事件概述

2026 年 7 月 16 日，OpenAI 官方发布了一项案例研究，介绍了印度二手车交易平台 Cars24 如何全面采用 OpenAI 技术构建 AI 驱动的语音和聊天代理，以应对高复杂度、高碎片化的汽车交易市场。Cars24 运营着全球最大的 AI 原生汽车生态系统之一，业务覆盖印度、阿联酋和澳大利亚，支持从发现、融资到转售和售后服务的完整车主生命周期。

通过引入 OpenAI 的 API、ChatGPT Enterprise 和 Codex，Cars24 实现了以下关键成果：

  • 每月超过 100 万分钟的 AI 代理处理对话
  • 客户支持解决率提升 50%
  • 关键服务流程周转时间减少 80%
  • 通过 AI 驱动的再激活，挽回了 12% 的原本已流失的卖家线索

关键技术点

1. 覆盖全客户旅程的 AI 语音与聊天代理

Cars24 从销售漏斗的中低端（即对话驱动转化的环节）切入，使用 OpenAI API 构建了语音和聊天代理，覆盖买家与卖家的完整交互流程：

  • 买家侧：AI 代理主动询问预算、家庭规模、通勤需求及偏好车型，从 Cars24 目录中推荐车辆，预约试驾，协助融资，并在试驾前后进行跟进确认、提供替代建议、收集额外信息。
  • 卖家侧：AI 代理收集车辆信息、安排检测、发送提醒、协助重新预约错过的检测，并收集竞争情报。对于超过 10 天未转化的线索，AI 代理主动重新接触客户，确认意向并引导回到漏斗。

2. Codex 融入软件开发生命周期

Cars24 将 OpenAI Codex 深度嵌入日常工作流，将其视为项目协作中的“参与者”而非孤立工具：

  • 产品经理使用 Codex 创建和优化 Linear 工单。
  • 工程团队在 Bug 报告中标记 Codex，使其能自动选取任务。
  • Codex 汇总 GitHub 上的工作进展并发布更新，从而减少团队站会频率。
  • 跨产品、设计和工程团队，Codex 帮助完成从工单创建、任务梳理到实现、Bug 修复和更新发布的完整流程。

3. 从工程到全公司的 AI 工作流扩展

最显著的转变是 Codex 的应用超出了工程部门，AI 成为公司内部的“操作系统层”。例如：

  • 财务与投资者关系：团队使用 Codex 从系统中自动拉取数据、执行分析并准备报告，无需手动向多个业务负责人索取信息。
  • 采购审批：Codex 自动审查超过阈值的采购请求，检测异常、标记问题并在无问题时自动批准。
  • “幕僚长”Agent：部分团队自主构建了连接 Slack、Gmail、WhatsApp 等多个系统的 AI Agent，用于管理沟通、排程、招聘流程和跟进。

Cars24 在整个中央组织内约 600 名员工部署了 ChatGPT Enterprise 和 Codex，日活跃使用率达 85%–90%。

对数据科学或 AI Agent 落地的意义

Cars24 的案例为 AI Agent 在复杂业务场景中的规模化落地提供了极具参考价值的范例：

  1. 从高价值、高反复交互的流程切入：汽车交易环节复杂、耗时，纯人工处理难以保证一致性和扩展性。AI Agent 可以充当“永不疲倦”的销售顾问，大幅提升线索覆盖和转化率。
  2. AI Agent 并非独立工具，而是操作系统层：Cars24 将 AI 同时部署在客户侧（对话）和内部侧（工作流），证明 Agent 可以同时优化外部体验与内部效率。
  3. 低代码/无代码赋能非技术团队：员工自主构建“幕僚长”Agent 和自动化流程，表明当 AI 工具足够易用时，业务团队能快速成为创新主力。
  4. 产品化而非单点集成：Cars24 将 Codex 嵌入 Linear、GitHub、Slack 等既有工具生态，降低了学习成本，提升采用率。

我的技术点评

Cars24 的做法体现了当前 AI Agent 落地的关键趋势：将 AI 当作“参与方”而非“替代品”。他们不是简单地用 LLM 替换人工坐席，而是将 AI 嵌入到购车这一复杂决策流程的每一个触点，同时用 Codex 改造内部的开发与协作方式。

值得注意的一点是，Cars24 从销售漏斗中段开始部署 AI，说明他们选择了“低风险、高可控”的切入点——这部分流程已有明确规则和结构化数据，AI 的判断失误成本较低，且能快速看到转化提升（12% 的线索挽回）。这种“渐进式扩展”策略对于其他希望部署 Agent 的企业具有很强参考性。

另一个亮点是 Codex 的“员工”属性：它不仅帮助写代码，还自动在 GitHub 上更新进度、减少站会——这暗示了“AI 同事”的未来形态：主动参与项目管理、信息同步甚至团队协作，而不仅仅是生成代码。Cars24 将 Codex 集成到 Linear 和 GitHub 的工作流中，这一做法比单纯使用代码补全更加深入，值得关注。

当然，原文未提及具体的成本数据、模型选型（如使用 GPT-4 还是其他版本）以及多语言/方言处理的细节，这些信息对于希望复现类似场景的团队同样重要。

原文链接

How Cars24 scales conversations and builds faster with OpenAI