Uber відправляє AI-інженерів у відділи маркетингу, юристів та фінансистів. Але не просто так

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Уявіть, ви — провідний АІ-інженер, щось сидите і робите з Claude. Аж тут до вас приходять і кажуть: «збирайся, ти їдеш в Тернопіль юридичний відділ» :) Уявили? А тепер давайте до суті.

Uber знайшла нове застосування для своїх найсильніших AI-інженерів. Тепер їх відправляють у фінансовий, юридичний, маркетинговий, кадровий та інші відділи, щоб вони спочатку розібралися, як там усе працює, а вже потім створювали ШІ-інструменти.

Новий підхід отримав назву Agentic Pods. Це тимчасові команди, у яких інженери працюють разом із фахівцями конкретного бізнес-напряму. Їм дають лише два тижні, щоб дослідити процес, знайти головні проблеми, створити робочий AI-агент і перевірити його на реальних завданнях.

За словами технічного директора Uber Правіна Непаллі Наги, за останні два місяці компанія запустила 16 таких команд у 16 різних бізнес-напрямах.

ШІ не тільки для розробників

Ще навесні ми писали про те, що Uber встигли вичерпати весь річний бюджет на Claude Code лише за кілька місяців.

Тепер же ж компанія намагається показати більш практичний бік своїх інвестицій у ШІ. Сьогодні AI-інструментами користуються 99% інженерів компанії, понад 70% pull request створюються за участі агентів, а внутрішня бібліотека налічує більше ніж 2500 агентних навичок для різних етапів розробки.

Після цього у компанії вирішили перевірити, чи можна перенести подібний підхід у фінанси, HR, маркетинг, юридичні процеси, підтримку та закупівлі.

Для Agentic Pods відібрали близько 30 інженерів, які добре працюють із ШІ, знають внутрішні системи та мають розвинене продуктове мислення. Кожного з них об’єднали з профільним фахівцем одного з відділів.

Перші два дні інженер спостерігає за роботою колеги, фіксує кожен крок і намагається зрозуміти всі неочевидні нюанси процесу. Після цього команда обирає найперспективніші можливості для автоматизації, створює робочий AI-інструмент та перевіряє його разом з іншими працівниками. На десятий день готове рішення запускають у роботу.

В Uber наголошують, що складні внутрішні процеси майже неможливо автоматизувати лише за схемами та документацією. Часто вони охоплюють десятки систем, ручні перевірки та неформальні правила, про які знають лише самі працівники.

Перші результати

За даними компанії, експеримент уже приніс кілька доволі показових результатів:

• Розподіл капіталу між 150 містами скоротився з 15 годин до 30 хвилин
• Підготовка фінансових звітів тепер займає 10 хвилин замість двох днів
• Перевірка якості маркетингових вебсторінок скоротилася з двох тижнів до 50 хвилин
• Створення тисяч ручних сценаріїв для служби підтримки перевели у формат самостійної автоматизації

Проте для CTO компанії найбільш цікавим відкриттям стала не стільки швидкість впровадження нових рішень, як процес перебудови робочих процесів навколо ШІ.

«Найбільші результати рідко дає автоматизація одного завдання. Вони з’являються завдяки переосмисленню всього робочого процесу».

Такий підхід дозволяв прибирати зайві передачі задач між командами, скорочувати кількість погоджень, замінювати застаріле ПЗ та пришвидшувати ухвалення рішень. Основною одиницею автоматизації стає вже не окрема операція, а весь процес.

Якщо така модель приживеться, від AI-інженерів дедалі частіше можуть вимагати не лише технічних навичок, а й уміння розбиратися в бізнесі, працювати з людьми та знаходити проблеми, яких немає у звичайному технічному завданні.

Uber уже формує постійну команду, яка має масштабувати Agentic Pods на інші підрозділи.

Як вам такий підхід? Чи хотіли б ви на кілька тижнів зануритися в роботу інших відділів, щоб перебудувати його процеси за допомогою ШІ?