0
0
The Self-Improving Company | Kavak’s AI Playbook
The Self-Improving Company | Kavak’s AI Playbook
Summary & Insights

Liệu bạn có sẵn lòng phá bỏ một mô hình kinh doanh đang hoạt động hiệu quả và sinh lời để xây dựng một mô hình thậm chí còn chưa hề tồn tại? Đây chính là canh bạc táo bạo mà Alejandro Ayala, Giám đốc Sản phẩm và AI tại Kavak, đã thực hiện khi ông quyết định rằng việc chỉ đơn thuần “thêm AI” vào công ty là không đủ. Thay vì sử dụng các mô hình ngôn ngữ lớn (LLM) như những tiện ích bổ sung hời hợt cho dịch vụ khách hàng, Kavak đã tái định nghĩa mình thành một tổ chức “AI-native” (vận hành gốc bằng AI), chuyển từ mô hình giao dịch sang mô hình quan hệ, nơi hàng trăm nghìn tác nhân (agent) cá nhân hóa được khởi tạo hàng ngày để quản lý toàn bộ vòng đời của một khách hàng.


Cuộc chuyển đổi này không hề dễ dàng; Ayala mô tả một giai đoạn kéo dài một năm khi những thay đổi ban đầu không mang lại hiệu quả, dẫn đến việc phải tháo dỡ toàn bộ kiến trúc tác nhân để chuyển sang cách tiếp cận “máy ảo” (virtual machine) mạnh mẽ hơn. Trong hệ thống mới này, các tác nhân không chỉ đơn thuần làm theo quy trình; chúng được giao các mục tiêu dài hạn, chẳng hạn như tối đa hóa giá trị vòng đời khách hàng. Sự thay đổi này đã mang lại kết quả kinh ngạc, với các tác nhân hiện xử lý 96% các tương tác và 95% các giao dịch, thường chuyển đổi khách hàng thành đơn hàng với tỷ lệ cao hơn gấp đôi so với những chuyên gia bán hàng xuất sắc nhất.


Ngoài giao diện khách hàng, Kavak đã tích hợp AI vào bộ máy lãnh đạo và lực lượng lao động cốt lõi. Công ty đã thử nghiệm một “CEO AI” để quản lý một thành phố cụ thể tại Mexico, và kết quả là lợi nhuận tăng 50% ngay trong tháng đầu tiên. Để đảm bảo lực lượng lao động con người không bị bỏ lại phía sau, Kavak đã thành lập “Học viện Jedi” (Jedi Academy), một chương trình đào tạo chuyên sâu kéo dài sáu tuần dành cho tất cả mọi người, từ thợ cơ khí đến các giám đốc điều hành, về cách xây dựng và cộng tác với các tác nhân AI. Mục tiêu là hướng tới một “tổ chức tự cải tiến”, nơi ranh giới giữa con người và tác nhân trở nên linh hoạt, và công ty có thể mở rộng quy mô theo cấp số nhân khi trí tuệ của các mô hình AI tăng lên.


Những góc nhìn bất ngờ



  • CEO AI: Một tác nhân đóng vai trò quản lý thành phố đã vượt xa các tiêu chuẩn của con người, tăng lợi nhuận thêm 50% bằng cách quản lý chi tiết các kế hoạch hàng ngày và tương tác với công nhân trực tiếp thông qua tin nhắn thoại.

  • Tác nhân là người bán hàng, không phải hỗ trợ: Trong khi hầu hết các công ty sử dụng AI để cắt giảm chi phí hỗ trợ, Kavak lại dùng nó để tạo ra doanh thu. Họ nhận thấy các tác nhân AI hiệu quả hơn trong việc bán các sản phẩm giá trị cao vì chúng có sự kiên nhẫn vô hạn và nắm giữ toàn bộ lịch sử khách hàng.

  • Khung “ROI của Token”: Ayala phân loại token thành các cấp độ, lập luận rằng giá trị cao nhất (“Cấp 3”) đến từ các tác nhân mà bạn có thể tính toán chính xác ROI (tỷ suất hoàn vốn) trực tiếp cho mỗi token được chi trả.

  • Mô hình “Ratatouille” cho lao động: Trong thế giới vật lý (như thợ cơ khí), AI không thay thế con người mà đóng vai trò là một “trợ thủ” (El Mike), hướng dẫn kiểm tra và giúp giảm hơn 20% các khiếu nại bảo hành.


Bài học thực tiễn



  • Xây dựng “phanh” để chạy nhanh hơn: Hãy đầu tư thời gian, tiền bạc và nguồn lực kỹ thuật cho khung đánh giá (evals) tương đương với mức đầu tư cho chính các tác nhân. Nếu không có sự đo lường nghiêm ngặt về kết quả kinh doanh (như tỷ lệ chuyển đổi), bạn không thể cải tiến an toàn ở tốc độ cao.

  • Tránh hội chứng “AI gắn thêm”: Đừng chỉ cung cấp ChatGPT cho đội ngũ hoặc xây dựng những quy trình hời hợt. Hãy tự hỏi: “Chúng ta sẽ xây dựng điều gì nếu hôm nay chúng ta thành lập công ty này từ con số không với một siêu trí tuệ dồi dào?”

  • Tập trung vào mục tiêu, không phải quy trình: Hãy từ bỏ các sơ đồ tác nhân cứng nhắc và chuyển sang giao cho tác nhân những mục tiêu dài hạn cùng quyền truy cập vào các API/công cụ cần thiết để đạt được mục tiêu đó.

  • Triển khai chuyển đổi từ trên xuống (Top-Down): Việc áp dụng AI không thể chỉ là văn hóa “hackathon” từ dưới lên; nó đòi hỏi một chiến lược xuyên suốt và rõ ràng từ ban lãnh đạo về việc tổ chức sẽ trông như thế nào trong 3 đến 5 năm tới.


你是否願意摧毀一個獲利且運作良好的商業模式，去打造一個甚至尚未存在的模式？這正是 Kavak 的首席產品與 AI 官 Alejandro Ayala 所下的激進賭注。當時他意識到，僅僅為公司「增加 AI 功能」是不夠的。Kavak 並非將大語言模型（LLMs）視為客戶服務的表面插件，而是將自己重新定義為一家「AI 原生」組織，從交易模式轉向關係模式——每天實例化數十萬個個性化代理（agents），以管理客戶的完整生命週期。


這次轉型並非毫無陣痛；Ayala 描述在最初的一年裡，初步的轉變並未奏效，導致他們不得不徹底拆除代理架構，轉而採用更強大的「虛擬機（virtual machine）」方法。在這一新系統中，代理不再僅僅是遵循工作流程，而是被賦予長期目標，例如最大化客戶終身價值。這一轉變產生了驚人的結果：目前代理處理了 96% 的互動和 95% 的交易，且其轉單率通常是頂尖人類銷售專家的兩倍以上。


除了客戶界面，Kavak 還將 AI 整合到核心領導層和勞動力中。該公司嘗試讓一名「AI CEO」管理墨西哥的一個特定城市，結果在首月就成功將利潤提升了 50%。為了確保人力員工不被遺棄，Kavak 創立了「絕地武士學院（Jedi Academy）」，這是一個為期六週的密集計畫，培訓從技師到高管的所有人員如何構建代理以及與代理協作。其目標是打造一個「自我改良的組織」，讓人類與代理之間的界限變得流動，使公司能隨著模型智能的提升而實現指數級擴展。


驚人的洞察



  • AI CEO： 一個擔任城市經理的代理表現優於人類基準，透過微觀管理每日計劃並以語音訊息與實體工人互動，將利潤提升了 50%。

  • 代理是銷售員而非客服： 當大多數公司使用 AI 來削減客服成本時，Kavak 將其用於創造收入。他們發現代理在銷售高價商品時更有效，因為它們擁有無限的耐心並掌握完整的客戶歷史記錄。

  • 「Token ROI」框架： Ayala 將 Token 分為不同層級，認為最高價值（「第三層」）來自於那些可以計算每個單一 Token 支出之直接投資報酬率（ROI）的代理。

  • 勞動力中的「料理鼠王」模式： 在物理世界（如技師）中，AI 並非取代人類，而是扮演「助手」（El Mike）的角色，指導檢查工作，並將保固索賠減少了 20% 以上。


實務啟示



  • 打造「煞車」以跑得更快： 在評估（evals）框架上投入與開發代理同等的時間、金錢和工程力量。如果沒有對業務成果（如轉單率）進行嚴格衡量，就無法在高速度下安全地進行迭代。

  • 避免「AI 疊加」症候群： 不要只是給團隊提供 ChatGPT 或構建表層的工作流程。而應思考：「如果我們今天在擁有充足超級智能的情況下從零開始創立這家公司，我們會構建什麼？」

  • 關注目標而非流程： 擺脫僵化的代理圖表（agent graphs），轉而給予代理長期目標，並提供達成目標所需的 API 和工具。

  • 實施由上而下的轉型： AI 的採納不能僅僅是底層的「黑客松」文化；它需要領導層制定清晰的垂直戰略，定義組織在三到五年後應有的模樣。


Seriez-vous prêt à détruire un modèle économique rentable et fonctionnel pour en bâtir un qui n’existe même pas encore ? C’est le pari radical qu’a pris Alejandro Ayala, Chief Product and AI Officer chez Kavak, lorsqu’il a décidé que le simple fait d’« ajouter l’IA » à l’entreprise ne suffisait pas. Au lieu d’utiliser les LLM comme de simples plug-ins superficiels pour le service client, Kavak s’est réimaginée en tant qu’organisation « AI-native », passant d’un modèle transactionnel à un modèle relationnel où des centaines de milliers d’agents personnalisés sont instanciés quotidiennement pour gérer l’ensemble du cycle de vie d’un client.


Cette transformation ne s’est pas faite sans heurts ; Ayala décrit une période d’un an où les premiers changements n’ont pas fonctionné, menant à une déconstruction totale de l’architecture de leurs agents pour s’orienter vers une approche de « machine virtuelle » plus robuste. Dans ce nouveau système, les agents ne se contentent pas de suivre des flux de travail (workflows) ; on leur assigne des objectifs à long terme, tels que la maximisation de la valeur vie client (Customer Lifetime Value). Ce pivot a produit des résultats stupéfiants : les agents gèrent désormais 96 % des interactions et 95 % des transactions, convertissant souvent les clients à un taux plus de deux fois supérieur à celui des meilleurs experts commerciaux humains.


Au-delà de l’interface client, Kavak a intégré l’IA au cœur de sa direction et de sa main-d’œuvre. L’entreprise a expérimenté un « PDG IA » pour gérer une ville spécifique au Mexique, lequel a réussi à augmenter les bénéfices de 50 % dès son premier mois. Pour s’assurer que le personnel humain ne soit pas laissé pour compte, Kavak a créé la « Jedi Academy », un programme intensif de six semaines qui forme tout le monde, des mécaniciens aux cadres, à la manière de construire et de collaborer avec des agents. L’objectif est de devenir une « organisation auto-améliorée » où la frontière entre l’humain et l’agent est fluide, permettant à l’entreprise de croître de manière exponentielle à mesure que l’intelligence des modèles augmente.


enseignements surprenants



  • Le PDG IA : Un agent agissant comme gestionnaire de ville a surpassé les références humaines, augmentant les profits de 50 % en micro-gérant les plans quotidiens et en interagissant avec les travailleurs physiques via des notes vocales.

  • Les agents comme commerciaux, pas comme support : Alors que la plupart des entreprises utilisent l’IA pour réduire les coûts du support, Kavak l’a utilisée pour générer des revenus, constatant que les agents sont plus efficaces pour vendre des produits à prix élevé car ils sont infiniment patients et possèdent l’historique complet du client.

  • Le cadre du « ROI du Token » : Ayala catégorise les tokens par niveaux, affirmant que la valeur la plus élevée (« Niveau 3 ») provient des agents pour lesquels on peut calculer le ROI direct de chaque token dépensé.

  • Le modèle « Ratatouille » pour le travail : Dans le monde physique (mécaniciens), l’IA ne remplace pas l’humain mais agit comme un « adjoint » (El Mike), guidant les inspections et réduisant les demandes de garantie de plus de 20 %.


Conseils pratiques



  • Construisez des « freins » pour aller plus vite : Investissez autant de temps, d’argent et d’efforts d’ingénierie dans votre cadre d’évaluation (evals) que dans les agents eux-mêmes. Sans une mesure rigoureuse des résultats business (comme la conversion), vous ne pouvez pas itérer en toute sécurité à grande vitesse.

  • Évitez le syndrome de « l’IA en surcouche » : Ne vous contentez pas de donner ChatGPT à votre équipe ou de créer des workflows superficiels. Demandez-vous : « Que construirions-nous si nous lancions cette entreprise aujourd’hui, en partant de zéro, avec une super-intelligence abondante ? »

  • Concentrez-vous sur les objectifs, pas sur les workflows : Éloignez-vous des graphes d’agents rigides pour donner aux agents des objectifs à long terme et l’accès aux API/outils nécessaires pour les atteindre.

  • Implémentez une transformation Top-Down : L’adoption de l’IA ne peut pas être une culture de « hackathon » ascendante ; elle nécessite une stratégie verticale claire de la part de la direction sur l’apparence que devra avoir l’organisation dans trois à cinq ans.


Wären Sie bereit, ein profitables, funktionierendes Geschäftsmodell zu opfern, um eines aufzubauen, das es so noch gar nicht gibt? Genau diese radikale Wette ging Alejandro Ayala, Chief Product and AI Officer bei Kavak, als er entschied, dass es nicht ausreichte, der Firma einfach nur „KI hinzuzufügen“. Anstatt LLMs (Large Language Models) als oberflächliche Plug-ins für den Kundenservice zu nutzen, definierte Kavak sich als KI-native Organisation neu. Das Unternehmen vollzog den Wechsel von einem transaktionalen zu einem relationalen Modell, bei dem täglich Hunderttausende personalisierter Agenten instanziiert werden, um den gesamten Lebenszyklus eines Kunden zu steuern.


Diese Transformation verlief nicht ohne Schmerzen; Ayala beschreibt ein Jahr, in dem die ersten Ansätze nicht funktionierten, was zu einem kompletten Abriss der Agenten-Architektur führte, um auf einen robusteren „Virtual Machine“-Ansatz umzustellen. In diesem neuen System folgen die Agenten nicht einfach nur Workflows; sie erhalten langfristige Ziele, wie beispielsweise die Maximierung des Customer Lifetime Value. Dieser Strategiewechsel hat verblüffende Ergebnisse geliefert: Agenten wickeln mittlerweile 96 % der Interaktionen und 95 % der Transaktionen ab und konvertieren Kunden oft mit einer mehr als doppelt so hohen Quote wie die besten menschlichen Vertriebsexperten.


Über die Kundenschnittstelle hinaus hat Kavak KI in die Kernführung und die Arbeitsabläufe integriert. Das Unternehmen experimentierte mit einem „KI-CEO“, um eine bestimmte Stadt in Mexiko zu leiten, was im ersten Monat zu einer Profitsteigerung von 50 % führte. Um sicherzustellen, dass die menschlichen Mitarbeiter nicht auf der Strecke bleiben, gründete Kavak die „Jedi Academy“ – ein sechswöchiges Intensivprogramm, in dem jeder, vom Mechaniker bis zum Manager, lernt, wie man Agenten erstellt und mit ihnen zusammenarbeitet. Das Ziel ist eine „selbstverbessernde Organisation“, in der die Grenze zwischen Mensch und Agent fließend ist und das Unternehmen mit zunehmender Intelligenz der Modelle exponentiell skalieren kann.


Überraschende Erkenntnisse



  • Der KI-CEO: Ein Agent, der als Stadtmanager fungierte, übertraf menschliche Benchmarks und steigerte die Gewinne um 50 %, indem er Tagespläne im Detail steuerte und per Sprachnachricht mit den Mitarbeitern vor Ort interagierte.

  • Agenten als Verkäufer, nicht als Support: Während die meisten Unternehmen KI zur Kostensenkung im Support einsetzen, nutzt Kavak sie zur Umsatzgenerierung. Dabei stellte man fest, dass Agenten beim Verkauf hochpreisiger Artikel effektiver sind, da sie unendlich geduldig sind und über die vollständige Historie des Kunden verfügen.

  • Das „Token-ROI“-Framework: Ayala unterteilt Token in verschiedene Ebenen (Tiers). Er argumentiert, dass der höchste Wert („Tier 3“) von Agenten kommt, bei denen man den direkten ROI für jeden einzelnen ausgegebenen Token berechnen kann.

  • Das „Ratatouille-Modell“ für die Arbeit: In der physischen Welt (z. B. bei Mechanikern) ersetzt die KI den Menschen nicht, sondern agiert als „Sidekick“ (El Mike), der Inspektionen anleitet und Gewährleistungsansprüche um über 20 % reduziert.


Praktische Lehren



  • „Bremsen“ bauen, um schneller fahren zu können: Investieren Sie genauso viel Zeit, Geld und Engineering-Aufwand in Ihr Evaluations-Framework (Evals) wie in die Agenten selbst. Ohne eine präzise Messung der Geschäftsergebnisse (wie z. B. Konversionsraten) können Sie nicht sicher mit hoher Geschwindigkeit iterieren.

  • Das „AI-on-Top“-Syndrom vermeiden: Geben Sie Ihrem Team nicht einfach nur Zugang zu ChatGPT und bauen Sie keine oberflächlichen Workflows. Fragen Sie stattdessen: „Was würden wir bauen, wenn wir dieses Unternehmen heute von Grund auf mit reichlich Superintelligenz gründen würden?“

  • Fokus auf Ziele, nicht auf Workflows: Bewegen Sie sich weg von starren Agenten-Graphen hin zur Definition langfristiger Ziele für die Agenten sowie dem Zugang zu den notwendigen APIs und Tools, um diese zu erreichen.

  • Top-Down-Transformation implementieren: Die Einführung von KI darf keine reine Bottom-up-„Hackathon-Kultur“ sein; sie erfordert eine klare vertikale Strategie der Führungsebene darüber, wie die Organisation in drei bis fünf Jahren aussehen soll.


Summary & Insights

Would you be willing to destroy a profitable, working business model to build one that doesn't even exist yet? This is the radical bet Alejandro Ayala, Chief Product and AI Officer at Kavak, took when he decided that simply "adding AI" to the company wasn't enough. Instead of using LLMs as superficial plug-ins for customer service, Kavak reimagined itself as an AI-native organization, moving from a transactional model to a relational one where hundreds of thousands of personalized agents are instantiated daily to manage the entire lifecycle of a customer.

The transformation was not without pain; Ayala describes a period of a year where the initial shifts didn't work, leading to a total teardown of their agent architecture to move toward a more robust "virtual machine" approach. In this new system, agents aren't just following workflows; they are given long-term goals, such as maximizing customer lifetime value. This shift has produced staggering results, with agents now handling 96% of interactions and 95% of transactions, often converting customers at over twice the rate of the best human sales experts.

Beyond the customer interface, Kavak has integrated AI into its core leadership and labor. The company experimented with an "AI CEO" to manage a specific city in Mexico, which successfully increased profits by 50% in its first month. To ensure the human workforce wasn't left behind, Kavak created the "Jedi Academy," a six-week intensive program that trains everyone from mechanics to executives on how to build and collaborate with agents. The goal is a "self-improving organization" where the boundary between human and agent is fluid, and the company can scale exponentially as model intelligence increases.

Surprising Insights

  • The AI CEO: An agent acting as a city manager outperformed human benchmarks, increasing profits by 50% by micromanaging daily plans and interacting with physical workers via voice notes.
  • Agents as Salespeople, Not Support: While most companies use AI for cost-cutting in support, Kavak used it for revenue generation, finding that agents are more effective at selling high-ticket items because they are infinitely patient and possess total customer history.
  • The "Token ROI" Framework: Ayala categorizes tokens into tiers, arguing that the highest value ("Tier 3") comes from agents where you can calculate the direct ROI of every single token spent.
  • The "Ratatouille" Model for Labor: In the physical world (mechanics), AI doesn't replace the human but acts as a "sidekick" (El Mike), guiding inspections and reducing warranty claims by over 20%.

Practical Takeaways

  • Build "Brakes" to Go Faster: Invest as much time, money, and engineering effort into your evaluation (evals) framework as you do into the agents themselves. Without rigorous measurement of business outcomes (like conversion), you cannot iterate safely at high speeds.
  • Avoid "AI-on-Top" Syndrome: Don't just give your team ChatGPT or build superficial workflows. Ask: "What would we build if we were starting this company from scratch today with abundant super-intelligence?"
  • Focus on Objectives, Not Workflows: Move away from rigid agent graphs and towards giving agents long-term goals and access to the necessary APIs/tools to achieve them.
  • Implement Top-Down Transformation: AI adoption cannot be a bottom-up "hackathon" culture; it requires a clear, vertical strategy from leadership regarding what the organization should look like in three to five years.

Angela Strange and Gabriel Vasquez are joined by Alejandro Maza Ayala, Chief Product & AI Officer at Kavak, to unpack how the Latin American used-car marketplace rebuilt itself around AI agents, with 96% of customer interactions and 95% of transactions now handled by agents.

Alejandro explains why Kavak decided that simply giving employees AI tools wasn’t enough, and instead redesigned the company’s systems, teams, and customer experience around agents. They discuss why Kavak spends as much engineering effort on evals as it does building agents, how its AI sellers outperform its human teams, and an experiment where an AI “CEO” increased profits in one city by 50% in its first month.

The conversation also explores what happens to organizational structure when agents do most of the work, why Kavak trains everyone from executives to mechanics to build with AI, and Alejandro’s argument that companies looking for incremental AI adoption may be missing the larger opportunity: redesigning the organization itself.

 

Resources:

Follow Alejandro Maza Ayala on X: https://x.com/alehandromz

Follow Angela Strange on X: https://x.com/astrange

Follow Gabriel Vasquez on X: https://x.com/GEVS94

Stay Updated:

Find a16z on YouTube: YouTube

Find a16z on X

Find a16z on LinkedIn

Listen to the a16z Show on Spotify

Listen to the a16z Show on Apple Podcasts

Follow our host: https://twitter.com/eriktorenberg

 

Please note that the content here is for informational purposes only; should NOT be taken as legal, business, tax, or investment advice or be used to evaluate any investment or security; and is not directed at any investors or potential investors in any a16z fund. a16z and its affiliates may maintain investments in the companies discussed. For more details please see a16z.com/disclosures.

Hosted by Simplecast, an AdsWizz company. See pcm.adswizz.com for information about our collection and use of personal data for advertising.

a16z Podcasta16z Podcast
Let's Evolve Together
Logo