Copilot 沒人用？他的解法是讓 AI Agent 直接上場

本文整理自 a16z Podcast 2026 年 2 月播出的單集，聚焦 Kavak 的 AI 轉型細節。關於 Kavak 創辦人 Carlos Garcia Ottati 的完整故事和公司背景，請見《被騙兩次之後，他用 AI 蓋出拉美最大二手車平台》。

{{< spotify "episode/1jIaLQF7FQRvpZXJaag0pt" >}}

{{< apple-podcast "tw/podcast/from-copilots-to-agents-rebuilding-the-company-around-ai/id842818711?i=1000750304889" >}}

---

2023 年初，全世界的企業都在做同一件事：買 AI 工具給員工用。邏輯很直覺——把 ChatGPT 接進內部系統，讓業務、客服、分析師變成超人。拉美最大二手車平台 Kavak 也不例外。他們花了好幾個月，為內部各部門打造了一系列 copilot 工具，期望員工能用這些工具更快地回答客戶問題、更精準地處理邊際案例。

結果，幾乎沒有人用。

Kavak 的創辦人兼執行長 Carlos Garcia Ottati 在 a16z Podcast 上坦承，這是他們在 AI 轉型過程中犯的第一個大錯。但更值得注意的是他接下來的選擇：他沒有花更多時間推動 copilot 的採用率，而是直接跳過 copilot，讓 AI Agent 去面對客戶。這個決定讓公司經歷了整整一年的零成長，但最終把 Kavak 從一家一萬人的傳統科技公司，變成了一家三千五百人、90% 到 95% 客戶互動由 AI 完成的新物種。

這段轉型的細節，是我目前看過最完整、數據最具體的企業級 AI 部署案例之一。

2017 年的備忘錄：在 ChatGPT 出現前六年就開始準備

Kavak 的 AI 故事不是從 2022 年 ChatGPT 發布那天開始的，而是從 2017 年一份內部備忘錄開始。那年，Transformer 論文剛發表，距離 ChatGPT 問世還有五年多。Carlos 在公司內部發了一份備忘錄，開頭是這樣一句話：我想開始用機器人管線來補充我們的人力管線。他甚至具體列出了「機器人一號」負責採購、「機器人二號」負責客戶滿意度、「機器人三號」負責交叉銷售。

這聽起來像是先知式的遠見，但 Carlos 自己不這麼認為。他說這純粹是被現實逼出來的。Kavak 的業務本質是處理大量「邊際案例」（edge cases）。二手車不是標準化商品，每台車的狀況都不同。當客戶的車在路上拋錨、當融資申請出了問題、當保固理賠遇到灰色地帶，每一次互動都是獨一無二的情境。公司小的時候，所有人坐在同一間辦公室裡，資訊流通快、決策快。但 Carlos 很早就意識到，一旦公司規模膨脹到每年處理數十萬筆交易，這種靠「大家喊一聲」的溝通方式一定會崩潰。

所以從 2017 年起，Kavak 開始做一件大多數公司到今天都還沒做的事：建立數據本體論（data ontology）。簡單說，就是把公司四大業務線——電商平台、整修保固、融資引擎、物流網路——的所有數據打通，讓每個系統都能讀懂其他系統的資料。這不是什麼花俏的 AI 專案，而是苦功夫，一個欄位一個欄位地定義、一條資料管線一條管線地串接。

這段長達五年的基礎建設，後來證明是 Kavak 在 AI 時代最關鍵的資產。當 ChatGPT 在 2022 年底問世時，大多數企業的數據還散落在各個孤島裡，光是讓 AI 讀懂公司內部資料就要花好幾個月。Kavak 的系統早已準備好了。

Copilot 的失敗：員工就是不用

有了完善的數據基礎設施，Kavak 在 2022 年底到 2023 年初做了一件看似合理的事：把 AI 能力包裝成 copilot 工具，發給各部門員工使用。邏輯很簡單——員工手上有了即時的客戶資訊、歷史紀錄、推薦方案，處理客戶問題的速度和品質應該都會提升。

但現實是，員工不用。Carlos 在節目中沒有詳細解釋為什麼不用，但從他的描述來推斷，這和全球企業推動 AI copilot 時遇到的問題一模一樣：工具再好，如果需要人類改變既有的工作習慣，採用率就會很低。業務員習慣了自己的流程、客服人員有自己熟悉的應對模式，一個新工具就算能讓效率提升 30%，大多數人的本能反應是「我現在的方式也能做」。

這個發現讓 Carlos 做了一個關鍵的策略轉向：不要再試圖讓人類用 AI，直接讓 AI 去做人類的工作。

不從客服開始，從最難的問題下手

多數企業部署 AI Agent 的第一步是客服——回答常見問題、處理簡單查詢。Kavak 的做法完全相反。他們第一個放 Agent 的地方是融資核貸（underwriting）和車輛保固理賠，也就是整個業務裡最複雜、最多邊際案例的環節。

Carlos 的邏輯是：如果 Agent 能處理最難的問題，簡單的問題自然不在話下。反過來，如果你先做簡單的客服機器人，你永遠不知道系統能不能應對真正的挑戰。而且，融資和保固正是 Kavak 最痛的兩個點。六萬個獨特的車型（SKU），每台車有不同的特徵需要定價，還有不斷變動的總體經濟環境影響貸款風險。保固方面，Carlos 在節目中提到一個深刻的觀察：你真正了解一台車的唯一時刻，是它壞掉的時候。這就是為什麼 Kavak 從一開始就堅持自己經營保固業務，而不是外包——因為每一次故障都是一筆數據，每一次維修都是一次學習機會。

他們的部署方式是一個漏斗（funnel）一個漏斗地來。先在融資核貸這個漏斗裡放入 Agent，讓 Agent 和人類員工「共生」運作，由一個「指揮者」（orchestrator）決定每個案例該交給 Agent 還是人類處理。看到成效後，再移到下一個漏斗。這不是全面替換，而是逐步推進。

一整年的零成長：沒有 Plan B 的豪賭

這裡是整個故事裡最驚心動魄的部分。Kavak 在 2022 年的營收還在以 100% 的速度成長。到了 2023 年，成長率歸零。Carlos 在節目中直接說了：「我們就是整整一年持平。」

原因很直接。當你把 AI Agent 放到客戶面前的第一天，它的表現一定不如你最好的人類員工。客戶體驗下降，銷售數字跟著掉，融資的轉換率也在滑。而 Kavak 不只是做客服，Agent 涉入的是銷售、採購、融資這些直接影響營收的核心流程。所以當 Agent 還在「學習」的時候，公司的數字就是會難看。

最關鍵的決策是：Carlos 對每一個放入 Agent 的漏斗，都沒有設定 Plan B。他不是說「如果 Agent 表現不好，我們就換回人類」，而是把整個工程團隊壓上去，唯一的目標是讓 Agent 達到至少和人類一樣的水準。

這是一個風險極高的選擇，因為它同時發生在市場崩盤的背景下。2022 年全球汽車市場急凍，拉美的資本也在快速撤離。Kavak 手上有一萬名員工，每天燒掉大量現金，市場又在萎縮。在這種情況下選擇承受一年的零成長來換取 AI 轉型，需要的不只是技術判斷力，更是對自己戰略方向的絕對確信。

Carlos 用了一個很生動的比喻：這就像飛機正在起飛的過程中被迫減速。你已經在跑道上加速到一半了，最糟糕的事情就是在這個時候踩煞車。你必須繼續加速到一萬英尺高度，才能開始做理性的決策。但現實是他們被迫在起飛過程中同時改裝引擎。

轉折點：Agent 表現超越最佳人類員工 1.5 倍

痛苦是有盡頭的。在第一個漏斗裡，Agent 的表現曲線先是急遽下降，然後觸底反彈，最終達到了最佳人類員工表現的 1.5 倍。Carlos 說，到了這個點，他做了另一個關鍵判斷：不要花時間把 Agent 從 1.5 倍優化到 7 倍，因為底層模型的進步速度比他們自己的優化速度更快。他們的哲學是「為 GPT-7 而建，不為 GPT-4 而建」。把精力放在基礎架構和數據管線上，確保當更強的模型出現時，Kavak 的系統能立刻吃到紅利。

這個判斷讓 Kavak 在第一個漏斗看到成效後，立刻把同樣的模式複製到下一個漏斗、再下一個。每一次都是同樣的曲線：先降後升。團隊也越來越有信心，因為他們已經看過這個模式成功了。直到某一天，Carlos 決定徹底燒掉所有退路，把整個公司全面轉向 AI。

今天的 Kavak，用三千五百人做到了過去需要一萬人才能做的事。90% 到 95% 的客戶互動由 AI Agent 完成。2025 年 12 月，公司達成創立以來第一個全球合併月度獲利。2026 年 2 月，a16z Growth 基金領投了 Kavak 的三億美元 F 輪融資，這是該基金成立以來第一次投資拉丁美洲的公司。

我的觀察

Kavak 的案例對正在導入 AI 的臺灣企業來說，有三個值得仔細想的啟示。

第一個是「copilot 天花板」的問題。目前臺灣企業導入 AI 的主流做法，就是 Kavak 已經失敗過的那條路：買工具給員工用，期望員工會自己發現價值。Carlos 的經驗說明，就算你的數據基礎設施做到位了、工具本身品質也不差，只要你依賴人類去改變行為，採用率就是上不去。這不是哪一間公司的特殊問題，而是人類對改變的本能抗拒。Kavak 的解法是繞過人類，直接讓 Agent 上場。這不代表每家公司都應該這樣做，但至少它證明了一件事：如果 copilot 推不動，問題可能不在工具，而在整個部署策略。

第二個是「從最難的問題開始」的反直覺邏輯。一般人會覺得應該先從簡單的場景驗證 AI 的效果，再慢慢擴展到複雜場景。Kavak 反過來做，先讓 Agent 處理融資核貸和保固理賠這種高度複雜的任務。這個策略的好處是，一旦你在最難的地方證明了 Agent 能用，整個組織的信心就建立起來了，後面的推廣阻力會小很多。而且，最難的問題往往也是對公司來說價值最高的問題。如果你只讓 AI 處理簡單查詢，就算成功了，對營運的影響也有限。

第三個是「為 GPT-7 而建」的基礎設施思維。Kavak 從 2017 年就開始建數據本體論，花了五年做好準備。這不是因為 Carlos 預見了 ChatGPT 的出現，而是因為他知道不管未來的技術長什麼樣，打通數據這件事永遠不會白做。臺灣很多企業現在急著導入 AI，但很少有人願意回頭去做數據治理的苦工。Kavak 的故事告訴我們，AI 部署的成敗，有一半在你碰到任何 AI 工具之前就已經決定了。

最後提醒一下脈絡：這集 Podcast 發布的時間是 a16z 宣布投資 Kavak 的隔天，主持人 Angela Strange 和 Gabriel Vasquez 都是 a16z 合夥人。Carlos 分享的數據和經驗本身有參考價值，但這個背景讀者應該知道。