Uberが自ら公表：AIエージェントによる配車、1週間でわずか4件――ほぼ利用ゼロ

テクノロジー業界全体が「AIエージェントがあらゆることを代行する」未来を描いている。航空券の予約、レストランの予約、配車、経費精算——一言告げるだけでエージェントが全て片付けてくれるというシナリオだ。しかしUberは、非常に冷静なデータを示した。TechCrunchの報道によると、Uberは先四半期で最も利用が多かった週において、プラットフォーム全体でAIエージェントを通じて配車を完了した乗客はわずか4名だったと明らかにした。

1週間で4件。Uberが毎日数百万件の移動を処理している規模からすれば、ほぼゼロに等しい。この数字はAIエージェント技術の失敗を意味するわけではないが、業界に対して明確なことを示している——「デモとして動かせる」と「実際のユーザーに使われる」の間には、想像をはるかに超えた大きな溝がある、ということだ。

1週間4件が意味するもの

AIエージェントを独立したチャネルとして見るなら、その浸透率は現時点では統計的ノイズのレベルに留まっている。対照的に、ChatGPTなどの対話型AIプロダクトはすでに数億人の週間アクティブユーザーを抱え、各種「エージェント」のデモ動画はSNS上で軒並み数百万再生を記録している。しかしデモで見せる滑らかな体験と、現実世界で必要とされる支払い方法の登録、本人確認、位置情報の許可、例外処理といった実際の取引プロセスは、まったく別物だ。

さらに注目すべきは「最も利用が多かった週」という条件付けだ。Uberがピーク需要の時期にこのデータを公表したということは、ユーザーが最も素早い配車を必要とし、理論上は自動化を試みる意欲が最も高いはずの瞬間でさえ、AIエージェントが選択肢として機能しなかったことを認めたも同然だ。問題は需要側にあるのではなく、プロセス全体がまだ準備できていないところにある。

なぜ配車はAIエージェントにとって最も難しいシナリオなのか

配車は一見シンプルに見える——出発地と目的地を入力し、車種を選び、価格を確認して注文する。しかしAIエージェントに対して課す要件は、映画チケットの予約よりもはるかに厳しい。

第一はリアルタイム性だ。車両の位置、道路状況、ダイナミックプライシングは毎秒変化しており、エージェントは数十秒かけて「思考」するのではなく、極めて短い時間内に判断を下さなければならない。第二は決済権限だ。配車は直接課金が発生することを意味し、ユーザーがモデルに支払い権限を委ねるかどうかは、根本的な信頼の問題だ。第三は例外処理だ。ドライバーのキャンセル、乗車地点が見つからない、移動中の経路変更——これらはすべて即座のコミュニケーションと判断を必要とし、どこか一つで詰まればユーザーは手動操作に戻ってしまう。

第四は責任の帰属だ。AIエージェントが乗車地点を誤って選択したことでフライトを逃した場合、あるいは高額の注文が誤って発注された場合、責任はユーザーにあるのか、モデル提供者にあるのか、それともプラットフォームにあるのか？現時点でいずれの当事者も明確な答えを出していない。Uberのようなプラットフォームにとって、注文権限をサードパーティのエージェントに開放しながら、同時にアカウントセキュリティと不正防止を保証するのは、リスクと収益のバランスが合わない。

UberのAI戦略は実は保守的ではない

強調しておくべきは、4件という数字がUberのAI分野での立ち遅れを意味するわけではないということだ。むしろ逆で、Uberは近年AIへの投資を積極的に進めている——ドライバー向けAIアシスタント、移動中の音声・安全機能、自動運転企業との提携、そして外部システムが移動ネットワークに接続できるよう開発者向けAPIの公開などがその例だ。

問題は、プラットフォームがAPIを開放することと、サードパーティのエージェントが実際にユーザーを連れてくることは別の話だということだ。前者は技術的な準備であり、後者はユーザーの習慣、決済エコシステム、規制環境に左右される。Uberが公表したこのデータは本質的に、「エージェント型コマース」の熱狂に冷や水を浴びせるものだ——インフラを先に整備することはできるが、インフラが存在するからといって需要が自動的に生まれるわけではない。

エージェント型コマースの信頼のパラドックス

過去2年間で、OpenAI、Anthropic、Googleなどの企業は相次いで、ブラウザを操作し、ボタンをクリックし、フォームを入力できるエージェント機能を披露してきた。これらのデモは興奮を呼んだが、同じパラドックスから逃れられない——ユーザーがお金とプライバシーを気にする場面ほど、コントロールをAIに渡したがらず、ユーザーが気にしない場面ほど、AIエージェントが生み出す価値は限られる。

配車はちょうどそのパラドックスの真ん中に位置している——実際の支払い、実際の位置情報、そして実際の身体的安全が絡むにもかかわらず、十分に高頻度で煩わしい作業であるため、理論上は自動化に最も適している。この壁を乗り越えるために業界が必要としているのは、より高性能なモデルだけではなく、監査可能な認可チェーン、取り消し可能な決済認証情報、明確な紛争処理メカニズム、そしてユーザーがいつでも「引き継ぐ」ことができるインタラクション設計だ。これらの作業のほとんどはプロダクトとコンプライアンスの領域であり、モデルの性能そのものとは別の話だ。

1週間4件はAIエージェントへの失敗判決ではなく、初期段階における現実の校正だ——技術がデモを動かせることは、ユーザーが財布と行程を委ねてくれることを意味しない。

業界への示唆

AI企業にとって、このデータは実装経路の優先順位を示唆している——まずリスクが低く、ロールバック可能で、結果を検証できるタスク（検索、価格比較、旅程の整理など）から着手し、その後で決済を伴うクローズドループの取引へと段階的に移行することだ。プラットフォームにとっては、「AIエージェントによる注文に対応」と急いで宣伝するよりも、まずAPIとリスク管理と責任の境界を明確に定義し、問題が発生した際にエージェントを素早く特定して被害を抑えられるようにすることが先決だ。

一般ユーザーにとっても、「1週間4件」という数字でこの技術を否定する必要はない。歴史上、インタラクション方式の移行——ウェブページからアプリへ、手入力から音声アシスタントへ——は常に初期の利用率が笑えるほど低く、真の転換点はたいてい、体験がある見えないしきい値を超えた後に訪れた。AIエージェントによる配車に必要なのは、より賢いモデルではなく、ユーザーが安心してコントロールを手放せるような信頼設計かもしれない。

本記事はTechCrunchをもとに編集・翻訳したものだ。