La vera ambizione di Uber non sono le auto a guida autonoma: è trasformare la tua città in un laboratorio vivente

L'opinione comune sostiene che Uber abbia fallito con le auto a guida autonoma. Dopo aver bruciato miliardi nel suo Advanced Technologies Group e averlo infine ceduto ad Aurora anni fa, la narrazione era chiara: Uber sarebbe stata il mercato, non il produttore. Mentre aziende come Waymo e Zoox passavano anni a perfezionare l'hardware costoso necessario per sostituire i conducenti umani, Uber sembrava accontentarsi di restare a guardare, in attesa di ospitare quelle flotte sulla propria app.

Guardando il quadro generale, quella narrazione era incompleta. Mentre sembrava che Uber si stesse ritirando dalla corsa ai veicoli autonomi (AV), in realtà si stava riposizionando per possedere l'unica cosa più preziosa dell'auto stessa: i dati che insegnano all'auto come pensare. Il Chief Technology Officer di Uber, Praveen Neppalli Naga, ha recentemente svelato una strategia che trasforma milioni di veicoli passeggeri standard in una rete di sensori ad alta risoluzione. Non si tratta più solo di ride-hailing; si tratta di diventare l'infrastruttura fondamentale per l'intero mondo guidato dall'IA.

Il collo di bottiglia dei dati: perché i robot faticano ancora con le svolte a sinistra

Per capire perché la mossa di Uber sia così dirompente, dobbiamo guardare allo stato attuale della guida autonoma. In termini semplici, costruire un'auto che si guida da sola è facile; costruirne una che non commetta un errore potenzialmente letale una volta ogni 50.000 miglia è incredibilmente difficile. L'industria ha raggiunto un punto in cui gli algoritmi sottostanti — il cervello dell'auto — sono piuttosto robusti. Il problema è che questi cervelli devono sperimentare ogni possibile scenario prima di poter essere considerati affidabili.

Pensate a un sistema autonomo come a uno stagista instancabile. Può lavorare 24 ore su 24, 7 giorni su 7 senza annoiarsi, ma ha zero buon senso. Ha bisogno di vedere mille modi diversi in cui un bambino potrebbe rincorrere una palla in strada, o come i segnali manuali di un operaio edile differiscano a Londra rispetto a Los Angeles. Attualmente, le aziende di AV raccolgono questi dati distribuendo piccole flotte specializzate di costosi SUV carichi di sensori. È un processo lento e ad alta intensità di capitale che limita il loro apprendimento a pochi quartieri specifici.

L'intuizione di Uber è che possiedono già una flotta di milioni di auto che attraversano ogni angolo del globo. Se anche solo il 5% di quei veicoli fosse equipaggiato con un kit di sensori semplificato, Uber potrebbe raccogliere più dati di guida nel mondo reale in un solo pomeriggio di quanti una tradizionale azienda di AV potrebbe raccoglierne in un anno.

Dal Ride-Hailing all'AV Cloud

Sotto il cofano, questo programma è un'evoluzione degli AV Labs di Uber. Inizialmente, si trattava di un piccolo progetto che utilizzava auto di proprietà di Uber per testare i sensori. Ora, l'obiettivo è decentralizzare quella raccolta. Uber sta costruendo quello che Naga chiama un "AV Cloud" — una massiccia libreria ricercabile di dati sensoriali etichettati.

Immaginate di essere una startup che costruisce un robot per le consegne. Avete bisogno di sapere come le persone a Mumbai navigano intorno alle mucche randage o come i conducenti di Boston gestiscono un'improvvisa tempesta di neve fangosa. Invece di inviare le vostre auto in quelle città, interrogate semplicemente la libreria di Uber. Pagate per gli scenari specifici di cui avete bisogno e Uber fornisce i dati ad alta fedeltà raccolti dalla sua rete di conducenti.

Oltre a vendere dati grezzi, Uber offre un servizio noto come "shadow mode" (modalità ombra). Questo consente a un'azienda di AV di eseguire il proprio software in background durante un vero viaggio Uber. Il conducente umano ha il controllo totale, ma l'IA "finge" di guidare, confrontando le sue decisioni con le azioni dell'umano in tempo reale. Ciò crea un terreno di addestramento virtuale sicuro che utilizza il mondo fisico come scenario.

Perché questa strategia è un colpo da maestro finanziario

Dal lato del mercato, questo pivot è un classico esempio di risalita della catena del valore. Costruire hardware è volatile e costoso; fornire i dati che alimentano quell'hardware è un business software scalabile e ad alto margine. Allontanandosi dal "metallo" e spostandosi verso l' "informazione", Uber evita gli enormi costi di responsabilità e manutenzione derivanti dal possesso di una flotta di robotaxi, rendendosi al contempo indispensabile per le aziende che li possiedono.

Storicamente, l'industria tecnologica ha già visto questa dinamica. Nei primi giorni di Internet, le aziende lottavano per costruire il miglior computer desktop. Alla fine, le aziende che sono diventate più resilienti sono state quelle che hanno fornito i motori di ricerca e i protocolli di dati che tutti gli altri dovevano usare. Uber sta essenzialmente cercando di diventare il Google Search della strada fisica.

L'impatto sull'utente medio

Per l'utente medio, questo cambiamento potrebbe sembrare invisibile all'inizio, ma le implicazioni a lungo termine sono sistemiche. Praticamente, la tua prossima corsa Uber potrebbe arrivare con una serie di telecamere leggermente più sofisticate montate vicino allo specchietto retrovisore o sul tetto. Uber ha segnalato di volere che questo processo sia trasparente, anche se i dettagli su come i conducenti saranno compensati per aver trasformato le loro auto in centri dati mobili rimangono opachi.

Dal punto di vista del consumatore, questo potrebbe effettivamente accelerare l'arrivo di funzioni autonome nel proprio veicolo personale. Poiché Uber democratizza questi dati di addestramento, i produttori di auto più piccoli che non possono permettersi una massiccia divisione di ricerca AV possono acquistare l'accesso al cloud di Uber per migliorare le proprie funzioni di sicurezza. Ciò potrebbe portare a un futuro in cui la "guida autonoma" non sia solo un lusso per chi può permettersi un veicolo elettrico a sei cifre, ma una funzione di sicurezza standard alimentata dall'esperienza collettiva di milioni di conducenti Uber.

Al contrario, vi sono valide preoccupazioni riguardanti la privacy e la "sorveglianza" degli spazi pubblici. Se ogni Uber diventa una telecamera a 360 gradi in movimento, la quantità di dati catturati su pedoni, altri conducenti e proprietà private è senza precedenti. Uber dovrà navigare in una complessa rete di normative globali per garantire che questi dati siano anonimizzati e utilizzati in modo etico.

Il filtro "E allora?": cosa significa questo per te

In definitiva, Uber scommette che la merce più preziosa del XXI secolo non sia la capacità di spostare le persone dal punto A al punto B, ma la capacità di mappare e capire come avviene quello spostamento in tempo reale. Stanno trasformando le strade del mondo in greggio digitale e i loro conducenti sono le trivelle.

Ciò significa che la "corsa" per le auto a guida autonoma sta entrando in una nuova fase. Non si tratta più di chi ha il robotaxi dall'aspetto più accattivante; si tratta di chi ha la libreria più robusta di esperienza umana per nutrire le macchine.

Come consumatore, dovresti iniziare a guardare alla gig economy attraverso una lente diversa. Il tuo autista non sta solo fornendo un servizio; sta inavvertitamente costruendo il sistema stesso che un giorno potrebbe sostituire la necessità della sua professione. Per ora, questo significa mappe migliori, funzioni di guida assistita più sicure nella tua prossima auto e forse una comprensione più intuitiva delle nostre città. Ma significa anche che ci stiamo muovendo verso un mondo in cui ogni viaggio che facciamo è un punto dati in un esperimento di machine learning molto più grande e interconnesso.

Invece di aspettare l'arrivo della prima auto senza conducente nella tua città, inizia a guardare i sensori che appaiono su quelle che hanno ancora una persona al volante. È lì che sta avvenendo la vera rivoluzione — non nei laboratori della Silicon Valley, ma nel traffico banale e quotidiano del tuo tragitto mattutino locale.

Fonti:

• TechCrunch: StrictlyVC Event Interview with Praveen Neppalli Naga.
• Uber Technologies, Inc. Investor Relations: AV Strategy Overview.
• Wayve: Collaborative Partnership Announcements.
• National Highway Traffic Safety Administration (NHTSA): Data Collection Guidelines for Autonomous Systems.