Localiza 如何围绕生成式 AI 重组工作流程

# Localiza 如何围绕生成式 AI 重组工作方式 Source: https://openai.com/index/localiza-generative-ai/ 生成式 AI 出现时，Localiza 做出了一个定义了此后一切举措的判断：这不仅仅是一个工具箱里的新软件，而是公司运营方式的变革。 与其追求孤立的应用场景，公司围绕三大战略支柱来组织与 OpenAI 的协作：通过大规模实验推动业务转型、打造全新的客户交互界面、构建 AI 原生产品。贯穿三者的共同决策是：围绕智能、上下文和速度来重新设计工作流程。 > "我们认为这是一款强大的工具，能够帮助团队把他们原本就擅长的事情做得更好。他们践行我们的文化，理解客户的需求，也知道如何提供优质的服务。" —André Petenussi，CTO，Localiza ## 支柱一：规模驱动学习 指导内部采用的原则很简单：规模驱动学习，学习催生更好的产品。 在实践中，这意味着将 ChatGPT 许可证作为实验和生产力资源来分配，而非仅仅作为个人福利。Localiza 从财务到日常运营的各个团队，都在积极使用自定义 GPT、智能体和 Codex 进行实验。 Codex 最初进入的是技术部门——软件工程师、产品经理、设计师和数据科学家。但采用并未止步于此：分析师、经理、PMO、律师等各业务领域的专家也开始构建自己的原型和自动化流程，来验证各自专业领域的假设。 这是公司未曾预料到的一个效果——开发前置阶段被重新定义了，多学科团队在方案进入开发队列之前就完成了原型验证。 他指出，瓶颈在于人，而非技术。 > "最大的挑战是帮助一支庞大的团队掌握新的工作方式、构建新的技能，同时确保我们全部 19 个部落和 130 个小队都能高效、一致地运作。" —André Petenussi，CTO，Localiza ## 支柱二：客户用自然语言描述需求 第二个领域源于一个行为观察：人们已经开始用自然语言描述自己的需求，这在他们表达意图的那一刻，为出行服务创造了一个全新的入口。 Localiza 的内部数据证实了这一趋势：来自大语言模型（LLM）的流量自 2024 年以来快速增长，其中 ChatGPT 成为主要渠道。 公司选择尽早布局这一领域。2026 年 3 月，它成为巴西首个——也是拉丁美洲首批之一——推出直接集成在 ChatGPT 中应用的出行平台。客户可以在对话中探索租车、订阅和二手车选项，并在对话中开启旅程，随后在 Localiza 的安全环境中完成交易。 > "我们相信，之所以能够以这些新方式服务客户，是因为我们很早接受了这一挑战，并在每一步中持续学习。" —André Petenussi，CTO，Localiza 在内部，Localiza 在 ChatGPT 中的应用被视为它本来的样子：一个实验，旨在让公司紧跟客户行为的前沿，加速从真实交互中学习，并探索 AI 如何补充现有生态系统。 ## 支柱三：Liza——围绕对话设计的产品 公司在 AI 原生产品方面最典型的例子是 Liza，一个会话式助手，已在运营中成为成功的典范。 它与传统聊天机器人的区别在于架构，而非界面。Liza 并非基于固定的决策树构建，而是围绕对话、意图和上下文打造：它将 OpenAI 模型、Localiza 服务和专用工具结合起来，支撑体验的关键环节——从理解初始请求到协助租车旅程的关键阶段。 其目标是以高质量处理重复性旅程，将团队解放出来专注于更复杂、更高价值的交互。 但成功的衡量标准不是自动化的数量。 Localiza 在获得这类技术之前，就已经在梳理和衡量客户服务旅程——正是这一基础，使得公司能够清晰地决定智能体应在何处介入、人工又在何处不可或缺。 > "我们始终致力于让客户旅程尽可能顺畅，并开发了衡量这一体验质量的指标。转化率我们当然也会追踪，但我们的核心关注点始终是客户体验。" —André Petenussi，CTO，Localiza Liza 还充当了一个持续学习的闭环：来自交互的聚合监控信号有助于识别需求、痛点和服务机会。结合语音功能——语音转文字和文字转语音——这些信号推动 Liza 从一个交易型聊天机器人进化为一个 AI 原生客户界面，能够学习并跨越不同的出行旅程进行规模化。 > "这让团队的大部分成员得以腾出手来，更自信、更从容地解决更有意义的问题，帮助我们更好地履行对客户的使命。" —André Petenussi，CTO，Localiza ## 自 GPT-3.5 起，共同学习 与 OpenAI 的合作开始得很早：Liza 的第一个版本运行在 GPT-3.5 上。 对 Petenussi 而言，这段合作关系的核心价值在于两家并行演进的公司之间的主动学习，而非某个具体功能——合作方理解 Localiza 的挑战，也了解其在技术内外不同能力的成熟度。 这是他经常向市场上的其他公司提出的一个论点：对于一项仍在成熟中的技术，试错与紧密协作具有巨大的价值。 > "我们相信，我们仍处于一项正在变革市场、变革工作方式、变革产品与服务使用方式的技术的早期阶段。它将在未来 5 年、10 年和 15 年塑造我们的世界。" —André Petenussi，CTO，Localiza ## 成果概览 - 2026 年 3 月，Localiza 成为巴西首家——也是拉丁美洲首批之一——推出直接集成在 ChatGPT 中应用的公司；近期，它又以广告主身份加入了该平台在巴西的广告试点计划。 - 来自大语言模型的流量自 2024 年以来持续快速增长，ChatGPT 为主要渠道。 - Liza 助手运行在 60 多个专用智能体之上，基于推理模型、MCP 集成和专用工具构建，编排整个租车旅程。 - 公司各团队——从财务到运营——都在积极使用自定义 GPT、智能体和 Codex 进行实验。 - Codex 从技术部门扩展到业务领域，分析师、经理、PMO 和律师纷纷构建自己的原型和自动化流程。 - 技术运营组织为 19 个部落和 130 个小队。 ## 给领导者的启示 - 将 AI 视为一种新的运营模式，而非生产力工具层。最大的收益来自围绕智能、上下文和速度重新设计流程。 - 用规模来产生学习。大规模的并行实验比一个完美的试点项目能产生更多组织知识。 - 让实验走出技术部门。当律师、PMO 和分析师在自己的领域内构建原型时，上游工作的性质就发生了改变。 - 在自动化之前，先梳理并衡量你的旅程。拥有质量指标，才能决定智能体应在何处介入、人工又在何处不可或缺。 - 采用的瓶颈是技能再造，而非模型。改变数百人的工作方式，比集成技术更难——也更具决定性。 ## 实用建议 - 从客户的问题和旅程出发，而非从模型功能出发。 - 将许可证作为实验预算来分配，而非个人福利。 - 在规模化会话式智能体之前，先建立质量指标。 - 将新会话渠道上的存在视为一个学习实验，而非获客活动。 - 闭环：利用每次交互产生的信号来改进产品本身。 ## 下一步 Localiza 的目标是将 AI 置于其下一阶段体验和流程的核心——无论是工作成果的生产方式、为客户创造的体验，还是运营问题的解决方式。 目前正在与 OpenAI 共同开发的下一批方向包括：Liza 的演进和销售导向的智能体、将会话界面确立为客户入口点，以及新一轮智能体驱动的软件开发。 > "核心关注点是我们如何创造更好的体验。无论是提升业务的盈利能力、保障其健康运转，还是——最重要的是——为客户和员工创造令人愉悦的体验。" —André Petenussi，CTO，Localiza