Uber yazılım geliştirme süreçlerinde yapay zeka maliyetlerini optimize etti
Öne çıkanlar
- Uber genelinde çekme isteklerinin yüzde 70'inden fazlası yapay zeka ajanları tarafından üretiliyor.
- Ajan istekleri 9,4 kat artarken toplam yapay zeka harcamaları optimizasyonlar sayesinde sabit kaldı.
- CLI tabanlı dinamik araç yükleme ve kod modu ile token tüketimi yüzde 50'nin üzerinde azaldı.
Uber, yazılım geliştirme döngüsünün tüm aşamalarına entegre ettiği yapay zeka araçlarının kullanımını ve maliyetlerini optimize eden sistemini paylaştı. Şirket bünyesinde çekme isteklerinin yüzde 70'inden fazlasının yerel veya bulut tabanlı yapay zeka ajanları tarafından oluşturulduğu belirtildi. Şubat-Ağustos 2026 döneminde haftalık aktif ajan kullanımı 7 kat, ajan istekleri ise 9,4 kat artış gösterdi. Şirket, geliştirdiği optimizasyon adımları sayesinde bu kullanım patlamasına rağmen toplam yapay zeka harcamalarını sabit tutmayı başardı.
Şirket, ajan oturum maliyetlerini düşürmek için model seçimi, bağlam yönetimi ve araç çağrıları üzerinde kapsamlı mühendislik çözümleri uyguladı. Kod incelemeleri ve alt ajan görevleri için en uygun maliyetli Pareto modelleri seçilirken, bağlam pencereleri 400 bin token ile sınırlandırıldı ve düşünme düzeyi varsayılan olarak orta seviyeye çekildi. Ayrıca Model Context Protocol (MCP) üzerinden sağlanan 1.000'den fazla aracın şemalarının her oturuma doğrudan yüklenmesi engellenerek CLI ve arama tabanlı dinamik yükleme mimarisine geçildi.
Uygulanan "code-mode" yaklaşımıyla çok adımlı sorguların ve tekrarlayan döngülerin doğrudan alt süreçlerde çalıştırılması sağlandı. Bu yöntem, araç kullanımında ara adımların model bağlamını şişirmesini engelleyerek token tüketiminde yüzde 50'yi aşan tasarruf sağladı.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.