Un viaje en el Uber autónomo, el taxi menos ordinario del mundo

PITTSBURGH, Pensilvania. Contrario a lo que pudiera pensarse, después de dos cuadras, viajar en un vehículo autónomo es de lo más ordinario del mundo. Sin embargo, eso está lejos de ser algo negativo. Hacer de la conducción autónoma lo más parecido a transitar en un auto conducido por un humano es uno de los objetivos que Uber se fijó cuando comenzó su programa de conducción autónoma hace un par de años. Ese esfuerzo, al que la empresa ha dedicado cientos de millones de dólares, comienza a dar frutos y, si estás de visita en Pittsburgh y tienes un poco de suerte, es posible que puedas abordar uno de los 200 volvos autónomos en circulación, y de paso ayudar a la startup más valiosa del mundo a ganar la carrera de los autos sin chofer. Todo comienza, claro, con la app de Uber, con la que el usuario solicita un viaje. Si hay algún vehículo disponible, el sistema lo despacha y un par de minutos después una Volvo XC90 híbrida recoge a su pasajero. En los asientos del piloto y el copiloto hay dos ingenieros de la compañía, el primero se mantiene al tanto de lo que ocurre en el camino y está siempre listo para intervenir en caso de que el sistema de conducción autónoma se deshabilite, mientras que el segundo monitorea en una computadora portátil la información generada por las decenas de sensores integrados en la camioneta. “Sorprendentemente, en algunas ocasiones la reacción de la gente después del viaje es ‘ok, eso fue aburrido’, y esa es justo la reacción que buscamos, que sea un viaje común y corriente”, explica Noah Zych, director de Seguridad del Sistema en el Uber Advanced Technologies Group (ATG). Al solicitar el viaje, explica Zych, los pasajeros son informados de que viajarán en un vehículo autónomo y tienen la posibilidad de declinarlo, pero la gran mayoría ha mostrado interés en vivir esa experiencia.   El viaje hacia la autonomía Uber nació en 2009 cuando sus cofundadores, Travis Kalanick y Garret Camp, idearon una aplicación que permitiera llamar a un vehículo para moverse del punto A al punto B de forma fácil y conveniente. La solución que encontraron fue la creación de un mercado virtual que conecta a pasajeros con dueños de vehículos particulares y habilita el proceso integrando las funciones de un GPS, Google Maps, Waze y servicios de pago móvil. Esa idea opera actualmente en más de 600 ciudades en 78 países, ha ofrecido más de 5,000 millones de viajes —4,000 millones de ellos sólo en 2017—, vale 68,000 millones de dólares y ha dado pie a un nuevo término, uberización, el cual puede definirse como la transformación que sufre una industria cuando se da a los usuarios la posibilidad de solicitar prácticamente cualquier cosa a través de un tap en su teléfono inteligente. El modelo de negocio sería perfecto si no fuera por un pequeño detalle: el factor humano. Hasta ahora, el servicio de Uber depende completamente de la intervención de un conductor de carne y hueso detrás del volante, lo que representa un alto porcentaje de sus costos de operación y muchos dolores de cabeza. Durante el tercer trimestre de 2017, la compañía reportó 9,700 millones de dólares en viajes, que se tradujeron en ingresos netos de 2,000 MDD y, al final, en una pérdida de 743 millones. No está claro qué proporción de los gastos representa el pago a los conductores, lo que sí está claro es que cualquier reducción que pueda hacerse a ese rubro sería clave para la viabilidad de la compañía, y los autos autónomos son una opción cada vez más viable para lograrlo. Aún más, los conductores han mostrado cierta tendencia a afectar la operación de la empresa. El pasado enero, la empresa alcanzó un acuerdo con un grupo de 2,421 conductores que entabló una demanda colectiva en Nueva York acusándola de cobrar tarifas excesivas. Ese pago es el más reciente de una serie de acuerdos extrajudiciales que se pueden rastrear casi hasta el nacimiento de la compañía y demuestran cuán vulnerable es la hoja de balance al factor humano. Los conductores son, al final, los responsables de la mano de obra, así como del pago del vehículo, el equipamiento, el mantenimiento, el seguro y el combustible, y con frecuencia la dura competencia de Uber en los distintos mercados alrededor del mundo ha redundado en recortes al pago que reciben por cada viaje. De acuerdo con un análisis realizado por Apptopia, la retención de los conductores nuevos luego de 30 días cayó 47% durante los primeros seis meses de 2017. Al final, aunque los robotaxis pueden ayudar a aligerar su carga financiera en el futuro, Uber no tiene planes de tener una flota 100% autónoma, sino que ve un futuro en el que los vehículos automatizados se encarguen sólo de áreas específicas en zonas urbanas, dejando a los humanos el resto.

  La llegada de los robotaxis La conducción autónoma se ha vuelto una de las grandes obsesiones de la década. A las empresas automotrices se han sumado otras de tecnología y de movilidad en la búsqueda de un modelo que permita eliminar el factor humano detrás del volante. Hasta el momento esa hoja de ruta tiene 5 niveles, de acuerdo con la SAE (siglas en inglés de la Asociación de Ingenieros Automotrices):

1. Cero automatización
2. Asistencia de manejo
3. Automatización parcial.
4. Automatización condicional (requiere de intervención humana, es similar a la vista en el Auto Pilot de los vehículos de Tesla).
5. Alta automatización (no requiere de intervención humana, pero no funciona en ciertas condiciones).
6. Automatización completa.

Mientras que muchas de las compañías que trabajan en un modelo de conducción autónoma buscan llegar al Nivel 5, el de automatización completa en todos los ambientes, el objetivo de Uber es mucho más modesto, eso lo hace más alcanzable: “No intentamos solucionar el problema del nivel 5, que aún está lejos de ser capaz de entregar una experiencia suficientemente satisfactoria en todos los sectores, sino sólo en zonas específicas dentro de nuestras áreas de servicio”, explica Zych. “Nuestra motivación es hacer los caminos más seguros y liberar las ciudades de la congestión provocada por los autos en las calles y de los espacios de estacionamiento”, añade. Todo empieza con la información que entra al sistema a través de los sensores, la computadora ubica al vehículo en un plano espacial y determina qué elementos hay en su entorno. Luego viene el proceso más complejo, podría pensarse que buena parte del trabajo realizado por un auto autónomo es procesar lo que ocurre a su alrededor, pero lo más difícil es predecir lo que va a pasar, “intentamos anticiparnos hacia dónde se están moviendo los objetos en entorno”, dice Zych. “A partir de ahí planeamos qué debe hacer el vehículo y pasamos a la acción”. A principios de 2017, Uber comenzó a mapear ciudades en una decena de países, entre ellos México, con la ayuda de los conductores en la plataforma para optimizar los datos que éstos necesitan para brindar un mejor servicio. “Los mapas son la tubería y el cableado de Uber, aseguran que hay una experiencia confiable para conductores y pasajeros”, dice Erik Weber, director senior de Operaciones de mapeo, planeación y políticas de la compañía. Weber añade que esos mapas “son cruciales para nuestro futuro, las necesidades de Uber, Uber Pool, UberEATS, o de los medios de transporte alternativo (como motocicletas, que operan en UberMoto en Asia-Pacífico y en República Dominicana, o bicicletas) son distintas a las del usuario promedio de las apps de mapeo”. Esos mapas sirven para que los vehículos autónomos tengan datos más precisos sobre el entorno y puedan tomar mejores decisiones. La segunda generación de autos autónomos de Uber, desarrollada en conjunto con Volvo, cuenta con 7 cámaras, un radar láser (o Lidar), un radar de 360 grados, GPS y una computadora capaz de procesar en tiempo real todos los datos generados por las distintas entradas de información —durante el CES pasado Jensen Huang, CEO de Nvidia, reveló una alianza con Uber para proveer la tecnología de procesamiento—. A pesar de que el vehículo cuenta con conexión a internet, la conducción no depende de ésta, sino de lo que percibe el sistema. Durante el programa piloto en Pittsburgh, cuando el pasajero aborda la unidad, puede ver entre los dos asientos delanteros una tableta que muestra qué es lo que “ve” el sistema, colocando al vehículo al centro y mostrando en color azul los objetos fijos previamente mapeados, como banquetas, mobiliario urbano y muros, y en color naranja los móviles, como otros autos y peatones. Más de 700 empleados en las oficinas de Uber en Pittsburgh están enfocados en el desarrollo del programa, que ya suma más de 30,000 viajes desde su inicio, hace poco más de un año, lo que se ha traducido en más de 3,000 millones de kilómetros.   Siguiente parada: no la autonomía A pesar de los avances registrados hasta el momento, es poco probable que veamos un Uber autónomo en otras ciudades del mundo en el futuro cercano. La tecnología aún no está lista y, aunque el viaje de 30 minutos realizado por Forbes México a bordo de un Uber autónomo en Pittsburgh estuvo libre de contratiempos, Noah Zych, director de Seguridad del Sistema en el ATG detalla que aún se registran casos en los que algo sale mal: “Esos errores seguirán existiendo por un tiempo y queremos reducir la incidencia de accidentes, que el sistema aprenda sobre el hecho. Cuando se presentan, la prioridad es la seguridad de las personas y después intentar determinar de dónde provino el error”. Puede que el futuro de Uber sea autónomo, pero el futuro inmediato de Uber es eléctrico y compartido. Así lo reconoce Andrew Salzberg, director de Políticas de transporte e investigación en Uber y uno de los personajes de más alto perfil dentro de la compañía en lo que se refiere a temas de movilidad y nuevos modelos de movilidad. “La ventaja es que ya tenemos cierto parque orgánico, algunos de nuestros conductores tienen vehículos eléctricos por varias razones, especialmente en ciudades de California y Nueva York, estamos aprendiendo mucho de ellos, tenemos miles de conductores alrededor del mundo con vehículos eléctricos y aprendemos cuáles son sus obstáculos, cómo los cargan y hemos realizado pruebas”. La electromovilidad representa varios desafíos puntuales, como las limitaciones en el rango de conducción de los vehículos —que suele ser de alrededor de 100 kilómetros en el caso del Nissan Leaf— y el tiempo de recarga de la batería, por no mencionar los puntos de recarga, que son insuficientes por el momento. No obstante, los mayores desafíos no son la infraestructura, sino la regulación y la cultura, apunta Salzberg. En el primer caso: “Hay mucho que se puede hacer en el futuro, el objetivo es hacer que compartir un auto sea más fácil y al mismo tiempo que tener un auto sea menos fácil, especialmente con lo que respecta a conducción autónoma. Si ves el panorama completo del sistema de transporte actual, hace que compartir el auto sea menos fácil y tener uno sea más fácil. Eso es algo que hemos combatido desde el principio: la idea básica de hacer regulaciones que habiliten que sea, al menos en parte y en términos regulatorios, más fácil compartir que poseer tu propio auto”. El otro gran desafío es el cultural y operativo: ¿Qué se necesita para convencer a alguien para que haga car pooling, viajes más largos o un menor costo, o la conveniencia al emparejar pasajeros? Salzberg explica que todo lo que Uber trata de hacer bien normalmente, “tenemos que hacerlo extra bien en pool. Cuando recoges a un usuario y no lo encuentras o no puedes comunicarte con él, eso es generalmente malo para nosotros pero es particularmente malo si estás compartiendo tu viaje y tienes muchas paradas para recoger pasajeros y tienes a un conductor en el auto. Todo se vuelve más importante en el pooling porque tiene que ser suave, no puedes esperar 5 minutos en el auto si ya tienes a un pasajero a bordo o no querrá compartir de nuevo. Sube el listón para todo lo que hacemos”. Y si bien Uber está dedicando una cantidad sustancial de recursos financieros a su programa de autos autónomos —de acuerdo con el Financial Times, estaría por cerrar la compra de 24,000 XC90 a Volvo—, por el momento, muchos de los esfuerzos de la compañía se están enfocando a eliminar las fricciones de los viajes compartidos, como los periodos de espera y el emparejamiento de pasajeros, al tiempo que hacen frente a los retos regulatorios —en la gran mayoría de las ciudades en México sólo se puede pagar con tarjeta de crédito, por ejemplo—, así como a recopilar información sobre los autos eléctricos en su plataforma. Al respcto, Salzberg es claro: “El beneficio más evidente que podemos brindar en este momento es el de la electromovilidad compartida”.   La primera muerte La noche del 20 de marzo pasado, justo antes del cierre de esta edición, uno de los XC90 de la flota autónoma de Uber arrolló y mató a Elaine Herzberg, de 49 años, que cruzaba una calle en Tempe, Arizona. Se trata de la primera muerte provocada por un auto autónomo a un peatón. El video capturado por las cámaras a bordo de la camioneta (y publicado por la policía local) muestra cómo la mujer aparece de forma sorpresiva frente al auto, que circulaba a unos 60 kilómetros por hora y éste nunca dio señales de desacelerar su marcha. Aún no está claro si falló alguno de los sistemas del vehículo o si el accidente fue provocado por una desafortunada combinación de la acción de la mujer (cruzó a pie a unos 40 metros de un paso peatonal) y las limitaciones propias de la tecnología incorporada en el auto. Al interior del vehículo, la cámara muestra al conductor mirando hacia abajo segundos antes del impacto. Luego del accidente, Uber dijo: Nuestros autos permanecen estacionados y estamos ayudando a las autoridades locales, estatales y federales en todo lo que podamos.” La empresa detuvo sus pruebas en las cuatro áreas urbanas donde operan (Pittsburgh, San Francisco, Arizona y Toronto). Es poco probable que esa pausa dure mucho, dado que la policía de Tempe, Arizona, ya ha sugerido que liberará a la compañía de responsabilidad. Sin embargo, cada vez más voces se suman a la exigencia de contar con una regulación, hoy inexistente, para pruebas con autos autónomos. Con seguridad, ésta afectará a todas las firmas del sector.