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

2026 年 5 月，Uber 營運長 Andrew Macdonald 在《Business Insider》的訪談中說了一句讓科技業為之側目的話：公司持續燒錢投資 AI，卻無法清楚畫出一條連結到商業成果的線 。就在幾週前，Uber 才在短短不到四個月的時間內，燒光了整個 2026 年度的 AI 程式碼工具預算 。這個現象在公司內部有個名稱：Tokenmaxxing——把 AI Token 用量當作衡量進展的標準，而不是看最終成果 。

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 ：

流程	之前	之後	時間縮減
資本分配分析（橫跨 150 個城市）	15 小時	30 分鐘	30 倍
財務節奏報告	2 天	10 分鐘	~288 倍
行銷網站品質保證	2 週	~50 分鐘	~400 倍

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 。