这不是一篇「AI 工具怎么用」的教程，而是一家二手车公司如何把客户、组织和基础设施一起重写的案例。图中所有数字与判断，均来自本期对谈；原始单集可听本期原始音频。
先看懂这期
Alejandro Maza Ayala 是 Kavak 的首席产品与 AI 官。他的核心判断不是「给现有员工多装一个 AI 工具」，而是反过来问：如果用未来级别的智能从零开始建 Kavak，公司会长什么样？1
Kavak 把 Agent 的工作单位从「任务」改成「客户」：每位客户拥有一个带独立虚拟机、长期记忆和长期目标的 Agent。公司每天实例化约 10 万至 20 万个 Agent；96% 的客户互动、95% 的交易由 Agent 处理。1
按节目顺序整理
01｜从 Oppie Analytics 到 Kavak
Alejandro 在 2013 年创办机器学习公司 Oppie Analytics。当时还没有 Transformer，团队相信新一代机器学习模型终有一天能解决复杂问题。Oppie 后来服务了约 1,400—1,500 家企业，覆盖风控算法、物流、预测和营销。Transformer 与 ChatGPT 的出现，让他确信：变化的不只是模型能力，而是「建公司」本身的方式。
Kavak 最初是拉美二手车交易平台：买车、整备、销售和融资。因为拉美缺少成熟的车辆历史、金融科技和物流基础设施，Kavak 选择垂直整合，把支撑交易所需的基础设施一起建起来。Alejandro 的公开背景也可参见他的公开访谈。
02｜一位客户，一名 Agent
Kavak 问的不是「怎样把 AI 接入旧流程」，而是「如果用 2035 年、接近 GPT-10 级别的智能从零建公司，会怎样？」客户一进入系统，就会被分配一个专属 Agent 和虚拟机。
这个 Agent 会记住客户多年的互动，包括网页访问和几年前的通话；它会形成策略，设定最大化客户终身价值的长期目标，并在不同时间点推动客户完成买车、融资、保险等产品转化。做完当前任务后，它可以设定下一次唤醒时间，回到休眠。
03｜速度来自刹车：Evals
Alejandro 把评测（evals）比作汽车刹车：真正敢踩油门，前提是知道刹车可靠。Kavak 在构建 evals 上投入的工程师时间、Token 和资金，大致与构建 Agent 相当。
评测不该只看通话数量、通话分钟数等表面 KPI，而要看客户是否转化、贷款是否获批、车辆是否卖出、客户是否满意，以及过一段时间后是否愿意再次回来。一个 Agent 犯错并完成修正后，第二天其他约 20 万个 Agent 也能从这次错误中学习。
04｜先做销售 Agent，再处理整条购车链
Kavak 没有先做客服机器人，而是直接做销售 Agent。拉美买车涉及约 2 万个车型 SKU，还要同时处理融资、保险、旧车估价与购车建议。2020—2021 年，这条链路需要 15 个领域专家、15 个团队协作。
Kavak 的做法是：先让 Agent 分别超过每个领域的专家，再把这些能力合并成一个「超级专家」。它能记住客户历史、保持耐心、做长期规划，并在一次错误被修正后把经验传给下一轮 Agent。
在金融产品上，传统车贷审批通常需要两个月或更久；Kavak 通常能在三分钟内完成审批。由于掌握客户与车辆的纵向数据，Agent 还能在客户准备好时，个性化利率、风险判断和最高贷款额。1
05｜AI CEO：先管一座城
Kavak 在墨西哥 Cuernavaca 做了一个 AI CEO 实验。目标是第一个月让城市利润翻倍；运行六周后，实际达到 1.5 倍，也就是利润增加 50%。这个 Agent 会查看每个数字和每位客户，做预测、安排每天要执行的计划，并向线下员工发送任务，再要求他们用语音反馈。
06｜Agent 不必替代所有人
Kavak 在墨西哥约有 800 名机械师。机械维修需要灵巧度和感官判断，短期内很难被完全替代。因此公司为机械师做了一个名为 El Mike 的协作 Agent：它会指导如何检查车辆、给出提示，并在检修过程中协助判断。
结果是检查和维修更快、成本更低、交付车辆质量更高；车辆保修率下降约 20%—26%，客户满意度上升。这里的组织关系不是「Agent 取代人」，而是 Agent 让现场的人变得更强。1
07｜Jedi Academy：让全员学会构建
Kavak 训练所有人，从 CEO、AI 工程师、财务人员到机械师。六周后，普通员工也能把先进 Agent 推进生产环境。目的不是把每个人都变成 AI 工程师，而是让每个人知道如何与新技术协作。
组织因此变得更扁平、更资深、更有授权。有人为 Agent 构建技能，有人作为 Agent 的「人类 API」处理它无法完成的事情；有时 Agent 像老板一样给人类派计划，有时人类则设计 Agent。
08｜转型必须自上而下
Alejandro 认为，企业 AI 转型首先是组织问题，也是心理问题。仅靠员工自发采用，很难形成统一的品味、战略与优先级；领导者必须先采用、提出清晰愿景，并持续把组织往这个方向带。
其次要测量真正重要的东西。他把 Token ROI 分成三层：Tier 3 是直接执行组织工作的 Agent，可以把每个 Token 和业务结果对应起来；Tier 2 可以通过代码库变化等信号间接评估；Tier 1 只是员工自行使用 ChatGPT、Copilot 或代码工具，企业知道花了钱，却不知道组织得到了什么。
09｜为什么要销毁一个已经盈利的系统
Kavak 曾经用工作流、图和多 Agent 网格处理复杂业务，到去年 12 月已经有数千乃至数万个 Agent 在规模化运行。Opus 4.5 发布后，团队判断旧架构中的图、格子和固定护栏反而会限制更强模型的智能，于是把运行了两年、已经带来盈利和增长的架构全部推倒重来。
新基本单元变成：虚拟机、一个 Agent、记忆、evals、可访问全公司工具和 API 的 CLI，以及长期目标。公司每天实例化数十万这样的 Agent，让组织具备持续自我改进的可能。
10｜电力的教训：不要只换引擎
Alejandro 用电力类比 AI。旧工厂只把煤机换成电机，效率大约提升 6%；真正的生产率跃升来自推倒旧工厂、改成平面布局，并围绕电力重新设计生产系统，最终带来约 3 倍生产率提升。
对 AI 也一样：把 AI 塞进旧流程，可能只得到 6%—10% 的改善；围绕 AI 重画组织、产品和工作方式，才可能获得数量级的变化。给创业者的建议是：现在几乎每个人都能以极低成本获得强大的模型和工具，但不要只做加法，要想象 AI 持续变强后的世界，再把产品做深。
逐句全文翻译
以下按音轨顺序逐句译出，包含节目包装、转场和免责声明，不做摘要、删减或合并；对话保留说话人标签。音轨中有几处节目包装口播与识别不完整之处，按可辨识的原意保留。
开场片段
001｜Alejandro：我今天在 Token 上投入的钱，已经多于投入在知识工作者身上的钱。
002｜Alejandro：我们可以构建超越人类的 Agent。
003｜Alejandro：这意味着，在所有重要的维度上，我们的 Agent 都会胜过我们曾经雇用过的最优秀的人类。
004｜主持人：听到这里，最有野心的公司可能会决定跟进。你们的做法是为每位客户构建一个 Agent，对吗？
005｜Alejandro：对。每天都是如此。
006｜Alejandro：每天会实例化 10 万到 20 万个 Agent，而且每个 Agent 都是专门为这位客户实例化的，拥有自己的虚拟机。
007｜Alejandro：很多人都在担心，未来的组织会是什么样子，人类又会扮演什么角色。
008｜Alejandro：如果你以前从未面对过恐惧，从未感受过恐惧，那你就还没有真正尝试过 AI。
009｜Alejandro：我们在 Kavak 内部推出了一个项目，叫作 Jedi Academy。
010｜Alejandro：从 CEO、AI 工程师到机械师，我们训练所有人。
011｜Alejandro：六周之后，他们就能把最先进的 Agent 推进生产环境。
012｜主持人：对于未来的创业者，或者正在听节目的首次创业者，你有什么建议？
013｜节目包装：现在真正有效的做法是……
014｜节目包装：大多数公司都在问，怎样把 AI 加到组织里。
015｜节目包装：Kavak 问了一个激进得多的问题。
016｜节目包装：如果我们用 AI 从零开始创办这家公司，会建出什么？
017｜节目包装：Angela Strange 和 Gabriel Vasquez 与 Kavak 首席产品与 AI 官 Alejandro Ayala 坐下来，拆解这家公司押注围绕 Agent 重建自身之后发生了什么。
018｜节目包装：如今，每天可以实例化数十万个 Agent，它们处理从销售和融资车辆，到维护长期客户关系的一切工作。
019｜节目包装：他们讨论 Kavak 为什么要推倒一个已经能工作的 Agent 架构、重新开始；评测为什么成了加速前进的基础；以及当 Agent 不只是为人类工作，而是人类有时也为 Agent 工作时，会发生什么。
从 Oppie Analytics 到 Kavak
020｜主持人：欢迎回到 ACC 播客。
021｜主持人：今天我们请到 Alejandro Maza，Kavak 的 AI 负责人。
022｜主持人：今天我们要讨论 Alej 在 Kavak 内部推动的转型，以及他如何把 Kavak 变成一家 AI 原生公司。
023｜主持人：谢谢你今天来参加节目，Alej。
024｜Alejandro：谢谢邀请我。
025｜主持人：加入 Kavak 之前，你在经营一家叫 Oppie Analytics 的公司。
026｜Alejandro：没错。
027｜主持人：而且你当时已经……
028｜Alejandro：在 ChatGPT 出现之前，就已经非常投入 AI 了。
029｜Alejandro：是的。
030｜主持人：你愿意稍微讲讲那段经历吗？
031｜Alejandro：当然，当然可以。
032｜Alejandro：那时候我们把它叫作机器学习。
033｜Alejandro：那是另一类算法家族。
034｜Alejandro：当时我们带着一个非常有野心的愿景创办了公司：新的机器学习模型会强大到足以解决任何复杂问题。
035｜Alejandro：新的机器学习模型会强大到足以解决任何复杂问题。
036｜主持人：那是在 Transformer 出现之前，对吧？
037｜Alejandro：那大约是 2013 年。
038｜Alejandro：所以我们就按照这个方向开始建设公司，然后……
039｜Alejandro：我觉得我们大约提前了十年，但我们确实建成了一家很棒的公司。
040｜Alejandro：我们服务过大约 1,400 到 1,500 家企业，业务涉及风控算法、物流、预测和营销。
041｜Alejandro：但 Transformer 的力量，以及后来 ChatGPT 出现的那个时刻，真正让事情变得非常清楚：
042｜Alejandro：我们现在可以建一个全新的……
043｜Alejandro：公司，以及建设公司的全新方式。
044｜Alejandro：于是我们加入了 Kavak，推动自己把这个想法建出来。
045｜主持人：太棒了。好。
046｜主持人：所以接下来大部分时间，我们会具体讨论你们是怎样改造 Kavak 的。
047｜主持人：但我们先从基础问题开始：Kavak 是做什么的？
048｜主持人：以及你在那里的职责是什么？
049｜主持人：以及你在那里的职责是什么？
050｜Alejandro：Kavak 最初是一家二手车交易平台。
051｜Alejandro：我们买车，再把车整备好，
052｜Alejandro：然后把车卖出去，并为车辆提供融资。
053｜Alejandro：但要做到这些，我们还必须建设
054｜Alejandro：一家金融科技公司、一家物流公司，以及类似 Carfax 的车辆历史系统；而且在拉美，这件事所需的基础设施基本都不存在。
055｜Alejandro：所以我们必须把一切都垂直建起来，才能用正确的方式服务客户。
Agent 架构与组织重写
056｜主持人：我想先从架构的基本形态讲起。
057｜主持人：比如，一个消费者进来，说「我想卖掉我的车」。
058｜主持人：他会接触多少个 Agent？
059｜主持人：你们的运行框架是什么样的？
060｜Alejandro：先让大家了解一下你们是怎么设计这套系统的。
061｜Alejandro：对。
062｜Alejandro：我们押注的是，把公司转变成一家由 Agent 驱动的公司。
063｜Alejandro：我们问自己的问题是：如果到了 2035 年，拥有 Fable 10 或 GPT-10 级别的智能，我们会怎样建设 Kavak？
064｜Alejandro：对。
065｜Alejandro：实际上，那家公司会和我们当时已经建出的公司非常不同。
066｜Alejandro：所以现在当客户进来时，
067｜Alejandro：系统会专门为这个客户生成一个 Agent，并给它一台自己的虚拟机。
068｜Alejandro：它会记住这位客户与 Kavak 多年的互动，
069｜Alejandro：包括客户访问过哪些网页，或者两年前打过什么电话，
070｜Alejandro：它会把这些内容全部记在记忆里，制定出策略，
071｜Alejandro：并设定一个长期目标：最大化这位客户的终身价值，尽一切可能让客户满意，并在未来不同时间点把客户转化到公司的各种产品上。
072｜Alejandro：我认为，这是一种全新、具有突破性的规模化架构，因为人们仍然在用专家搭建多 Agent 系统，而我们决定押注……
073｜Alejandro：长期运行、拥有明确目标，而不只是执行工作流的 Agent，可以最大化客户满意度，当然也能最大化客户终身价值。
074｜主持人：好，我们接下来会进入其中的细节。
075｜主持人：但和许多公司相比，它们会说「我们想变得更 Agent 化」，然后尝试一些工作流，
076｜主持人：对。
077｜主持人：你们采取的是「必须彻底重做，并让这件事真正运转起来」的路线，而且团队规模还大幅缩减了。
078｜主持人：它有一年时间都没有工作。
079｜主持人：对。
080｜主持人：所以你能不能讲讲，为了让它工作起来，你们显然调了很多东西。
081｜主持人：当时的运行框架是什么样的？你们用的是什么模型？具体又是怎么做的？
082｜Alejandro：完全可以。
083｜Alejandro：我们当时必须做出三个主要决定。
084｜Alejandro：第一，也是我认为许多公司现在卡住的地方，是大家的第一反应通常是：「好，我们采用 AI。」
085｜Alejandro：然后你基本保持原有组织结构不变，只是把 ChatGPT 之类的工具发给你的团队。
086｜Alejandro：结果没有效率提升，客户的问题还是原来的问题，什么都没有发生，对吧？
087｜Alejandro：所以你需要重新设计整家公司。
088｜Alejandro：对。
089｜节目包装：这期节目是《Kavak 围绕 AI Agent 重建自身》，由 Angela Strange 和 Gabriel Vasquez 主持，嘉宾是 Kavak 首席产品与 AI 官 Alejandro Maza Ayala；节目涉及客户互动，以及训练管理者和机械师用 AI 工作。
090｜Alejandro：你要把这些 Agent 放到客户面前，取得真实数据，获得那些评测结果，然后训练你的 Agent。
091｜Alejandro：这是我们的第二个押注：我们可以构建……
092｜Alejandro：超越人类的 Agent。
093｜Alejandro：也就是说，在所有重要的维度上，比如转化率、客户终身价值和客户体验，
094｜Alejandro：我们的 Agent 都会胜过我们曾经雇用过的最优秀的人类。
095｜Alejandro：我们把它们放到最困难的问题面前。
096｜Alejandro：最后，你还要改变衡量公司成功的方式。
097｜Alejandro：Kavak 原来是一家交易型公司。
098｜Alejandro：过去我们会衡量卖出了多少辆车、买进了多少辆车，以及需要采购多少刹车片。
099｜Alejandro：后来我们转成了一家关系型公司。
100｜Alejandro：现在，我的数据库里有 1,000 万名客户，而且大多数客户都被分配了 Agent，任务是最大化他们的终身价值。
101｜Alejandro：现在，我们卖车，也提供个人贷款和其他高客单价产品。
102｜Alejandro：所以只要正确激活这批客户中的 1%，就可能带来数亿美元。
103｜Alejandro：这个押注之所以对我们有意义，是因为我们的行业、产品客单价，以及归根结底，
104｜Alejandro：客户需要和公司建立信任，因为他们买的是二手车。
105｜Alejandro：建立信任的方式，是了解客户，并规划和培育一段长期关系。
106｜节目包装：Alejandro Maza Ayala，Kavak 首席产品与 AI 官。
Evals、销售与融资
107｜Alejandro：大约 96% 的全部互动由 Agent 处理。
108｜Alejandro：其中没有人类参与。
109｜Alejandro：95% 的全部交易完全由 Agent 处理。
110｜Alejandro：当然，客户提车时还是会见到人，因为现场必须有人把车钥匙交给客户。
111｜Alejandro：但整个旅程的其余体验，都由 Agent 处理。
112｜Alejandro：每天都是这样吗？
113｜Alejandro：每天会实例化 10 万到 20 万个 Agent。
114｜Alejandro：它们会醒来。
115｜Alejandro：有时工作三分钟，有时工作八小时，有时工作三天。
116｜Alejandro：然后为下一个任务设定闹钟，再回去睡觉。
117｜Alejandro：所以这套系统的规模非常惊人，而且它真的能工作。
118｜Alejandro：那么，你们是怎样让它在规模上真正运转的？
119｜Alejandro：答案就是你刚才提到的 evals。
120｜Alejandro：我喜欢极快地前进。
121｜Alejandro：但要想快速前进，你必须有刹车，对吧？
122｜Alejandro：想象一辆汽车。
123｜Alejandro：只有当刹车足够可靠时，你才会踩下油门。
124｜Alejandro：AI 的力量非常强大。
125｜Alejandro：我见过很多公司把这件事做错，因为它们试图慢慢推进，
126｜Alejandro：原因是它们没有可靠的刹车。
127｜Alejandro：所以我反过来思考。
128｜Alejandro：我们究竟能有多快？
129｜Alejandro：答案取决于 evals 的质量。
130｜Alejandro：一个很实用的经验法则是，我们会投入……
131｜Alejandro：大致相同的时间、工程师时间、Token 和资金去构建 evals，和去构建 Agent。
132｜Alejandro：这就是你不断变得更好的方式。
133｜Alejandro：不能把 evals 当成事后才补的东西。
134｜Alejandro：那我们要测量什么？
135｜Alejandro：首先，也是最重要的，是业务结果。
136｜Alejandro：如果客户满意，他们就会买车，
137｜Alejandro：会获得贷款批准，也会把车卖给我们，
138｜Alejandro：这就是第一道检查。
139｜Alejandro：它转化了吗？
140｜Alejandro：大多数系统就是在这里出问题的。
141｜Alejandro：我看到一些公司在测量通话数量，
142｜Alejandro：或者测量通话时长，或者一些表面的 KPI，
143｜Alejandro：这些指标确实能提供一些信息，但并不能真正解决问题。
144｜Alejandro：重要的是，
145｜Alejandro：这个客户是否转化？系统是否为客户带来了价值？客户过了一段时间后，是否愿意再次和我们互动？
146｜Alejandro：一旦把这些 evals 接上，接下来就只是优化正确的 Agent 架构，并赋予 Agent 所需技能，让这套系统扩展到数百万客户。
147｜主持人：这真的非常惊人。
148｜主持人：和这件事相关的是：你建立了正确的 evals，也确认系统在工作，对吧？
149｜主持人：但有些人、一些公司仍然有点风险厌恶，不太敢把 Agent 放到客户面前，让它执行最高杠杆的任务；对你们来说，这个任务就是销售。
150｜主持人：你们的 Agent 真的会向客户销售吗？
151｜Alejandro：会。
152｜Alejandro：所以我们从来没有先构建客户支持或客服 Agent。
153｜Alejandro：我们构建的是销售 Agent。
154｜Alejandro：在拉美，卖一辆车极其困难。
155｜Alejandro：所以，是的。
156｜Alejandro：想象一下，有人想买车。
157｜Alejandro：他可以从大约 2 万个 SKU 中选择。
158｜Alejandro：然后还要选择融资，走完融资流程，再选择保险和保障方案。
159｜Alejandro：之后，他可能还要置换自己的车。
160｜Alejandro：所以我们还需要给那辆车报价。
161｜Alejandro：所以，是的。
162｜Alejandro：如果由一个人来做，或者按照 Kavak 在 2020、2021 年的做法，你必须在 15 个不同领域都非常出色，还要拥有 15 个不同团队里的 15 位专家。
163｜Alejandro：通常，客户要先去找融资专家，再找汽车顾问、收购专家和保险专家，由他们拼出一个方案，最后买下一辆车。
164｜Alejandro：这非常难做。
165｜Alejandro：
166｜Alejandro：但是……
167｜Alejandro：我们做的第一件事是：能不能让一个 Agent 在这些领域分别超过专家，然后把它们组合起来，形成一个同时精通保险、融资等能力的「超级专家」，这就是我们最终构建的东西。
168｜节目包装：这期节目是《Kavak 围绕 AI Agent 重建自身》，由 Angela Strange 和 Gabriel Vasquez 主持，嘉宾是 Alejandro Maza Ayala；节目涉及首席产品与 AI 官，以及工程师和机械师用 AI 工作。
169｜Alejandro：这样做之后，你会得到这样的结果，对吧？
170｜Alejandro：因为它们是专家，拥有无限耐心，知道你的全部历史，能做长期规划，而且永远不会疲惫。
171｜Alejandro：如果它们犯了错误，就会学会这个错误。
172｜Alejandro：第二天，不只是它们，其他 20 万个 Agent 也会从这个错误中学到东西。
173｜Alejandro：所以我们建立了一个反馈回路，它已经体现在客户的增长、结果和满意度上。
174｜Alejandro：对。
175｜主持人：我觉得 Kavak 有一件、或者说两件非常酷的事。世界已经逐渐习惯 AI 做客户服务。
176｜主持人：虽然要把客户服务做好，仍然非常困难。
177｜主持人：但正如 Gabe 所说，仍然有一种看法是：客户不会愿意从 AI 手里购买昂贵的东西。
178｜主持人：而你们证明了这种看法是错的。
179｜主持人：对。
180｜主持人：更进一步，有人会说：你不可能用 AI 端到端地完成受监管的金融服务。
181｜主持人：对。
182｜主持人：但如果沿着你们的流程走一遍，会发现你们正在给信用记录薄、甚至没有信用记录的客户做承保，正确地给他们定价，并完成后续服务。
183｜主持人：你能不能讲讲，你们是怎样写 evals，才敢对这件事放心？
184｜主持人：和去银行网点，或者去一家金融科技公司相比，这种体验又是什么样的？
185｜Alejandro：是的，我们推出的第一个金融产品是车贷。
186｜Alejandro：通常在墨西哥和一些新兴市场，车贷审批要花两个月甚至更久。
187｜Alejandro：而我们通常能在三分钟以内批准，因为我们掌握了关于客户和车辆的全部这些数据。
188｜Alejandro：对。
189｜Alejandro：如果客户后来还不起车贷，就把车还给我们，我们可以给他换一辆更便宜的车。
190｜Alejandro：这样他每个月要还的钱就更少，也能摆脱困境；这正是纵向整合业务的妙处。
191｜Alejandro：但当我们开始推出其他金融产品时，我们意识到，
192｜Alejandro：这对客户来说是一个非常重要的决定，对吧？
193｜Alejandro：客户通常需要三到四个月，才能决定要不要买车、要不要贷款，或者要不要申请我们也提供的大额个人贷款。
194｜Alejandro：所以，
195｜Alejandro：如果你能在这个过程中了解客户，并让流程对客户更容易，那么你的转化和留存指标就会直线上升。
196｜Alejandro：这不只是一次交易，而是从个人层面理解每一位客户。
197｜Alejandro：还要在客户准备好的时候促成转化，以非常深的方式个性化利率、风险和最高贷款额，同时当然要让整个投资组合的风险逻辑成立。
198｜Alejandro：并且要根据风险水平，以及客户可能收到的其他报价进行优化。
199｜主持人：那么再请你具体讲讲。大家一直都很关注 evals。
200｜主持人：你刚才一开始就提到了它。
201｜主持人：有没有什么例子，是 evals 很难设计的领域？
202｜主持人：或者有没有哪个领域，你们不得不投入特别多时间？
203｜主持人：尤其是考虑到这里有真实资金和个人身份信息在承担风险。
204｜Alejandro：对。
205｜主持人：是的。
AI CEO、机械师与 Jedi Academy
206｜Alejandro：当我们决定围绕 AI 重设计公司时，
207｜Alejandro：我们问了一个问题：AI 能不能完成这项工作？
208｜Alejandro：甚至包括 CEO 的工作，或者那些需要领导力的工作。
209｜Alejandro：老实说，答案很可能是可以。
210｜Alejandro：按照现在的进步速度，到 2035 年，它应该能做到。
211｜Alejandro：于是我们说，好，那就现在试试。
212｜Alejandro：我们试着构建一个 AI CEO。
213｜Alejandro：所以我们从墨西哥划出一座城市。
214｜Alejandro：这座城市叫 Cuernavaca。
215｜Alejandro：然后把一个 Agent 放进我们的一套运行框架里。
216｜Alejandro：让它担任 CEO，让它开始学习、做决策，并评估自己的决策。
217｜Alejandro：现在这个实验只运行了六周。
218｜Alejandro：第一个月的目标是让 Cuernavaca 的利润翻倍。
219｜Alejandro：它没有达到目标，但做到了 1.5 倍，也就是只靠管理这座城市，就让利润增加了 50%，这很疯狂，对吧？
220｜Alejandro：这太惊人了。
221｜Alejandro：而且它是一个 CEO，人们都很惊讶。
222｜节目包装：这期节目把它描述为进入每一个数字、每一位客户、做出完美预测的系统；其中有些口播词句在原音中并不完整，仍按听到的顺序保留。
223｜Alejandro：它会微观管理每天为实现计划而必须执行的每一件事。
224｜Alejandro：所以它真的会给 Cuernavaca 的所有线下员工发送当天的计划，并要求他们把语音便签发回来。
225｜节目包装：这期节目嘉宾是 Alejandro Maza Ayala，Kavak 首席产品与 AI 官。
226｜Alejandro：哪些工作是我们认为仍然需要训练和雇用人类来完成的？
227｜Alejandro：那些和物理世界有关的工作。
228｜Alejandro：比如机械师。Kavak 在墨西哥大约有 800 名机械师，我记得是这个数量。
229｜Alejandro：这类工作需要大量灵巧度和感官判断，非常难以替代。
230｜Alejandro：所以在这里，我们也用同一套正在规模化的运行框架构建 Agent，
231｜Alejandro：机械师身边有一个协作助手。
232｜Alejandro：我刚才还在跟你们说，它有点像电影《料理鼠王》，
233｜Alejandro：就像那只实际上是厨师、与人类合作的小老鼠。
234｜Alejandro：它大概就是这种感觉。
235｜Alejandro：它是一个协作助手。
236｜Alejandro：我们叫它 El Mike。
237｜Alejandro：它会告诉机械师怎样检查车辆，给出提示，并展示应该怎样做。
238｜Alejandro：而且……
239｜Alejandro：车辆检查的质量再次大幅提升。
240｜Alejandro：我们检查得更快。
241｜Alejandro：维修得更快。
242｜Alejandro：成本也更低。
243｜Alejandro：但最重要的是，我们交付的车辆质量更高。
244｜Alejandro：对。
245｜Alejandro：自从上线以来，保修率下降了大约 20% 到 26%，客户满意度也再次上升。
246｜Alejandro：所以问题就是：如果拥有廉价而充足的超级智能，你会怎样从零设计组织？那就直接去把它建出来。
247｜主持人：这正好引出硅谷现在的一个关键话题：很多人都在担心，未来的组织会是什么样子，人类又会扮演什么角色。
248｜主持人：对。
249｜主持人：我觉得你已经稍微触及这件事了。
250｜主持人：所以我们很想听听，你们是怎样思考这个问题的。
251｜主持人：对。
252｜节目包装：这期节目是《Kavak 围绕 AI Agent 重建自身》，嘉宾是 Alejandro Maza Ayala，Kavak 首席产品与 AI 官。
253｜Alejandro：我们需要训练所有人。
254｜Alejandro：所以我们在 Kavak 内部推出了一个叫 Jedi Academy 的项目，让 Kavak 的任何人都能参加，从 CEO 到……
255｜Alejandro：我们很喜欢这个做法。
256｜Alejandro：对，而且这很棒。
257｜Alejandro：从 CEO、AI 工程师到机械师，所有人都去参加 Academy，这件事非常难。
258｜Alejandro：我一直在负责……
259｜主持人：是你设计了这个项目。
260｜Alejandro：这个项目是我设计的。
261｜Alejandro：但它需要持续进行。
262｜主持人：持续进行。
263｜主持人：因为你必须不断升级项目，而所有事情变化得太快了。
264｜Alejandro：而且你不能把这些人送到外面，比如送去斯坦福学习，因为这些内容都是全新的，对吧？
265｜Alejandro：所以我们训练所有人。
266｜Alejandro：六周之后，他们就能把最先进的 AI Agent 推进生产环境。
267｜主持人：哇。
268｜Alejandro：机械师、财务人员、工程师——所有人都能做到。
269｜Alejandro：这带来的结果是，这个人也许不会成为 AI 工程师。
270｜Alejandro：有些人确实成为了 AI 工程师，但所有人都知道怎样与这项新技术协作，对吧？
271｜Alejandro：所以我们的看法是：
272｜Alejandro：各位，没有回头路了。
273｜Alejandro：这就是 Kavak 前进的方向。
274｜Alejandro：这就是公司将会变成的样子。
275｜Alejandro：工程团队、财务团队、产品团队，都会发生这些变化。
276｜Alejandro：这就是将要改变的东西。
277｜Alejandro：你可以选择学习、获得技能，在这个新的现实和新的世界里发挥作用，
278｜Alejandro：也可以在这条路不适合你的时候离开 Kavak，但我们就是要朝这个方向前进。
279｜Alejandro：而且……
280｜Alejandro：结果很好。我们的文化变得更强，所有人都非常兴奋。
281｜Alejandro：大家真的知道怎样构建这类 Agent 系统了。
282｜Alejandro：如果你现在观察 Kavak 及其流程，会发现它真正变成了 Agent 与人类的协作。
283｜Alejandro：有时 Agent 是人类的老板，有时人类在设计 Agent。
284｜Alejandro：但我认为，我们确实建成了这样的系统，也确实改变了组织。
285｜Alejandro：
286｜Alejandro：事情就是这样发生的。
287｜节目包装：这期节目是《Kavak 围绕 AI Agent 重建自身》，由 Angela Strange 和 Gabriel Vasquez 主持，嘉宾是 Alejandro Maza Ayala；节目讨论 AI CEO 实验，以及训练管理者和机械师用 AI 工作。
288｜Alejandro：现在的组织是非常扁平的团队，非常资深的团队，而且拥有极强的授权。
289｜Alejandro：如果你看一个团队，会发现里面有工程、AI、运营，几乎什么都有。
290｜Alejandro：他们要么在构建 Agent，要么在为 Agent 工作，要么就是在构建 Agent。
291｜节目包装：这期节目是《Kavak 围绕 AI Agent 重建自身》，由 Angela Strange 和 Gabriel Vasquez 主持，嘉宾是 Alejandro Maza Ayala；节目讨论 AI CEO 实验，以及训练管理者和机械师用 AI 工作。
292｜Alejandro：和 2022 年相比，现在完全不同了。当时没人构建 Agent，没人帮助 Agent，也没人接受 Agent 的指令；而且服务物理世界或客户的方式，也和 Agent 告诉你该做什么、或者帮助你把工作做得更好时完全不同。
293｜Alejandro：所以，这和仅仅两年前的组织结构完全不同。
人类如何为 Agent 工作
294｜主持人：对。
295｜主持人：解释一下。我们之前聊过，人类为 Agent 工作到底是什么样的？
296｜主持人：我记得你的描述是：你有一个 Agent 系统，当它失败时，任务就会被踢到某个人类队列里。
297｜主持人：对吧？
298｜Alejandro：但这样一来，经验就丢失了。所以你们是怎样把它们连接起来的？
299｜Alejandro：我们看到，在目前生产环境中的大多数 Agent 系统，尤其是大型 Agent 系统里，通常如果 Agent 撞墙了，或者无法继续完成任务，它就会……
300｜节目包装：这期节目是《Kavak 围绕 AI Agent 重建自身》，由 Angela Strange 和 Gabriel Vasquez 主持，嘉宾是 Alejandro Maza Ayala；节目讨论首席产品与 AI 官，以及训练管理者和机械师用 AI 工作。
301｜Alejandro：它们可以访问每一个 API、每一项技能，而这些技能由人类为它们构建。
302｜Alejandro：如果 Agent 撞墙或者取消了某个动作，它会调用一个 API，说：「我需要帮助。」
303｜Alejandro：而 API 的另一端不是另一个 Agent 或软件，而是一个正在帮助它的人类。
304｜Alejandro：但如果你把这画成组织结构图，真实情况其实是：人类团队拥有一个 Agent。
305｜Alejandro：我得到的结果更好了。
306｜主持人：这非常清楚。
307｜主持人：说得通。
308｜主持人：这其实正好引出下一个问题。
309｜主持人：我知道，很多大型机构的领导者都会主动来找你们。
310｜主持人：所以也许这能帮你省掉很多电话。
311｜主持人：但我觉得，理性上，很多公司领导者其实直觉上已经理解了这一点。
312｜主持人：问题是，AI 仍然很难真正部署到整个组织里。
313｜主持人：模型已经足够好了。
314｜主持人：你也知道这一点。
315｜主持人：这是组织问题。
316｜主持人：也是心理问题。
317｜主持人：你有什么建议？或者你观察到了什么？
318｜Alejandro：我认为有两件事。
319｜Alejandro：第一，转型必须自上而下，因为原因就在这里。
320｜Alejandro：如果你只是推动采用，它不会走远，
321｜Alejandro：因为你很难让人们从底层自发形成这种品味或战略，
322｜Alejandro：再自己决定要构建什么，或者不构建什么，
323｜Alejandro：最后还要想出一套真正适合公司的方案。
324｜Alejandro：所以转型必须自上而下，
325｜Alejandro：领导者需要先采用，
326｜Alejandro：领导者还必须拥有非常清晰的愿景。
327｜节目包装：这期节目是《Kavak 围绕 AI Agent 重建自身》，由 Angela Strange 和 Gabriel Vasquez 主持，嘉宾是 Alejandro Maza Ayala；节目讨论首席产品与 AI 官，以及训练管理者和机械师用 AI 工作。
328｜Alejandro：然后开始建设这套愿景，并像带领军队一样，明确地把队伍带向那个方向。
329｜Alejandro：一支军队如果每个人都自己提出战略和战术，然后去战场上各做各的，显然不会真正运转。
330｜Alejandro：你需要一套非常清晰的战略。
331｜Alejandro：这正是我们现在所需要的，是一个转型阶段。
332｜Alejandro：这正是我们现在所需要的，是一个转型阶段。
333｜Alejandro：第二，你需要衡量真正重要的东西。
334｜Alejandro：这包括 evals，但也包括正确的 evals。
335｜Alejandro：所以，是的。
336｜Alejandro：我看到很多公司现在花了巨额资金，然后说：「好，我已经完成采用了。」
337｜Alejandro：我现在每年只是花数亿美元买 Token。
338｜主持人：这又说明什么？
339｜Alejandro：Token 本身也有质量差异。
340｜Alejandro：所以我这里有一个也很有用的框架。
341｜Alejandro：Tier 3 Token，也就是最有价值的 Token，是那些你能够……
342｜Alejandro：计算每一个具体 Token ROI 的 Agent。
343｜Alejandro：现在我就能做到这一点。
344｜Alejandro：这对我来说是个好消息，因为我正在增长，
345｜Alejandro：而且因为我知道每个 Token 的 ROI，
346｜Alejandro：因为这些 Token 流向的是正在执行组织工作、真正干活的 Agent，对吧？
347｜Alejandro：这些就是最好的 Token。
348｜Alejandro：Tier 2 Token 是可以间接测量的东西。
349｜Alejandro：比如，我能不能在代码库里看到可验证的改进？
350｜Alejandro：我至少可以间接评估这些 Token 的价值，
351｜Alejandro：然后把它们推到生产环境。
352｜Alejandro：Tier 1 是大多数公司停留的地方：员工只是使用一些插件、ChatGPT、代码工具之类的东西。
353｜主持人：那这些 Token 最终发生了什么？
354｜Alejandro：我完全不知道。
355｜Alejandro：所以问题不只是采用。
356｜Alejandro：真正重要的是先拥有非常清晰的愿景，然后衡量你花出去的每个 Token 是否真的带来了这些收益，并从那里不断迭代、迭代、再迭代。
Agent per customer 与重建架构
357｜主持人：我想继续深入一下。我们之前稍微聊过，最有野心的公司可能会决定跟进你们的做法：你们是按客户，而不是按任务来构建 Agent。
358｜主持人：后来你们又发现，每个 Agent 还需要一台自己的微型虚拟机。
359｜主持人：所以能不能带我们走一遍这些决策和这套架构？
360｜主持人：当然可以。
361｜Alejandro：当然可以。
362｜Alejandro：我认为现在我们已经看到了结果，但当时这是一个非常冒险的押注，因为人们通常是从工作流出发的。
363｜Alejandro：嗯。
364｜Alejandro：如果让我给所有人一个建议，那就是：不要构建 Agent 工作流。
365｜Alejandro：不要把它们构建成图、函数或目标。
366｜Alejandro：而我们当时确实这么做了。
367｜Alejandro：那是能够为复杂目标执行完整职能的多 Agent 系统。
368｜Alejandro：比如我之前告诉你们的，要卖出一辆车，你需要处理融资、采购、推荐等等环节。
369｜Alejandro：去年 12 月，我们已经有数千、乃至数万个这样的 Agent 在规模上运行整个业务。
370｜Alejandro：但后来……
371｜Alejandro：Opus 4.5 发布了，我意识到，这已经不是正确的范式。
372｜Alejandro：现在的智能不再需要图、多 Agent 的网格结构和运行护栏，
373｜Alejandro：因为这些东西会限制这种级别的智能。
374｜Alejandro：所以我们决定，把过去两年一直在构建、而且已经能工作的所有东西都摧毁，
375｜Alejandro：那些东西已经带领我们实现盈利，也带来了惊人的增长，
376｜Alejandro：然后从头开始，用一套更稳健、更可扩展的运行框架，去利用递归式自我改进，以及每个月出现的新模型、更智能的模型。
377｜Alejandro：这套新架构的样子是：一台虚拟机、一个 Agent、对记忆和 evals 的访问，以及一个 CLI；Agent 可以通过 CLI 访问公司里的每一个工具、每一个 API，再加上长期目标。
378｜Alejandro：我们每天会实例化数十万个这样的 Agent，让它们带着长期目标运行，比如最大化客户终身价值。
379｜主持人：对。
380｜主持人：这就是会自我改进的组织。
381｜Alejandro：没错，会自我改进的组织。
382｜Alejandro：我觉得现在大家特别关注我们的网站，以为这会推动模型改进。
383｜Alejandro：但如果换一种方式看，人类过去 4,000 年所创造的经济价值……
384｜节目包装：这期节目是《Kavak 围绕 AI Agent 重建自身》，由 Angela Strange 和 Gabriel Vasquez 主持，嘉宾是 Alejandro Maza Ayala；节目讨论首席产品与 AI 官，以及训练管理者和机械师用 AI 工作。
385｜Alejandro：接着你会迎来指数级变化，不只是智能本身指数级增长，也包括作为一家公司能够创造的价值指数级增长。
386｜Alejandro：所以这真的很令人兴奋，也是我们正在做的事情。
创造性破坏与电力类比
387｜主持人：你提到，正因为采用 AI 有这么多挑战，你认为最大的机会可能在于新公司诞生，用新的方式工作，然后颠覆市场。
388｜主持人：你愿意稍微谈谈这件事吗？
389｜主持人：你愿意稍微谈谈这件事吗？
390｜Alejandro：愿意。
391｜Alejandro：经济学里有一个概念，叫作 Joseph Schumpeter 提出的「创造性破坏」。
392｜Alejandro：这个概念认为，创新冲击经济的方式，不是现有公司采用新技术，而是原有公司保持原样，同时出现使用新技术的新进入者。
393｜节目包装：这期节目是《Kavak 围绕 AI Agent 重建自身》，嘉宾是 Alejandro Maza Ayala，Kavak 首席产品与 AI 官。
394｜Alejandro：要深度采用 AI 很难。
395｜Alejandro：对于今天的大公司或上市公司 CEO 来说，真正站出来说「我要把一切都押在 AI 上」，非常困难。
396｜Alejandro：公司必须变成这个样子。
397｜Alejandro：我必须摧毁并重建过去 40 年一直在建设的一切，
398｜Alejandro：让公司变成 AI 原生公司。
399｜Alejandro：一家已经规模化的公司里，有多少 CEO 会这么做？
400｜Alejandro：所以在它们慢慢采用 AI 的时候，
401｜Alejandro：新的公司可以围绕 AI 的优势建立起来，接管市场，并把新的产品和服务带给大众。
402｜Alejandro：过去已经发生过这样的事。
403｜Alejandro：比如电力时代就发生过。
404｜Alejandro：这是我总是讲给团队听的故事。
405｜Alejandro：福特生产线所需的技术，在 1879 年和 1881 年就已经发展出来了。
406｜Alejandro：爱迪生开始在纽约、后来在伦敦商业化推广电力，还发明了一种效率非常高的发电机。
407｜Alejandro：所以你本来可以提前建造……
408｜Alejandro：在福特出现之前 40 年，就建好福特的工厂。技术已经在那里，一切条件也已经在那里。但人们采用电力和福特发电机的方式是：「我要保留原来的工厂——四层楼、轴和皮带，只把燃煤发动机换成电动机。」这样确实会带来好处，但效率大约只提升 6%。
409｜Alejandro：真正需要做的是摧毁那座工厂，把它建在平面上，不是在纽约市中心，而是在康涅狄格州或新泽西州，
410｜Alejandro：然后围绕小型发电机和电力，重新设计整座工厂。
411｜Alejandro：这样你才能得到生产率 3 倍的提升，正是这种提升推动了美国 20 世纪的发展。
412｜Alejandro：计算机时代也发生过同样的事，今天正在发生的也是同样的事。
413｜Alejandro：人们想采用新技术，却不愿意重新设计整家公司，只是做表面采用。
414｜Alejandro：最终，你得到的可能是 6% 或 10% 的改善，而不是 10 倍的改善。
415｜Alejandro：这就像工业规模上的创新者困境再次发生。
结尾
416｜主持人：我觉得你刚刚已经为所有未来的创业者做出了一个非常有力的论证：现在是开始建设的时候了。
417｜Alejandro：确实，现在是开始建设的时候。
418｜主持人：也许一个很好的结尾是：你已经创建并扩展了自己的公司，
419｜主持人：现在又把 Kavak 完全变成了 Agent 化组织。
420｜主持人：对于正在听节目的未来创业者或首次创业者，你有什么建议？
421｜Alejandro：这是人类历史上最令人兴奋的时代。
422｜Alejandro：我相信这一点。
423｜Alejandro：我们正生活在人类历史上最令人兴奋的时代。
424｜Alejandro：这也是成为创业者最令人兴奋的时代，因为……
425｜Alejandro：这是历史上第一次，任何人都能接触到世界上最强大的工具和智能。
426｜Alejandro：几乎是免费，或者每月 20 美元。
427｜Alejandro：所以，真正让人们拥有建设能力的工具实现民主化，
428｜Alejandro：在人类历史上从未以这样的方式发生过。
429｜Alejandro：还有这么多问题等待解决，
430｜Alejandro：还有一种新的现实，等待围绕这个新范式被建设出来。
431｜Alejandro：所以，去做吧，但要做深。
432｜Alejandro：想象一下，AI 周围的未来会是什么样子。
433｜Alejandro：它甚至不一定会是指数级增长。
434｜Alejandro：你只要画出一条线性的趋势。
435｜Alejandro：如果 AI 继续以线性速度变得越来越好，
436｜Alejandro：那就为这样的未来去建设。
437｜Alejandro：你会想出精彩的点子，为世界带来巨大的价值。
438｜主持人：太棒了。
439｜主持人：Alej，谢谢你来参加节目。
440｜Alejandro：谢谢。谢谢邀请我。
441｜节目包装：感谢收听本期 a16z 播客。
442｜节目包装：如果你喜欢这一期，请点赞、评论、订阅，留下评分或评论，并把它分享给你的朋友和家人。
443｜节目包装：想听更多节目，请前往 YouTube、Apple Podcasts 和 Spotify。
444｜节目包装：请在 X 和 a16z 上关注我们，并订阅我们的 Substack，地址是 a16z.substack.com。
445｜节目包装：再次感谢收听，我们下一期再见。
446｜节目包装：提醒一下，本节目内容仅供参考。
447｜节目包装：不应将其视为法律、商业、税务或投资建议，也不应将其用于评估任何投资或证券；本节目也不面向任何 a16z 基金的投资者或潜在投资者。
448｜节目包装：请注意，a16z 及其关联方可能持有本播客中所讨论公司的投资。
449｜节目包装：如需更多详情，包括我们的投资链接，请参阅 a16z.com/disclosures。
References
- 1本期对谈音频mgln.ai
Comments
Sign in to comment.