Uber「Agentic Pods」實戰：30 名工程師如何將 15 小時的工作流程縮減至 30 分鐘

兩個月後，Uber 技術長 Praveen Neppalli Naga 揭示了一個截然不同的方法。成果驚人——一個財務規劃流程從 15 小時縮短為 30 分鐘，報表製作從兩天減少到 10 分鐘——這讓它成為今年最受關注的企業 AI 案例之一 。以下是 Uber「Agentic Pods」的運作方式，以及它們為何代表了公司對 AI 思維的根本轉變。

什麼是「Agentic Pods」？

「Agentic Pods」是小型、兩人的團隊——每隊由一位精通 AI 的工程師與一位來自業務部門的領域專家組成——在固定的兩週衝刺內，觀察一個手動工作流程，並用 AI 代理重新建構它 。Naga 在 2026 年中啟動了這個計畫，在兩個月內部署了大約 30 個 Pod 到 16 個業務職能部門，包括財務、法務、行銷、人力資源、客服和採購 。

精確的 10 天操作手冊

Naga 在 2026 年 7 月 7 日的 LinkedIn 上公布了這個精確的工作流程 ：

• 第 1-2 天： 工程師跟隨領域專家，觀察真實工作流程的每一步驟。
• 第 3 天： 團隊確定自動化優先級最高的任務。
• 第 4-9 天： 兩人協作建構 AI 代理，並與專家的同事一同驗證。
• 第 10 天： 將可運作的代理上線生產。

這個嚴格的截止日期並非偶然。它迫使團隊必須交付真正可用的東西，而不是無止境地打磨追求完美 。正如 Naga 所描述，目標是「停止將 AI 視為昂貴的實驗，開始用它來重新設計複雜、手動的工作流程」。

可衡量的生產力提升

多個媒體報導了這些成果，數據來源於 Uber 的內部資料 ：

這些代表核心業務流程的週期時間縮減了 30 倍到 400 倍。Naga 還報告說，已有 9,000 個手動支援工作流程轉換為自助服務 。

從 Tokenmaxxing 到目標導向自動化

先前的策略——被稱為 Tokenmaxxing——是一種重度支出方法，Uber 約 5,000 名工程師中將近 95% 每天都使用 Claude Code 和 Cursor 等工具 。但公司無法將這些 Token 消耗與任何可衡量的商業成果連結起來。2026 年 5 月，Macdonald 告訴《Business Insider》，AI 支出變得「更難合理化」，因為「（Token 使用量與生產力之間的）連結還不存在」。更高的 Token 使用量並未轉化為消費者端產品的比例性改善 。

兩種策略的關鍵差異：

• Tokenmaxxing 時代： 向所有工程師全面部署 AI 編碼工具；以 Token 用量追蹤支出；領導層承認沒有明確的投資回報率連結 。
• Agentic Pods 時代： 針對性、以工作流程優先的方法；工程師嵌入非工程部門；以具體的流程時間縮減來衡量成功 。

Pod 結構為何有效

「Agentic Pod」結構解決了 Tokenmaxxing 方法無法解決的兩個問題。首先，它迫使工程師在建構之前，必須從頭到尾理解一個問題，而不是在沒有明確輸出的情況下累積 Token。其次，它將 AI 支出直接與可衡量的商業成果——節省的小時數、加速的報告、消除的工作流程——聯繫起來 。

僅僅兩個月內，就有 16 個 Pod 在 16 個業務職能部門運作 。該模式隨後已擴大實施。正如 Naga 所指出的，在 Pod 計畫之後，Uber 99% 的工程師都在使用 AI 工具——但現在有了一個框架來確保使用能產出公司可追蹤的成果 。