一家二手车公司，把"公司"这个词重新定义了一遍

企业做AI转型，最容易在第一步就栽跟头。最常见的动作是：给员工发一个AI账号，让大家"用起来"；或者办一场黑客松，收一堆用例，挑几个赞助。做完这些，公司还是那家公司，流程还是那些流程，客户的问题一个没少。

问题不在AI，在于一个被反复忽略的事实——把新工具塞进旧组织，从来不会带来真正的改变。历史上已经演过一遍了。

福特早就给过答案

19世纪末，电力开始商业化。当时工厂"采用"电力的方式，是把蒸汽机拆下来，换成电动机。厂房还是四层楼，皮带和传动轴一样不少。这么做的结果，是效率提升了大约6%。

真正让效率翻倍的，是另一批人。他们干脆推倒了那栋楼，在平地上建一座单层厂房，围绕小型发电机重新设计整条产线。这一下，效率提升了3倍。这3倍，驱动了美国整个20世纪的生产力。

福特流水线需要的所有技术，其实在1879年到1881年就全部出现了。换句话说，从技术上讲，1881年就能建出福特的工厂。但人们花了很久才明白：换发动机是"采用"，推倒重来才是"转型"。

同样的故事，今天正在AI上重演。人们想"采用"AI，却不愿意重新设计公司。只做表面采用，给你6%或10%的改进，不会给你10倍。

拉美最大的二手车平台Kavak，是少数选择"推倒重来"的公司之一。它的首席产品与AI官Alejandro Maza Ayala，在2026年8月的一期a16z播客里，完整讲了一遍这家公司过去三年是怎么做的。

先想清楚终点，再倒推现在

Kavak做的事不复杂：买车、翻新、卖车、做车贷。但拉美没有成熟的汽车交易基础设施，它被迫把检验、物流、金融、保险全部自己做。这带来一个意外的好处——没有一个环节外包，所有数据都攥在自己手里。

Alejandro加入后，没有急着上AI，而是先问了一个问题：2035年的Kavak应该长什么样？

这个问题看似空泛，其实是整个转型的起点。多数公司做AI，是从"现在有什么问题"出发，往现有流程里塞工具。Kavak反过来，先定义终点，再从现在开始建那个版本。这意味着组织结构、团队配置、工作方式，全部要重新设计，而不是在旧框架上打补丁。

这个思路落到技术架构上，产生了一个很反直觉的决定。

市面上大多数Agent方案，是围绕"任务"设计的：客户来了，销售Agent推荐车，贷款Agent办贷款，保险Agent出保单，交易Agent收尾，任务结束，Agent散场。Kavak一开始也这么做，后来发现不对劲——为什么一定要按任务拆Agent？如果模型足够强，一个Agent完全可以陪一个客户走完整个生命周期。

于是他们把原来的多Agent架构基本推翻，改成"一个客户一个Agent"。客户一进系统，就生成一个专属Agent，配一台独立虚拟机。这个Agent记得这个客户的一切——两年前打过的电话、看过的车、聊过的天、申请过的贷款，全在同一个上下文里。

它不是一个客服机器人，更像一个永远认识你的私人顾问。而且它有长期目标：最大化这个客户的终身价值。

一个客户这次只是进来看车，Agent不会急着催他下单。它会结合他的预算和需求，先推几款合适的车型和融资方案；过一阵子再根据他的行为变化重新触达；发现他有旧车要处理，就主动提置换；贷款有困难，就调整方案。哪怕这次没买，Agent也不会结束，而是持续跟踪，几个月后再找合适的时机激活他。

它管的不是一次交易，是一段关系。这也是Kavak从"交易型公司"变成"关系型公司"的实质。

最难的不是造Agent，是敢不敢让它进业务

把Agent做出来，只是第一步。真正卡住大多数企业的，是敢不敢让Agent直接碰真实业务。

Alejandro给了一个很明确的经验法则：Kavak在评估上投入的工程师时间、算力和资金，和建Agent本身差不多。

这句话的分量，很多企业没听懂。评估不是Agent上线后的"质检"，而是和开发同等重要的基础设施。只有先把评估体系搭好，企业才敢放开手脚让Agent进生产环境。

而且，Kavak盯的不是那些好量化、却未必代表价值的指标。通话时长、对话轮次，这些"表面KPI"只能提供过程信息。真正该问的是：客户最后买车了吗？贷款批了吗？还会回来吗？

评估的核心，必须回到业务结果。

这套方法让Kavak敢把Agent放到最难的地方——卖车。卖一辆二手车，客户要在约2万种车型里挑，还要处理融资、保险、旧车置换，从动心到下单通常要三到四个月。过去这需要15个不同领域的专家接力，客户在不同团队之间来回切换。现在，一个Agent把这些能力整合到一个人身上，直接面对客户。

结果摆在那里：客户NPS提升了三倍；销售转化率最初就比人类团队高50%，如今达到2.1倍；过去要两个月以上的车贷审批，压缩到了3分钟以内。

有了这些真实业务结果的背书，Kavak才敢问下一个更激进的问题：如果Agent卖车比人强，那CEO能不能也交给AI？

让AI当CEO，让人当"副驾驶"

在墨西哥的库埃纳瓦卡，Kavak做了一场实验：把整座城市的业务交给一个AI Agent当CEO。

这个Agent不是看报表的，它像一个极度精细的管理者，盯住每一个数字、每一个客户，做预测，把每天的任务拆到一线员工头上。每天它给销售、检验员发当天的工作计划，员工做完用语音汇报，它再据此调整下一步。库存、周转、融资渗透率、客户满意度，全在它的管理范围里。

六周后，这座城市的利润涨了50%。最初的目标是翻倍，没做到，但1.5倍的结果，加上几乎所有核心指标的改善，已经足够让团队决定继续跑下去。

但CEO能交给AI，不代表所有岗位都能。Kavak在墨西哥有约800名机械师，车辆检测、维修、翻新，靠的是精细的肢体操作和感官判断，这些AI暂时替代不了。所以Kavak给机械师配的不是"替代者"，而是一个AI副驾驶，叫"El Mike"。

Alejandro用《料理鼠王》打比方：AI像躲在厨师帽子里的小老鼠，在背后指导人干活。El Mike告诉机械师怎么检测、实时提示、指导操作——AI负责知识和判断，人负责物理世界的执行。

结果同样直接：检测和维修更快、成本更低，翻新车的质量上去了，质保指标改善，客户满意度也涨了。

人反过来为Agent工作

Kavak的转型里，最反直觉的一点，是人和Agent的关系倒过来了。

传统想象里，是人用AI。在Kavak，是人为Agent工作。

Agent碰到自己处理不了的事，会通过API呼叫人类——"我需要帮助"。人做完之后，Agent把这件事记下来，学会了。每一次人工介入，都变成Agent的训练数据。人越帮，Agent越强。

为了让所有人适应这个新现实，Kavak建了一个内部培训项目，叫"绝地武士学院"。从CEO到财务到机械师，全员参加，六周内每个人都要把一个Agent从零训练到上线。Alejandro把话说得很直白：你可以选择学、跟上这个新现实，也可以选择离开，但这就是Kavak的方向。

组织结构的改变更剧烈。原来几千人的公司，现在Agent做了大部分工作。管理层级压得极扁，一个团队里同时有工程、AI、运营和一线——所有人要么在建Agent，要么帮Agent工作，要么在物理世界面对客户。

真正的问题，不是AI替代谁

回到开头那个判断：企业AI转型的失败，几乎都发生在第一步——把AI当工具塞进旧组织，而不是围绕AI重建组织。

Kavak这个案例值得琢磨的，不是它证明了AI能卖车、能当CEO，而是它展示了一种可能：当一家公司真的围绕AI重新设计自己，会发生什么。

一个客户一个Agent、人为Agent工作、评估成为管理系统、组织本身持续自我改进——这些都不是技术细节，而是对"公司"这个词的重新定义。

过去四千年，人类的经济价值是由"组织"而非"个人"交付的。所以真正该进入学习循环、该自我改进的，是那个能交付更多价值的组织本身。

真正值得关注的，已经不是AI会替代哪个岗位，而是AI会不会重新发明"公司"。

本文基于 a16z 播客《The Self-Improving Company: Inside Kavak's AI Transformation》整理，嘉宾为 Kavak 首席产品与AI官 Alejandro Maza Ayala。