配達とモビリティ / 配車と配達
Uber：ソフトウェア開発全工程でのAIエージェント運用とコスト管理
- 企業
- Uber
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
ウーバーは、2026年2月から8月にかけて週間アクティブユーザーが7倍、週間のエージェント要求が9.4倍に増えたと述べた。品質を保ちながら増えるコストを抑える必要があった。100を超えるツールを入れた状態で標準的なMCPの事前読み込みを使うと、ツールの定義だけで約5万~7万トークンが最初のプロンプトに加わり、その後のやり取りのたびに送り直されていた。社内の文脈を持たないエージェントは必要なテーブルを見られず、20分かけてサービスのコードを調べ、サブエージェントを2つ起動した。
使った技術とデータ
同社によると、人が起動しない管理型エージェントがコードレビュー、失敗したCIの自動修復、画面の検証を含むプルリクエストの完成、オンコール警報の振り分け、デバッグ、保守を担い、人は結果を確認してエスカレーションを引き受ける。モデルは実際の業務から作ったベンチマークで選び、入力が明確なサブエージェントには安価なモデルを標準で使う。対話型セッションのプロンプトキャッシュの保持時間は5分から1時間に延ばし、自動圧縮は40万トークンで始まる。1,000を超えるMCPサーバーの前に置いたゲートウェイが認証とポリシーを一元管理する。AIコンテキストグラフは30を超える社内システムから集めた2,400万のノードと8,000万のエッジを持つ。コストはステータスラインのリアルタイム費用表示、予想支出の50%、80%、100%に達した時のSlack通知、上位プランへの変更時の管理者承認、16種類の非効率な使い方を示すダッシュボードで見えるようにした。
成果
ウーバーは、プルリクエストの70%超がローカルまたはクラウドのエージェントによるものと集計されていると述べた。エンジニアは3,600を超えるスキルを作り、1日に3万回を超えて実行している。総支出は4月以降ほぼ安定している。モデル要求1,000件あたりのコストは2月から7月にかけてピークから34%近く下がり、セッションあたりのコストは6月のピークから52%下がった。同社は、利用が7倍に増える間に単位コストは下がり、品質は保たれたと説明した。社内の文脈を持つエージェントは過去の利用記録を調べ、50人を超えるアナリストが使うテーブルを見つけて38秒で答えた。
限界と残る課題
70%はエージェントによるものと集計したプルリクエストの割合で、人の確認なしにマージされた割合ではない。バグや品質の指標は示されていない。同社はコストの数値が自社環境に固有のものだとしており、多くは2月から7月の値だ。導入を開始した月を示していないため、資料の公開日で並べている。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。