Uber का 'Agentic Pods' मॉडल: AI खर्च पर लगाम, 30 इंजीनियरों ने 15 घंटे का काम 30 मिनट में किया

दो महीने बाद, Uber के CTO प्रवीण नेपल्ली नागा ने एक बिल्कुल अलग रणनीति पेश की। इसके नतीजे इतने चौंकाने वाले थे — एक फाइनेंशियल प्लानिंग प्रोसेस 15 घंटे से घटकर 30 मिनट, रिपोर्ट्स 2 दिन से 10 मिनट — कि यह साल के सबसे ज्यादा फॉलो किए जाने वाले एंटरप्राइज AI केस स्टडीज में से एक बन गया । यहां हम समझेंगे कि Uber के Agentic Pods कैसे काम करते हैं और क्यों यह AI के बारे में सोचने के तरीके में एक बुनियादी बदलाव है।

Agentic Pods क्या हैं?

Agentic Pods छोटी, दो लोगों की टीमें होती हैं — प्रत्येक में एक AI-प्रवीण इंजीनियर और एक बिजनेस फंक्शन का डोमेन एक्सपर्ट होता है — जिन्हें एक मैन्युअल वर्कफ्लो को देखने और AI एजेंट्स के साथ फिर से बनाने के लिए दो सप्ताह का निश्चित समय दिया जाता है । नागा ने मध्य-2026 में यह प्रोग्राम शुरू किया, जिसमें दो महीनों में लगभग 30 पॉड्स को 16 बिजनेस फंक्शन्स — फाइनेंस, लीगल, मार्केटिंग, एचआर, कस्टमर सपोर्ट, और प्रोक्योरमेंट — में तैनात किया गया ।

सटीक 10-दिन की कार्ययोजना

नागा ने 7 जुलाई, 2026 को लिंक्डइन पर इसकी सटीक प्रक्रिया प्रकाशित की :

• दिन 1-2: इंजीनियर डोमेन एक्सपर्ट के साथ काम करता है, वास्तविक वर्कफ्लो के हर कदम का अवलोकन करता है।
• दिन 3: पॉड ऑटोमेट करने के लिए सबसे अधिक प्रभाव वाले कार्य को प्राथमिकता देता है।
• दिन 4-9: दोनों मिलकर AI एजेंट बनाते हैं, और एक्सपर्ट के साथियों से इसकी पुष्टि कराते हैं।
• दिन 10: तैयार एजेंट को प्रोडक्शन में भेज दिया जाता है।

यह सख्त समय सीमा आकस्मिक नहीं है। यह टीम को किसी चीज़ को अनिश्चित काल तक पॉलिश करने के बजाय कुछ वास्तविक बनाकर भेजने के लिए मजबूर करती है । जैसा कि नागा ने बताया, इसका उद्देश्य था "AI को एक महंगे प्रयोग के रूप में देखना बंद करना और इसका उपयोग जटिल, मैन्युअल वर्कफ्लो को फिर से डिजाइन करने में करना" ।

मापी गई प्रोडक्टिविटी में वृद्धि

ये नतीजे कई आउटलेट्स पर रिपोर्ट किए गए हैं, जो Uber के आंतरिक डेटा से लिए गए हैं :

ये मुख्य व्यावसायिक प्रक्रियाओं के लिए चक्र समय में 30x से 400x तक की कमी दर्शाते हैं। नागा ने यह भी बताया कि 9,000 मैन्युअल सपोर्ट वर्कफ्लो को सेल्फ-सर्विस में बदल दिया गया है ।

टोकनमैक्सिंग से लक्षित ऑटोमेशन तक

पिछली रणनीति, जिसे टोकनमैक्सिंग नाम दिया गया था, एक खर्च-भारी दृष्टिकोण था जहां Uber के लगभग 5,000 इंजीनियरों में से लगभग 95% प्रतिदिन क्लॉड कोड और कर्सर जैसे टूल्स का उपयोग करते थे । लेकिन कंपनी उस टोकन खपत को किसी मापने योग्य व्यावसायिक परिणाम से नहीं जोड़ पा रही थी। मई 2026 में, मैकडॉनल्ड ने Business Insider को बताया कि AI खर्च को सही ठहराना "मुश्किल होता जा रहा है" क्योंकि "वह लिंक [टोकन उपयोग और प्रोडक्टिविटी के बीच] अभी तक है ही नहीं" । अधिक टोकन उपयोग कंज्यूमर-फेसिंग प्रोडक्ट्स में आनुपातिक सुधार में तब्दील नहीं हो रहा था ।

दोनों रणनीतियों के बीच मुख्य अंतर:

• टोकनमैक्सिंग का दौर: सभी इंजीनियरों को AI कोडिंग टूल्स की व्यापक तैनाती; खर्च को टोकन वॉल्यूम से ट्रैक करना; नेतृत्व द्वारा ROI का स्पष्ट लिंक स्वीकार न करना ।
• एजेंटिक पॉड्स का दौर: लक्षित, वर्कफ्लो-पहले दृष्टिकोण; इंजीनियर गैर-इंजीनियरिंग विभागों में एम्बेडेड; सफलता को ठोस प्रक्रिया समय में कमी से मापना ।

पॉड संरचना ने क्यों काम किया

एजेंटिक पॉड संरचना ने दो समस्याओं को हल किया जो टोकनमैक्सिंग दृष्टिकोण नहीं कर सका। पहला, इसने इंजीनियरों को बिल्ड करने से पहले एक समस्या को एंड-टू-एंड समझने के लिए मजबूर किया, बजाय इसके कि बिना किसी परिभाषित आउटपुट के टोकन जमा करते रहें। दूसरा, इसने AI खर्च को सीधे मापने योग्य व्यावसायिक परिणामों — बचाए गए घंटे, तेज की गई रिपोर्ट, खत्म किए गए वर्कफ्लो — से जोड़ दिया ।

सिर्फ दो महीनों में, 16 पॉड्स 16 बिजनेस फंक्शन्स में चलाई गईं । इसके बाद इस मॉडल का विस्तार किया गया। जैसा कि नागा ने नोट किया, पॉड्स के बाद, Uber के 99% इंजीनियर AI टूल्स का उपयोग कर रहे थे — लेकिन अब एक ऐसे ढांचे के साथ जो यह सुनिश्चित करता है कि उस उपयोग से ऐसे परिणाम निकलें जिन्हें व्यवसाय ट्रैक कर सके ।