AI 代理预订 Uber 使用率极低：仅 4 人尝试，揭示现实与炒作的差距

在科技界，人工智能代理（AI Agents）正被寄予厚望，被视为自动化未来交互的颠覆性力量。然而，全球出行巨头 Uber 最近公布的一组数据却给这股热潮泼了一盆冷水。据 TechCrunch 报道，在 Uber 最繁忙的一周里，仅有四名用户通过其 AI 代理功能成功预订了行程。这一微乎其微的数字，不仅揭示了当前 AI 技术在实际商业落地中的尴尬处境，也引发了业界对于用户习惯、交互成本以及技术成熟度的深思。

数据背后的冷思考：为什么没人愿意用？

这四人的使用量相对于 Uber 每日数百万的订单量而言，简直可以忽略不计。这不禁让人发问：AI 代理到底哪里出了问题？首先，从用户体验的角度来看，现有的移动应用界面（UI）和用户界面（UX）已经经过了数年的优化，旨在将复杂的多步骤操作压缩为几次轻点。相比之下，与 AI 代理进行交互通常需要更长的对话轮次，甚至可能因为 AI 理解偏差而需要反复确认。对于习惯了即时满足的现代用户来说，这种“多说话、少动手”的模式反而增加了认知负担。

其次，信任问题也是一大阻碍。尽管大语言模型（LLM）在自然语言处理上取得了惊人进展，但在涉及金钱交易和导航等关键场景时，用户对机器的容错率极低。如果 AI 代理在处理目的地、车型偏好或时间安排时出现细微错误，用户体验将大打折扣。相比之下，用户自己操作时拥有完全的控制权，而使用 AI 代理则意味着将部分决策权交给了算法。

技术挑战与生态壁垒

从技术层面分析，构建一个能够无缝集成在第三方应用中的 AI 代理并非易事。它需要深度理解 Uber 的复杂 API、实时库存、动态定价算法以及各种促销规则。目前，大多数 AI 代理仍处于“演示阶段”或“玩具阶段”，能够处理简单的指令，但在面对复杂、模糊或紧急的出行需求时，往往显得力不从心。

此外，行业生态的壁垒也不容忽视。Uber 已经构建了极其高效的后端系统，能够以毫秒级响应处理数以万计的并发请求。将一个基于概率生成文本的 AI 模型嵌入这一高吞吐量、低延迟的系统中，对系统的稳定性和响应速度提出了极高的要求。如果 AI 代理的响应延迟超过了用户的耐心阈值，或者引发了系统的错误状态，那么这种功能不仅不会提升效率，反而会成为系统的负担。

未来展望：从“对话”到“行动”的漫长路途

尽管目前的采用率极低，但这并不意味着 AI 代理在出行领域的应用前景黯淡。相反，这更像是一个新兴技术从实验室走向市场的必经阶段。早期的用户往往是技术极客，他们愿意尝试新事物并反馈问题。随着技术的迭代，AI 代理将逐渐学会如何更精准地理解用户的隐性需求，减少不必要的对话轮次，并提供更可靠的决策建议。

未来的应用场景可能并不局限于简单的“叫车”，而是扩展到复杂的“旅行规划”。例如，用户可以直接对 AI 说：“帮我安排下周去旧金山的行程，包括航班、酒店和接送机服务”，AI 代理可以作为一个中间人，同时协调 Uber、航空公司和酒店系统的 API，完成一系列复杂的自动化操作。这种多智能体协作模式，将是下一个阶段的发展方向。

结语

Uber 仅有的四单 AI 代理预订，看似是一个失败的数据点，实则是科技发展的一个缩影。它提醒我们，技术变革从来不是一蹴而就的。从打字机到键盘，再到触屏，每一次交互方式的进化都伴随着巨大的阵痛和适应期。AI 代理要真正融入我们的日常生活，还需要在理解力、可靠性、易用性以及商业闭环上做大量的打磨工作。在此之前，我们或许还需要更多的耐心和宽容。

信息来源： TechCrunch
原文链接： https://techcrunch.com/2026/11/04/almost-no-one-uses-ai-agents-to-book-their-uber-company-says/

信息来源：AI News & Artificial Intelligence | TechCrunch，原文链接：https://techcrunch.com/2026/11/04/almost-no-one-uses-ai-agents-to-book-their-uber-company-says/

封面图片来源：Unsplash / 摄影师 Erik Mclean