

운전자 앱에서는 핸즈프리 상호작용이, 이용자 앱에서는 더 빠르고 간단한 경험이 가능해진다.

비디야사가르는 "음성이 다중 탭 장벽을 제거한다. 여러 의도를 자연스럽게 표현하고 시스템이 그 결과를 오케스트레이션할 수 있다"고 설명했다.

조직 전체로의 확산

오픈AI와의 협력 과정에서 우버의 팀 구성도 변했다. 엔지니어들이 프롬프팅, 검색 시스템, 평가 파이프라인, 오케스트레이션 프레임워크에 능숙해졌다. 제품, 법무, 운영, 디자인 팀이 정책 경계와 출력 품질을 함께 정의하며 테스트한다.

과거 소수 AI팀의 독점에서, 조직 전체의 분산형 혁신으로 전환했다는 의미다.

비디야사가르는 "더 이상 한 팀이 모든 것을 하지 않는다. 장벽이 낮아져서 많은 팀이 기여할 수 있게 됐다"고 강조했다.

LLM이 주행-배송의 복잡한 수열을 자동으로 해석하면서, 다음 혁신 방향까지 보이기 시작한 것이다.