Uber Eats Cart Assistant: Kako nova AI funkcija preobražava kupovinu namirnica

Ključne stavke:

• Uber Eats je u februaru 2026. pokrenuo Cart Assistant, novu AI funkciju koja omogućava korisnicima da brzo popune korpu za namirnice unosom liste ili uploadom fotografije sa liste ili recepta.
• Sistem koristi historiju narudžbi za personalizaciju izbora, omogućava zamjenu brendova i dodatne prilagodbe, te predstavlja odgovor Ubera na rastuću primjenu chatbota u segmentu dostave hrane i namirnica.

Uvod

Uber Eats je predstavio Cart Assistant kao alat koji ciljano smanjuje vrijeme i frikcije kod online kupovine namirnica. Umjesto ručnog pretraživanja i dodavanja stavki, korisnik može unijeti tekstualnu listu ili učitati fotografiju rukom pisane liste ili screenshota recepta, a asistent će automatski identificirati i ubaciti artikle u korpu. Funkcija je dostupna u beta verziji unutar aplikacije i već naglašava kako podaci o prethodnim narudžbama utiču na prioritetizaciju proizvoda. Ovaj razvoj nije izolovan: konkurenti su ranije testirali ili implementirali slične AI alate, a integracije s vanjskim modelima jezika već su počele mijenjati način naručivanja hrane. Ipak, Cart Assistant otvara niz pitanja — od korisničkog iskustva i privatnosti do poslovnih posljedica za trgovce, dostavljače i platforme — koja zahtijevaju detaljniju analizu.

Kako tačno funkcioniše Cart Assistant

Cart Assistant funkcioniše kao multimodalni chatbot unutar Uber Eats aplikacije za sekciju namirnica. Korisnik započinje tako što pretraži određenu trgovinu i pritisne ljubičastu ikonu Cart Assistant na stranici trgovine. Nakon toga može unijeti listu u tekstualnom obliku ili učitati fotografiju. AI zatim analizira sadržaj i mapira stavke na stvarne proizvode dostupne u toj trgovini, bidajući pritom moguće interpretacijske izazove kao što su rukopisne greške, nejasnoće u nazivima sastojaka ili regionalne varijante proizvoda.

Proces uključuje nekoliko međusobno povezanih koraka: prvo, prepoznavanje teksta i identifikacija ključnih elemenata sa liste; zatim, semantičko razumijevanje zahtjeva kako bi se razjasnilo da li primjerice „sir“ znači bilo koji sir ili određenu vrstu; i konačno, pretraga kataloga trgovine kako bi se pronašli najbliži odgovarajući artikli. Uber navodi da model koristi podatke o prethodnim narudžbama korisnika da bi dao prednost poznatim proizvodima — mlečni proizvodi, brendirani proizvodi koje je korisnik ranije naručivao i slične preferencije bit će predloženi kao prvi izbor.

Korisnik dobija mogućnost prilagodbe korpe: može zamijeniti predložene artikle za druge brendove, povećati ili smanjiti količine, te dodati dodatne proizvode iz iste trgovine prije završetka kupovine. S obzirom na beta fazu, očekuju se iteracije i dodatne funkcije poput naprednijeg razumijevanja recepata, grupisanja stavki u kategorije ili integracije s listama kućanstva koje se čuvaju u korisničkom profilu.

Personalizacija kroz historiju narudžbi i njene implikacije

Korištenje prethodnih narudžbi za personalizaciju predstavlja značajan UX benefit, ali i izvor rizika. Sa jedne strane, personalizacija ubrzava proces: sistem će, u većini slučajeva, predložiti mlijeko koje korisnik obično kupuje umjesto generičog „mlijeka“, što skraćuje vrijeme za donošenje odluka. Ovo takođe može povećati vrijednost prosječne korpe ako model uoči sklone nadogradnje ili dopune koje često idu uz već naručene artikle.

Sa druge strane, oslanjanje na historiju može pojačati začarani krug preferencija i umanjiti izloženost korisnika novim ili jeftinijim alternativama. Ako algoritam uvijek favorizuje iste brendove, to može ograničiti konkurenciju unutar trgovine i uticati na marketinške strategije proizvođača. Također, personalizacija podrazumijeva rad sa osjetljivim podacima o potrošačkim obrascima; jasnoća u pogledu toga kako se ti podaci koriste, čuvaju i dijele biće presudna za povjerenje korisnika.

Suočavanje s dvosmislenim unosima: fotke recepta i rukopisne liste

Jedna od privlačnih mogućnosti Cart Assistanta je sposobnost da obradi fotografije — bilo screenshotove s receptima ili rukopisane liste. Tehnički izazov proizlazi iz varijabilnosti kvaliteta slike, različitih jezika i stilova pisanja, kao i implicitnih zahtjeva u receptima koji ne sadrže jasne metrike ili konkretne nazive proizvoda. Na primjer, recept može tražiti „1 šalica zobi“ bez navođenja vrste ili brenda. Sistem tada mora odlučiti da li predložiti generičnu zob ili brendiranu opciju koju korisnik ranije preferira.

OCR (optical character recognition) komponente moraju biti robustne, ali jednako važna je sposobnost modela da kontekstualno razumije. To uključuje prepoznavanje što je zapravo sastojak, a što napomena u receptu, te kako interpretirati stavke poput „začini po ukusu“ koje ne odgovaraju jednostavnoj mapi na proizvode. Korištenje multimodalnih modela koji kombinuju razumijevanje slike i jezika olakšava ove zadatke, ali ne uklanja potrebu za ljudskim nadzorom u ranoj fazi primjene zbog mogućih grešaka.

Konkurencija i ranije AI integracije u sektoru dostave hrane i namirnica

Uber Eats nije prvi koji uvodi AI alate u segmentu naručivanja. Instacart je 2023. lansirao pretraživanje i preporuke bazirane na modelu razvijenom u suradnji s OpenAI, s ciljem ubrzavanja i personalizacije kupovine. DoorDash je testirao vlastiti chatbot nazvan DashAI, fokusiran na olakšavanje procesa naručivanja. Tokom 2025. obje platforme su dodatno istraživale integraciju sa modelima jezika, pa je i Uber ranije omogućio korisnicima da pregledavaju restorane i menije kroz ekosistem modela jezika te dovrše kupovinu u aplikaciji.

Ova utrka naglašava kako su osnovne barijere ulaska u AI-om vođene personalizacijom i korisničkim iskustvom, ali i pristupom podacima trgovina i efikasnošću mape artikala. Svaka platforma nastoji smanjiti trenje između ideje o kupovini i same kupovine, a ChatGPT i slični modeli služe kao temeljna infrastruktura za razumijevanje prirodnog jezika i kontekstualno mapiranje zahtjeva na proizvode.

Poslovne i monetizacijske prilike za Uber Eats

Cart Assistant može otvoriti više izvora prihoda. Prvo, ubrzanje procesa kupovine može povećati frekvenciju transakcija i učestalost narudžbi, posebno za namirnice koje su ponavljajuća potrošnja. Drugo, personalizacija i preporuke daju prostor za promotivne taktike koje ciljaju specifične potrošače; trgovci i brendovi mogu platiti za isticanje u prijedlozima ili za preporuke s boljim maržama. Treće, poboljšana analitika o preferencijama korisnika omogućava bolje targetirane kampanje i optimizaciju zaliha kod partnera.

Za trgovce koji koriste Uber Eats kao kanal prodaje, Cart Assistant može povećati vidljivost proizvoda i obim transakcija, ali donosi i zahtjeve za usklađivanjem kataloga i nadogradnjom podataka o artiklima. Trgovine koje preciznije i redovnije unose informacije o zalihama, slikama i opisima dobit će prednost u pravilnom mapiranju stavki iz lista korisnika.

Posljedice za trgovce i upravljanje katalogom proizvoda

Operatori trgovina morat će razmisliti o standardizaciji opisa proizvoda, kvalitetnim slikama i preciznim informacijama o brendovima i pakiranjima. AI asistent će optimalno raditi ukoliko katalog odgovara realnim artiklima na policama. Upitna je kvaliteta mapa kod trgovina s ograničenim inventarom ili nepreciznim unosom artikala, što će rezultirati većim stopama zamjene proizvoda ili odustajanja korisnika.

Postoji mogućnost da trgovine uđu u dinamičnu borbu za isticanje u prijedlozima, plaćanjem za bolje pozicioniranje ili kroz promocije na platformi. Time se povećava važnost upravljanja operativnim procesima i napredne analitike za predviđanje potražnje uz suradnju s platformom.

Utjecaj na dostavljače, radnu snagu i logistiku

Automatizacija procesa odabira stavki prvenstveno utiče na kupca i trgovinu, ali sekundarni utjecaj osjeća se i u logistici. Brže slaganje korpi i jasnija očekivanja prije preuzimanja narudžbe smanjuju vrijeme obrade za radnike u trgovini ili lične kupce (shopper-e). To može poboljšati efikasnost i smanjiti broj grešaka prilikom preuzimanja artikala. Međutim, povećana automatizacija i optimizacija može dovesti do agresivnijeg tempiranja narudžbi, što povećava pritisak na dostavljače da isporuče u kraćem vremenu.

S druge strane, ako Cart Assistant poveća obim narudžbi, to može generisati dodatne prihode za dostavljače. Ključno pitanje bit će kako platforma uravnotežuje brzinu isporuke i profitabilnost, te hoće li promjene dovesti do većeg oslanjanja na gig-radnike bez adekvatnih beneficija.

Tehnička ograničenja i mogući izvori pogrešaka

AI sistemi koji mapiraju naturalne ulaze na strukturirane artikle suočavaju se s nekoliko kategorija izazova. Prepoznavanje rukopisa i rukovanje lošim fotografijama može dovesti do pogrešnih interpretacija. Semantičke dvosmislenosti u listama i receptima zahtijevaju dodatne upite korisniku ili sofisticirane heuristike. Također, dostupnost i točnost kataloga trgovina varira, što može rezultirati situacijama u kojima Cart Assistant uopće ne može pronaći adekvatnu zamjenu.

Greške u preporukama mogu biti frustrirajuće: zamjena brenda bez korisnikove potvrde, dodavanje nepotrebnih artikala ili preskakanje važnih stavki u receptu. Sve to zahtijeva transparentan protokol interakcije i lako dostupne opcije za ispravljanje. U beti fazi, povratne informacije korisnika i monitoring performansi bit će ključne za iteraciju.

Privatnost podataka i sigurnosni rizici

Cart Assistant oslanja se na historiju narudžbi i informacije iz korisničkih profila kako bi personalizirao prijedloge. To implicira pohranu i procesiranje osjetljivih podataka o prehrambenim navikama, zdravstvenim preferencijama (npr. bezglutenska dijeta) i učestalosti kupovine. Treba jasno razgraničiti koja se vrsta podataka koristi lokalno u uređaju, a koja se obrađuje u cloudu. Transparentnost prema korisnicima o načinu obrade podataka, razlozima za njihovu upotrebu i mogućnostima isključenja personalizacije bit će presudne za očuvanje povjerenja.

Osim toga, postoji rizik od curenja podataka kroz integracije s trećim stranama, pogrešno upravljanje pristupom ili greške u modelima koje otkrivaju više informacija nego što je potrebno. Regulatorni zahtjevi u različitim jurisdikcijama dodatno kompliciraju upravljanje takvim podacima, posebno kada je riječ o profiliranju i automatskim odlukama koje utiču na ponude i cijene.

Ekonomski utjecaj na tržište i konkurenciju među platformama

Uvođenje Cart Assistant-a može promijeniti konkurentski pejzaž. Platforme koje uspješno smanje trenje u kupovini stječu prednost u zadržavanju korisnika. Manji broj koraka i brže dovršavanje kupovine povećavaju zadovoljstvo i vjerojatnost povratka. Kao odgovor, konkurenti će dodatno investirati u AI, integracije sa sistemima trgovaca i optimizaciju kataloga proizvoda.

Ovakav tehnološki razvoj također može povećati pritisak na tradicionalne lance snabdijevanja. Trgovački lanci koji ne uspostave efikasnu digitalnu prisutnost i integraciju sa delivery platformama mogli bi izgubiti udio na tržištu. S druge strane, Manji lokalni trgovci mogu dobiti pristup većem broju kupaca putem platformi koje olakšavaju njihovu digitalizaciju.

Korištenje Cart Assistant-a u kontekstu recepta i planiranja obroka

Mogućnost da sistem prepozna sastojke iz recepta i automatski ih doda u korpu predstavlja promjenu paradigme za planiranje obroka. Umjesto ručnog pretraživanja i transkripcije sastojaka, korisnici mogu uploadati recepte i dobiti kompletan popis s opcijama za zamjenu sastojaka. Ovo olakšava logistiku pripreme obroka i može povećati kupovinu većih, kompleksnijih narudžbi.

Međutim, recepti često sadrže neprecizne stavke, opcione sastojke ili fraze poput „po ukusu“, što zahtijeva da sistem donese prosudbe ili traži pojašnjenja. U tim slučajevima, korisničko sučelje mora olakšati jednostavne izmjene i ponuditi jasne preporuke kako bi krajnji rezultat odgovarao očekivanjima.

Praktični savjeti za korisnike i trgovce tokom beta faze

Korisnicima se savjetuje da prilikom prve upotrebe Cart Assistant-a provjere predložene zamjene i vrijednosti, osobito ako se radi o artiklima koji su predmet alergija ili posebnih prehrambenih potreba. Učitavanje jasnih fotografija i korištenje preciznih naziva u tekstualnim listama smanjuje mogućnost pogrešaka.

Trgovcima se preporučuje redovno ažuriranje kataloga, uključujući opise, SKU oznake i slike, kako bi AI mogao točno mapirati stavke. Implementacija jasnog protokola za obavještavanje korisnika o rezervnim opcijama i zamjenama smanjuje broj povrata i reklamacija.

Etička razmatranja i regulatorna pitanja

Korištenje AI za automatizaciju kupovine otvara etička pitanja: da li i u kojoj mjeri algoritam favorizuje određene brendove? Postoje li potencijalni sukobi interesa ako platforma naplaćuje istaknute pozicije u preporukama? Transparentnost algoritamskih kriterija i jasno označavanje sponzoriranih prijedloga ključno je za pošten tržišni natjecateljski ambijent.

Regulatorne implikacije tiču se i zaštite potrošača i privatnosti. U nekim jurisdikcijama stroge odredbe o profiliranju i automatiziranim odlukama zahtijevaju dodatne mehanizme informiranja i davanja mogućnosti prigovora. Platforme će morati pokazati kako štite podatke i kakve su posljedice automatiziranih preporuka za krajnjeg korisnika.

Mogućnosti budućeg razvoja i integracije

Cart Assistant je tek početak niza mogućih poboljšanja. Budući razvoj može uključivati bolje razumijevanje recepta kroz semantičku ekstrakciju količina i alternativnih sastojaka, personalizirane planove obroka, predviđanje zaliha za nabavku tjednih namirnica te dublju integraciju s alatima za upravljanje kućnim budžetom. Dalje, integracija s glasovnim sučeljima i pametnim kućnim uređajima može omogućiti naručivanje putem glasovnih naredbi tokom kuhinjskih aktivnosti.

S tehničke strane, model bi mogao koristiti fuziju podataka iz više izvora — povijest kupovine, sezonski trendovi i lokalne promocije — kako bi poboljšao tačnost i koristio dinamične ponude u realnom vremenu. Suradnja s proizvođačima za bolju digitalnu reprezentaciju proizvoda također može poboljšati iskustvo.

Metrike uspjeha i kako pratiti efekt Cart Assistant-a

Ključne metrike koje će odrediti uspjeh Cart Assistant-a uključuju stopu konverzije od prijedloga do kupovine, vrijeme od inicijalnog unosa liste do završetka plaćanja, stopu izostavljenih ili zamijenjenih stavki i zadovoljstvo korisnika kroz ocjene i povratne informacije. Dodatno, važno je pratiti ekonomsku vrijednost po korisniku, prosječnu vrijednost korpe i učestalost ponovnih narudžbi.

Za trgovce i platforme, metrički fokus trebao bi uključivati točnost mapiranja artikala, broj narudžbi koje zahtijevaju intervenciju osoblja i utjecaj na troškove obrade. Transparentna analiza tih podataka omogućava iterativne promjene u modelu i poslovnim pravilima.

Scenariji rizika i moguće negativne posljedice

Rizici uključuju pogrešne preporuke koje mogu dovesti do zdravstvenih problema (npr. alergije), gubitak povjerenja korisnika zbog pogrešaka ili neadekvatne privatnosti, te potencijalno tržišno posljedicno smanjenje izbora zbog favoriziranja određenih brendova. Postoji i mogućnost povećanja ovisnosti o platformama koje kontrolišu pristup potrošačima, što može otežati manjim trgovcima konkurenciju bez ulaganja u digitalnu infrastrukturu.

Sustav također može povisiti barijere za ulazak novim igračima na tržište ili potaknuti koncentraciju tržišnog udjela kod nekoliko dominirajućih platformi, što ima šire antitrust implikacije.

Procjena šireg utjecaja na navike potrošnje

Automatizacija listi za kupovinu i mogućnost brzog konvertiranja ideje o obroku u narudžbu mijenja način planiranja kućnih troškova. Ljudi koji su navikli na spontanost mogu iskusiti veće olakšanje, dok će oni koji preferiraju promišljeno istraživanje ponuda možda izgubiti osjećaj kontrole. Dugoročno, takve promjene mogu dovesti do homogenizacije potrošnje, ali i do novih navika koje kombinuju personalizaciju i praktičnost kao standard.

Preporuke za kreatore politike i regulatore

Regulatori bi trebali pratiti kako platforme koriste personalizacijske algoritme i da li postoji praksа koja ograničava konkurenciju ili dovodi do nepravednog favoriziranja sponzoriranih proizvoda. Propisi o informisanju korisnika i mogućnostima isključenja profiliranja trebaju biti jasno definirani. Također, moraju postojati smjernice o odgovornosti u slučajevima kada preporuke AI sistema imaju zdravstvene posljedice ili vode do značajne ekonomske štete potrošača.

Zaključne procjene i šta očekivati u narednim mjesecima

Cart Assistant predstavlja logičan korak u evoluciji online kupovine namirnica, kombinujući OCR sposobnosti, semantičko razumijevanje i personalizaciju kroz historiju narudžbi. U kratkom roku, očekuje se poboljšanje brzine kupovine i veća angažovanost korisnika koji žele jednostavniji tok od ideje do checkouta. U srednjem roku, konkurencija će pojačati ulaganja u slične funkcije, što će pomjeriti industriju prema većoj automatizaciji i personalizaciji.

Međutim, stvarni utjecaj zavisi od tačnosti modela, transparentnosti u upravljanju podacima i načina na koji platforme uravnoteže interese korisnika, trgovaca i oglašivača. Beta faza će pružiti ključne povratne informacije, a naredne iteracije morat će se fokusirati na smanjenje grešaka i povećanje kontrole korisnika nad personalizacijom.

Česta pitanja:

Pitanje: Šta je Cart Assistant i kako ga aktiviram u Uber Eats aplikaciji? Odgovor: Cart Assistant je AI alat unutar Uber Eats aplikacije koji automatski popunjava korpu za namirnice na osnovu unosa liste ili fotografije. Aktivira se tako što u aplikaciji pretražite željenu trgovinu i pritisnete ljubičastu ikonu Cart Assistant na stranici trgovine.

Pitanje: Može li Cart Assistant prepoznati rukopisane liste i recepte sa screenshotova? Odgovor: Da, alat koristi OCR i semantičko razumijevanje kako bi pročitao rukopisane liste i screenshote recepata i zatim mapirao stavke na proizvode dostupne u odabranoj trgovini, iako kvaliteta rezultata može varirati s obzirom na čitljivost i preciznost unosa.

Pitanje: Kako Cart Assistant personalizira prijedloge proizvoda? Odgovor: Sistem koristi historiju vaših prethodnih narudžbi kako bi prioritetizovao proizvode koje ste ranije kupovali, što znači da će češće predlagati brendove i artikle koje ste već koristili.

Pitanje: Šta ako AI pogrešno interpretira stavku ili doda neželjeni proizvod? Odgovor: Korisnik ima mogućnost da pregleda i prilagodi korpu prije plaćanja: može zamijeniti artikle, promijeniti količine ili ukloniti stavke. Povratne informacije iz takvih slučajeva pomažu platformi da poboljša tačnost.

Pitanje: Da li Uber Eats dijeli moje podatke s trećim stranama radi personalizacije? Odgovor: Konkretni detalji o dijeljenju podataka zavise od privatnosne politike Uber Eats-a i postavki korisnika. Generalno, personalizacija se temelji na internim podacima o narudžbama, ali integracije i poslovni partneri mogu zahtijevati dodatne podatke uz odgovarajuće sporazume.

Pitanje: Hoće li Cart Assistant uticati na cijene ili konkurenciju među brendovima? Odgovor: Funkcija sama po sebi ne mijenja cijene, ali isticanje određenih preporuka može uticati na vidljivost brendova. Trgovci i brendovi mogu tražiti veće izlaganje kroz promocije, što dugoročno može utjecati na konkurenciju i dinamiku tržišta.

Pitanje: Kako Cart Assistant utiče na trgovce i njihov katalog artikala? Odgovor: Trgovci koji redovno ažuriraju katalog s tačnim opisima, slikama i informacijama o zalihama imaju veću vjerojatnost da će njihove stavke biti precizno mapirane. To zahtijeva dodatne operativne napore kako bi se postigla bolja usklađenost s digitalnom platformom.

Pitanje: Mogu li isključiti personalizaciju baziranu na prethodnim narudžbama? Odgovor: Većina platformi nudi određene opcije privatnosti i postavke za personalizaciju, ali dostupnost i opseg tih opcija variraju. Provjerite postavke privatnosti u aplikaciji Uber Eats kako biste upravljali personalizacijom.

Pitanje: Postoje li rizici za sigurnost i privatnost pri korištenju Cart Assistant-a? Odgovor: Kao i kod svakog alata koji koristi podatke o navikama potrošnje, postoje potencijalni rizici vezani za pohranu i obradu podataka. Transparentne politike privatnosti, sigurnosni protokoli i mogućnosti korisničkog upravljanja podacima ključni su elementi za smanjenje tih rizika.

Pitanje: Hoće li Cart Assistant zamijeniti rad ljudi koji prate narudžbe u trgovinama? Odgovor: Cart Assistant olakšava proces kreiranja korpe, ali stvarno skupljanje artikala i logistika još uvijek zahtijevaju ljudsku intervenciju u mnogim slučajevima. Tehnologija može smanjiti broj pogrešaka i vrijeme obrade, ali ne uklanja potrebu za osobljem koji upravlja fizičkim zalihama i dostavom.

Pitanje: Kako će Cart Assistant utjecati na dostavljače i brzinu isporuke? Odgovor: Ako alat poveća volumen narudžbi i ubrza obradu, može doći do većeg opterećenja dostavljača, ali isto tako može smanjiti vrijeme čekanja u trgovini i povećati efikasnost. Ravnoteža između broja narudžbi i kapaciteta dostave ključna je za održavanje kvaliteta usluge.

Pitanje: Koje metrike treba pratiti da bi se ocijenio uspjeh Cart Assistant-a? Odgovor: Vrijedno pratiti stope konverzije prijedloga u kupovinu, vrijeme od unosa liste do checkouta, preciznost mapiranja artikala, prosječnu vrijednost korpe i korisničko zadovoljstvo kroz povratne informacije i ocjene.

Pitanje: Šta očekivati u budućim verzijama Cart Assistant-a? Odgovor: Moguće nadogradnje uključuju bolje razumijevanje recepata, dublju integraciju s alatima za planiranje obroka, glasovne naredbe, unaprijeđene modele za prepoznavanje rukopisa i sofisticiranije personalizacijske mehanizme.

Pitanje: Kako se Cart Assistant uspoređuje s AI alatima drugih platformi? Odgovor: Koncept je sličan alatima koje su ranije predstavili konkurenti, ali razlika će ležati u kvaliteti kataloga, preciznosti mapiranja i integraciji s postojećim korisničkim iskustvom. Platforme koje bolje usklade kataloge i korisničke podatke dobit će prednost.

Pitanje: Koje su ključne preporuke za korisnike koji žele probati Cart Assistant u beti? Odgovor: Prilikom početne upotrebe provjerite predložene stavke i zamjene, koristite jasne fotografije ili precizne tekstualne unose te dajte povratne informacije kada naiđete na pogreške kako bi platforma poboljšala tačnost sustava.