尤里·米斯尼克（Yuri Misnik），inDrive 首席技术官 – 采访系列

尤里·米斯尼克 是 inDrive 的首席技术官，他领导着公司的全球技术战略。拥有超过二十年的国际经验，米斯尼克在云计算、金融服务和大规模数字转型等领域建立并领导了高影响力的技术项目。

在加入 inDrive 之前，他曾在微软（NASDAQ：MSFT）和 AWS 担任高级职务。后来，他曾担任 HSBC 的数字化 CIO、National Australia Bank 的 CIO 和 First Abu Dhabi Bank 的集团 CTO，在这些职位上，他通过云计算、敏捷开发、DevOps 和产品中心的工程模型现代化了复杂的、高度监管的环境。

米斯尼克的职业生涯始于航空航天工程，他曾参与波音 787 的设计，后来转向软件工程和在线交易系统。他既精通传统平台，也熟悉现代分布式架构，以其将基础系统与尖端创新相结合的能力而闻名。

在 inDrive，他专注于建设将推动公司下一阶段全球增长的系统、团队和平台。

inDrive 是一个全球移动和城市服务平台，连接用户与司机和服务提供者，涵盖叫车、送货和其他按需服务。该公司成立于 2013 年，目前在 48 个国家和 1000 多个城市运营，全球下载量超过 4 亿。其核心竞争优势在于点对点定价模型，允许乘客和司机直接协商价格，而不是依赖算法定价，旨在创造更透明和公平的交易。除了交通以外，inDrive 还扩展到跨城旅行、快递服务、金融服务，甚至是杂货配送，定位为一个更广泛的“超级应用”，专注于可及和公平的城市服务。

您从数学建模和有限元分析开始，后来又转向微软、AWS、HSBC 和 National Australia Bank，现在您正在 inDrive 领导 AI 转型。您的职业经历如何塑造您对建设技术雄心勃勃但仍然扎根于公平、恢复力和现实世界约束的 AI 系统的思考方式？

我从应用数学和有限元分析开始我的职业生涯，这本质上是关于理解模型在哪里会失效，而不是庆祝它的工作。这种思维方式正是我今天对待 AI 系统的方式。

在微软和 AWS，我花了十多年时间学习如何在全球范围内建设平台。您需要假设系统会退化，网络会失败，组件会表现出意外的行为。在 inDrive，我们在 48 个国家和 1000 多个城市运营，这种思维方式被证明是绝对至关重要的。

HSBC 和 National Australia Bank给我带来了不同的视角。在 HSBC，我建立了跨数十个监管制度的零售数字能力。在 NAB，我推动了云转型，将关键银行应用程序迁移到 AWS。在这些环境中，每一个技术决策都伴随着监管、声誉和财务后果。一个无法以监管者或客户可以理解的方式解释其决策的 AI 或机器学习模型不是资产，而是负债。

产品应该反映人们的需求，而不是展示技术栈的复杂性。这种原则使技术雄心保持在公平和现实世界的约束之内。

大多数平台使用 AI 来设定价格，而 inDrive 使用协商。那么，机器学习如何融入您的模型中，在不损害使 inDrive 与众不同的透明度的情况下，为平台带来最大的价值？

inDrive 的 AI 不仅仅是关于定价；它贯穿整个业务，包括营销和增长、超级应用个性化、客户支持、地理空间智能、内部工具、欺诈防护等。超过 80% 的员工使用各种 AI 工具，从客户支持和营销到编码和分析。AI 在周围的基础设施中做了大量工作——2025 年，我们的深度学习模型帮助我们实现了 14% 的 ETA 精度改进。因此，当人们问到 AI 和定价时，需要了解这只是更广泛的能力的一个方面。

inDrive 是为了应对不公平的、串通的出租车定价而成立的。我们的核心竞争优势在于点对点的协商模型——乘客提出，司机接受、反价或拒绝。这种开放的竞价流程是基本的。AI 的作用是围绕这个人工协商的价格提供决策支持。

什么是“AI 首先的超级应用”的实际含义？哪些平台部分是 AI 的最自然适用领域：市场匹配、安全、客户支持、金融服务，还是其他领域？

大多数公司说“AI 首先”意味着他们添加了一个聊天机器人。那不是我们正在做的。

AI 首先意味着 AI 位于平台的操作层，而不是特性层。每一个产品决策——从市场匹配到客户支持到信用评分——都从以下问题开始：我们有什么数据，智能应该如何塑造这种体验？与在 AI 时代之前发展起来的传统超级应用不同，我们在扩展到八个垂直领域（叫车、跨城旅行、快递、货运、杂货配送、城市服务和金融产品）时，从一开始就嵌入了这些能力。

inDrive 特别强大于新兴和前沿市场，在那里，运营条件可能会有很大差异。您如何设计能够在基础设施、支付习惯、监管环境和用户期望差异很大的地区表现良好的 AI 系统？

难点在于创建一个能够在 48 个国家和 1000 多个城市中可靠运行的统一模型。我们通过一个高度可配置的平台来解决这个问题，大多数新国家的启动工作都是配置更改，而不是新代码。这使我们的工程努力集中在本地要求上：司机验证、文档验证和政府数据库集成。

您曾在像 HSBC 和 NAB 这样的机构领导了大规模的云和数字转型工作。从这些高度监管的金融环境中，您认为哪些经验教训对 inDrive 扩展到金融服务和建立更多 AI 驱动的决策系统最有价值？

有三个经验教训可以直接应用。

首先，数据的审计和控制不是可选的。在银行，每一个关键的数据元素，每一个影响客户的决策，都必须被适当的控制所包围，这些控制保护了数据的完整性和一致性。所有这些都需要可追溯和可解释。而在数字世界中，您需要将速度与控制相结合，这意味着所有监管要求都需要从一开始就被自动化。因此，您开始将监管要求和控制视为一个软件产品，消除手动工作，并在所有地方依赖自动化。

第二，数据治理先于数据科学。在 NAB 和 HSBC，我了解到 AI 的最大瓶颈不是模型本身，而是数据。谁拥有它？它是干净的吗？它是经过同意的吗？它的来源是正确的吗？在 inDrive，我们的数据治理需要快速成熟。如果您在治理之前建立 AI，您将积累技术和监管债务，这些债务会变得越来越难以偿还。

许多公司谈论保持“人在循环”，但这个短语通常很模糊。在 inDrive，您认为哪些领域即使在工作流和自动化变得更加强大时，人类的判断力也应该保持不可协商？

我有一个简单的原则：自动化可重复的任务；保持人类在不可逆转的任务中。如果一个错误的决定可以轻松逆转，则自动化。如果它可以破坏信任、生计或安全，则人类的判断力保持不变。

定价权是最明显的例子，也是定义 inDrive 的一个方面。人类——无论是乘客还是司机——总是对价格有最终的决定权。这一点无论我们的 AI 推荐如何先进，都不会改变。我们不会拿走这一点，因为那样会使我们成为另一个算法平台，失去我们所特有的东西。

在运营 AI 时，最困难的部分不是模型性能，而是运营纪律：数据质量、治理、监控和成本控制。将 AI 从孤立的用例转变为业务的运营层的最大障碍是什么？

每个人都给出了礼貌的答案：数据质量。这是真的，但不够。真正的障碍是组织性的。最难的部分不是任何单一的技术问题，而是从个别 AI 实验的文化转变为系统性的 AI 运营文化。这一转变需要改变团队对所有权、责任和衡量标准的思考方式。

当您将 AI 视为一系列孤立的计划时，每个团队都会建立自己的管道、自己的数据访问模式和自己的对“质量”含义的理解。但是，当您希望 AI 成为一个水平的运营层，触及定价、安全、支持、地理和个性化时，您需要共享的基础。

叫车平台处理大量的现实世界行为数据。如何平衡使用这些数据进行更好的人性化和预测的机会与保护驾驶员和乘客的信任、隐私和公平性的需要？

叫车的数据优势是真实的。结合送货和金融数据，它变成了一组非常丰富的行为数据集。过度利用它的诱惑正是我们拒绝做的事情。

我们严格应用目的限制。我们使用收集的数据来改善行程。它不会被用于广告定位或出售给第三方。我们的用户选择 inDrive 部分是因为他们比信任其他公司更信任我们。这种信任，一旦被打破，就不会重新建立。

超级应用模型在亚洲的一些地区非常成功，但在全球分散的市场中更难复制。从技术和 AI 的角度来看，什么条件必须成立，才能使超级应用在数十个国家而不是仅仅一个紧密集成的生态系统中发挥作用？

超级应用模型在亚洲流行，它在相对同质的监管和基础设施环境中发挥作用，具有深度集成的支付、社交和商务，并且几乎没有强大的独立替代品。全球复制需要一个根本不同的方法，我们认为我们的模型更适合分散的市场。

基础必须是默认的全球化、设计为本地化的。我们将共享的平台服务——身份、钱包、通知、分析、地图、支持——作为稳定的轨道，合作伙伴可以快速插入。每个服务都是独立部署和本地可配置的，因此新的市场可以通过配置而不是新代码来启动。

展望未来三到五年，您认为 AI 将在哪些方面为移动平台带来最大的竞争优势：需求预测、信任和安全、自动化运营、支持自动化、驾驶员经济学，还是完全不存在的新服务？

AI 将影响所有这些方面，但竞争优势的程度将有所不同。

在三年内，每个严肃的移动平台可能都会具备有能力的需求预测。安全和信任功能将成为基本要求。支持正在迅速被自动化，因为大型语言模型成熟。自动化运营最终将很重要，但在全球范围内（尤其是在像美国这样的发达市场以外），在十年内不太可能对边缘市场产生重大影响。

一个主要的差异化领域可能是完全不存在的新服务。实时位置数据、行为数据、支付数据和本地市场智能的组合为我们尚未想到的服务奠定了基础，例如超本地商务、医疗保健或预测物流。具有最丰富的数据基础和能够快速测试和扩展新垂直领域的组织将拥有累积优势。

代理 AI 是长期将带来差异的领域。随着代理工作流的成熟，处理入职、欺诈监控、财务运营和个性化辅导，具有合适数据基础的平台可能会实现更快的实验和扩展。

AI 本身并不创造竞争优势。当与独特的数据、独特的市场地位和执行的运营纪律结合时，AI 才会创造优势。inDrive 的地位——世界第二大叫车应用，拥有边缘市场的主导地位，超过 4 亿次下载，并建立在公平的基础上——是基础。AI 是放大器。没有基础，放大器就没有什么可以放大的。

感谢这次精彩的采访，希望了解更多的读者可以访问 inDrive。