CASE PROJECT
Kavak
Kavak 企业 AI 改造的公司背景、实施经历、结果、问题与证据。
Kavak AI 改造方法与实施步骤
核心转变：从 Copilot 到 Agent
Kavak 最初为员工开发 Copilot，希望 AI 帮助约 3,500 名员工提高效率，但实际采用效果不理想。问题不只是模型能力，而是原有流程仍由人负责，AI 变成员工需要额外操作的工具。
随后公司改为 Agent-first：让 AI Agent 直接负责完整流程和业务结果，人类主要处理例外、复杂判断与尚未覆盖的边缘案例。
可还原的实施步骤
1. 建立数据与业务语义基础
在应用生成式 AI 之前，Kavak 已长期连接库存、车辆、客户、贷款、检测、整备、交付及售后系统。Agent 能否行动，取决于它能否理解这些对象之间的关系，并安全调用业务工具。
2. 选择一条清晰的业务漏斗
优先选择交易量大、结果可测、人工流程已有数据的环节，例如客户首次咨询、预约验车、贷款资料收集或售后通知。
3. 建立人工基线
记录当前优秀员工在该流程上的关键指标：
- 转化率；
- NPS／客户满意度；
- 响应时间；
- 完成率；
- 人工成本；
- 错误与升级人工比例。
4. 让 Agent 端到端接管
Agent 不只回答问题，还需要能够检索库存、读取客户历史、安排预约、解释融资方案、执行电话、写回业务系统并触发下一步工作。
5. 接受短期指标下降
Kavak CEO 表示，转型期间部分功能曾有约一年表现低于人工，公司整体增长一度趋平。他们没有立即退回旧流程，而是逐个漏斗持续改进。
6. 建立评估驱动的迭代闭环
流程大致为：
客户语音／文字对话 → 全量分析 → 识别失败和情绪 → 新增评估规则 → 调整话术、性格与工具 → 小范围上线 → 对比转化率和 NPS → 优胜版本进入生产。
过去每天只能人工抽查少量对话；改造后，公司称可以分析全部客户对话。
7. 达到人工基线后复制
当 Agent 达到或超过人工表现后，不在单点上无限优化，而是把基础设施和经验复制到下一条漏斗。
已公开覆盖的场景
- 网站和 WhatsApp 获客；
- 沉默客户重新激活；
- 意图识别：买车、卖车或置换；
- 车辆发现与个性化推荐；
- 销售电话与咨询；
- 预约检测和到店；
- 融资申请、资料与参考人电话；
- 主动售后进度通知；
- 整备中心反馈；
- 客户痛点提炼与产品路线图；
- 需求预测、动态定价与库存配置。
技术与产品原则
- 端到端所有权：Agent 对结果负责，而非只给建议。
- 工具调用：必须与库存、CRM、贷款和预约系统连接。
- 上下文连续：不同渠道与 Agent 之间传递完整客户历史。
- 快速可调：能快速调整声音、延迟、语速、情绪、主动程度和工具参数。
- 人工兜底：将异常、低置信度和高风险操作升级给人。
- 为未来模型设计：优先建设长期基础设施，避免为某一代模型做过度的局部优化。
风险与待验证问题
- 公司和供应商公布的数据可能带有营销选择偏差；
- 金融场景中 AI 是否参与最终授信，公开资料没有完整说明；
- 自动化错误可能跨越多个系统放大；
- 应持续监控投诉率、误导率、工具调用失败和人工升级质量；
- AI 效率提升应与裁员、市场收缩和传统运营优化分开衡量。
关键资料
Kavak AI 转型研究
更新日期：2026-08-19 说明：此前口述中的“Cavok”按上下文统一为墨西哥二手车平台 Kavak。
导航
一句话结论
Kavak 正在进行的不是简单的“AI 客服升级”，而是把二手车交易的获客、销售、融资、检测、交付和售后逐条改造成由 AI Agent 端到端执行、人类处理例外的运营系统。
核心判断
- 转型深度较高：公开资料称 AI Agent 已介入约 90%–95% 的客户互动。
- 从 Copilot 转向 Agent：早期给员工配 Copilot 的采用效果不理想，随后改为让 Agent 直接承担流程结果。
- 逐条漏斗推进：一次改造一个业务漏斗，先承受指标下降，再迭代至人工基线并超过基线，然后复制到下一流程。
- 反馈闭环是关键能力：对全部语音和文字对话进行分析，把真实失败案例转化为评估规则与下一轮迭代。
- 仍需谨慎验证：交易增长、库存周转和盈利数据主要来自公司、投资方和供应商自报，AI 的独立贡献尚无充分审计。
主要公开数据
- 2025 年交易量：接近 120,000 笔，同比增长约 40%。
- 库存周转：公司称比上一年快约 60%。
- 2025 年 12 月：首次实现全球合并口径单月盈利。
- 2026 年 2 月：完成 3 亿美元 Series F，a16z 领投。
标签
Kavak 公司概览与近况
公司是什么
Kavak 是一家 2016 年起源于墨西哥的二手车科技与零售公司。它并非只做买卖双方撮合，而是自己收车、检测、整备、定价和出售，并向客户提供贷款、质保、保险及售后服务。
可以粗略类比为“拉美版 Carvana／瓜子二手车”，但其纵向一体化程度更高，因而也是库存、整备、物流和金融风险都很重的经营模式。
发展阶段
- 2016 年：在墨西哥成立。
- 2020 年：成为墨西哥首家独角兽公司之一。
- 2021 年：完成 7 亿美元 Series E，估值约 87 亿美元。
- 2025 年：新一轮融资时估值约 22 亿美元，较高峰明显下降。
- 2026 年 2 月：完成 3 亿美元 Series F，由 Andreessen Horowitz（a16z）领投。
业务构成
Kavak 实际上把多种能力组合在同一平台下：
- 二手车电商与线下交易网点。
- 车辆检测、整备、仓储和物流。
- 车辆定价、库存配置和需求预测。
- 汽车贷款与相关金融服务。
- 质保、维修、保险和售后服务。
- 面向经销商、车队、银行和保险机构的平台能力。
2025—2026 年公开经营信息
根据公司公开材料：
- 2025 年完成接近 12 万笔交易，同比增长约 40%。
- 库存周转速度较 2024 年提升约 60%。
- 2025 年 12 月首次实现全球合并口径单月盈利。
- 金融业务进入 2026 年时的客户贷款年化投放约 6 亿美元。
- 超过 5,000 个合作伙伴使用其库存、物流、检测、整备及金融能力。
以上数据主要来自公司及投资方披露，不能等同于独立审计结果。
战略评价
Kavak 的核心挑战不是做出一个更好看的卖车网站，而是用数据和自动化降低每笔二手车交易的运营成本、库存风险和欺诈风险。它的 AI 转型是否真正成功，最终要看：
- 盈利能否连续维持，而不是只有单月盈利；
- 库存与坏账风险是否保持可控；
- AI 提升能否在不同国家复制；
- 效率改善中有多少来自 AI，而非市场收缩和传统流程优化。
资料来源
Kavak 采访与报道中文摘要
本笔记提供中文要点翻译与摘要，并保留原始链接。它不是原文逐字转载；需要引用具体措辞时，请返回原文核对。
1. a16z 对 CEO 的访谈：从 Copilot 到 Agent
原文： From Copilots to Agents: Rebuilding the Company Around AI
时间： 2026-02-18
参与者： Kavak 创始人兼 CEO Carlos García Ottati；a16z 的 Angela Strange、Gabriel Vasquez。
中文摘要
Kavak 在拉美经营二手车平台时，发现仅做线上撮合无法解决交易信任、融资、支付、物流和车辆质量问题，因此逐步在平台下面建设了电商、整备与质保、金融、物流等多套能力。
公司早期曾给约 3,500 名员工开发 AI Copilot，但员工使用情况并不理想。管理层认为，如果人仍然处在每一步的中心，Copilot 往往只是增加一个界面和决策负担。因此，Kavak 转向让 Agent 对完整流程负责，人类负责异常情况。
转型不是一次性上线。公司逐个业务漏斗部署 Agent：上线后指标可能先低于人工；团队持续根据生产数据迭代，直到达到人工基线并超过基线，再转向下一个漏斗。CEO 表示，这个过渡期并非几周，而曾持续约一年，公司增长一度趋平。
访谈称，现在约 90%–95% 的用户互动都有 AI Agent 参与。其长期设想是：实体车辆仍需人处理，但大量信息、协调、分析和客户沟通可以交给 Agent。
可借鉴之处
- 不以“员工是否使用 AI 工具”为最终目标，而以流程结果为目标；
- 将短期性能下降纳入转型预算；
- 一次改造一条业务漏斗；
- 让人类专注于例外而不是每一次正常交易；
- 建设可适应下一代模型的基础设施。
可信度提示
这是投资方对被投企业 CEO 的访谈，战略细节有价值，但商业效果数字可能存在选择性披露。
2. Vapi 案例：语音 Agent 如何落地
原文： Kavak's car sales and NPS skyrockets with Vapi
中文摘要
Kavak 在快速扩张后无法继续向所有客户提供高接触式服务。销售团队只能按照转化概率分配注意力，一些潜在客户没有得到服务；体验团队每天也只能人工抽查少量电话，对整体情况缺乏可见性。
Kavak 已有文本 Agent，但在拉美的大额汽车交易中，客户更希望通过电话表达需求并建立信任。因此，团队使用 Vapi 建立语音 Agent，并反复调整声音、延迟、语速、情绪、主动程度、人格和工具调用。
语音 Agent 被放入客户旅程的多个环节：
- 首次联系和销售电话；
- 预约车辆检测；
- 融资流程和授信参考人电话；
- 每日主动售后更新；
- 整备中心信息反馈。
其迭代机制是让业务团队快速增加评估项，使用真实客户情绪和通话结果衡量版本，再把表现好的配置推入生产。Vapi 案例称，公司从每天抽查约 10–30 段对话提升到分析全部对话。
供应商公布的结果包括：收入增长 200%、NPS 提高约 20 个百分点、转化率提高 30%、服务客户数量翻倍，并在墨西哥实现盈利。
可信度提示
上述数字来自供应商客户案例，适合了解实施方式，但不能视为独立验证，也无法确认全部改善均由 Vapi 或 AI 导致。
3. WhatsApp Business 案例：把 Agent 前移到首次兴趣
原文： Kavak | WhatsApp for Business
中文摘要
Kavak 过去的 Agent 往往要等客户申请贷款、预约看车或采取其他明确行动后才开始工作，大量网站访客没有进入对话流程。
新流程将 Agent 前移：
- 通过 WhatsApp 营销消息重新激活沉默客户，或让广告直接进入 WhatsApp 对话；
- Agent 根据客户浏览过的车辆、融资步骤和历史售车记录生成个性化回复；
- 判断客户是准备买车、卖车还是置换；
- 将完整对话、偏好及已回答问题交给 Kavak 自有 Agent；
- 后续 Agent 继续完成车辆发现、融资解释和预约，必要时交给人工团队。
一个月测试中，Kavak 自报约三分之一从广告进入对话的客户成为合格线索；点击进入 WhatsApp 的广告，其线索捕获效率高于单纯外呼营销。
可信度提示
Meta 明确说明结果由客户自行报告，不能保证其他企业重复取得同样效果。
4. a16z 投资说明：AI 覆盖整个价值链
中文摘要
a16z 将 Kavak 描述为围绕 AI 重新设计运营的复杂实体业务。二手车交易涵盖需求预测、定价、检测、整备、仓储、营销、贷款审核、交付和售后，每个环节的小幅提升叠加后可能构成竞争优势。
文章称，Kavak 的 Agent 已经可以依据预测需求给车辆定价，并能与汽车抵押贷款客户沟通条件；公司把 AI 视为运营基础层，而不是单独的功能模块。
投资方认为，Kavak 的长期优势来自“实体能力加 AI”：车辆、整备中心和交付网络连接现实世界，Agent 负责大量判断、沟通和协调，使交易规模不必与人员数量同步增长。
可信度提示
这是 a16z 宣布投资时发布的投资论证，立场天然乐观，适合了解投资逻辑，不应当作中立评价。
5. Kavak CEO 2025 年总结信
原文： Closing 2025 strong. Starting 2026 even stronger
中文摘要
CEO 表示，2025 年公司强化了数据、基础设施、定价模型、选品策略和客户理解。AI 被用于从客户说了什么、做了什么中提取真实痛点，并据此安排产品路线图和个性化沟通。
公司披露 2025 年接近 12 万笔交易、同比增长约 40%，库存周转约快 60%，并在 12 月首次实现全球合并口径单月盈利。金融部门累计向用户提供超过 10 亿美元融资，进入 2026 年时年化贷款投放约 6 亿美元。
CEO 强调自动化的官方目标是提高每名员工的杠杆，而不是简单削减团队。不过公开材料没有给出人员变化、成本结构或 AI 贡献拆分。
6. 2026 年融资公告
原文： Kavak announces USD$300 Million Series F
中文摘要
Kavak 宣布完成 3 亿美元 Series F，其中 a16z Growth 投资 2 亿美元。资金计划用于强化资产负债表、扩大融资能力和金融科技产品、发展资本市场能力，并继续投资技术、AI、运营效率和合作伙伴生态。
这轮融资说明资本市场仍愿意支持其 AI 驱动的运营重构，但融资成功本身并不能证明转型已经产生稳定利润。
综合判断
这些材料共同勾勒出一条较清晰的转型路线：
数据与业务系统连接 → Copilot 试验 → 转向 Agent-first → 逐条漏斗接管 → 全量对话评估 → 快速迭代 → 跨渠道上下文连续 → 扩展至定价、融资和运营。
最值得继续追踪的指标不是“Agent 数量”，而是连续盈利、库存周转、贷款损失、投诉率、人工升级率、每笔交易成本以及不同国家的复制效果。