Uberovy Agentické Pods: Revoluce v AI, která šetří hodiny času

O dva měsíce později představil technologický ředitel Uberu Praveen Neppalli Naga radikálně odlišný přístup. Výsledky byly natolik ohromující – finanční plánování z 15 hodin na 30 minut, reporty ze dvou dnů na 10 minut – že se tento případ stal jednou z nejsledovanějších podnikových AI studií roku . Pojďme se podívat, jak Uberovy Agentické Pods fungují a proč představují zásadní změnu v myšlení společnosti o AI.

Co jsou Agentické Pods?

Agentické Pods jsou malé dvoučlenné týmy – každý tvoří jeden AI zdatný inženýr a jeden oborový expert z obchodní funkce – které dostanou pevně stanovený dvoutýdenní sprint na to, aby pozorovaly manuální pracovní postup a přestavěly ho pomocí AI agentů . Naga spustil program v polovině roku 2026 a během dvou měsíců nasadil zhruba 30 podů napříč 16 obchodními funkcemi včetně financí, práva, marketingu, HR, zákaznické podpory a nákupu .

Přesný 10denní manuál

Naga zveřejnil přesný pracovní postup na LinkedIn 7. července 2026 :

• Dny 1–2: Inženýr stínuje oborového experta a pozoruje každý krok skutečného pracovního postupu.
• Den 3: Tým stanoví prioritu – vybere úkol s největším dopadem, který automatizuje.
• Dny 4–9: Dvojice společně staví AI agenta a validuje ho s kolegy experta.
• Den 10: Hotový agent je nasazen do produkce.

Pevný termín není náhodný. Nutí tým dodat něco skutečného, místo aby donekonečna vylepšoval . Jak Naga popsal, cílem bylo "přestat zacházet s AI jako s drahým experimentem a začít ji používat k přepracování složitých, manuálních pracovních postupů" .

Naměřené nárůsty produktivity

Výsledky jsou široce reportovány napříč mnoha médii a jsou připisovány interním datům Uberu :

Tyto údaje představují zkrácení doby cyklu o 30x až 400x u klíčových obchodních procesů. Naga také uvedl, že 9 000 manuálních podpůrných workflow bylo převedeno na samoobsluhu .

Od Tokenmaxxingu k Cílené Automatizaci

Dřívější strategie – přezdívaná tokenmaxxing – byl nákladný přístup, kdy téměř 95 % z ~5 000 inženýrů Uberu denně používalo nástroje jako Claude Code a Cursor . Společnost však nedokázala tuto spotřebu tokenů spojit s žádným měřitelným obchodním výsledkem. V květnu 2026 Macdonald řekl Business Insider, že je stále "obtížnější ospravedlnit" výdaje na AI, protože "to spojení [mezi používáním tokenů a produktivitou] zatím neexistuje" . Vyšší používání tokenů se nepromítalo do úměrného zlepšení produktů pro spotřebitele .

Klíčové rozdíly mezi dvěma strategiemi:

• Éra Tokenmaxxingu: Plošné nasazení AI kódovacích nástrojů všem inženýrům; výdaje sledované podle objemu tokenů; vedení nepřiznávalo jasnou návratnost investic .
• Éra Agentických Pods: Cílený přístup zaměřený na workflow; inženýři začlenění do neinženýrských oddělení; úspěch měřený konkrétním zkrácením času procesů .

Proč Struktura Podů Fungovala

Struktura Agentických Podů vyřešila dva problémy, které tokenmaxxing nedokázal. Za prvé, donutila inženýry pochopit problém od začátku do konce, než začali stavět, místo aby hromadili tokeny bez definovaného výstupu. Za druhé, přímo spojila výdaje na AI s měřitelnými obchodními výsledky – ušetřenými hodinami, zrychlenými reporty, eliminovanými workflow .

Za pouhé dva měsíce běželo 16 podů napříč 16 obchodními funkcemi . Model byl od té doby rozšířen. Jak poznamenal Naga, po zavedení podů používalo AI nástroje 99 % inženýrů Uberu – ale nyní s rámcem, který zajišťuje, že toto používání přináší výsledky, které může firma sledovat .