AutoScout24 通过 OpenAI AI 驱动的工作流扩展工程规模

AutoScout24 Group 已实施双层 AI 采用策略，使用 OpenAI 的 ChatGPT 和 Codex 加速软件开发并扩展工程运营。此转型使公司能够为其 3000 万月活用户和 45,000 家经销商合作伙伴提供更快的迭代和改进的用户体验。

通过双层 AI 采用实现工程转型

AutoScout24 Group 采用了双管齐下的方法将 AI 融入组织工作流，以在广泛可及性和专业技术影响之间取得平衡：

• 广泛赋能： 大约 2,000 名跨职能员工获得了 ChatGPT 访问权限，以建立 AI 素养的基线。
• 深度技术集成： 大约 1,000 名“构建者”员工（工程、数据和产品角色）配备了 Codex，这是一种直接集成到日常流程中的编码代理。

在三个月的评估期后，Codex 因其在可用性、工作流兼容性以及提供可衡量的代码质量和生产力提升方面的表现而被选中。

软件开发中的高影响 AI 用例

AI 工具已嵌入现有工作流，而非作为独立工具使用，从而在特定工程任务中实现可衡量的收益：

• 自动代码审查： 减少与拉取请求审查相关的手动工作量。
• 大规模重构： 加速更新遗留系统和进行迁移的过程。
• 技术文档： 自动化技术指南的创建和维护。
• 事后分析： 利用 AI 分析故障和事件，以防止再次发生。

除了工程之外，公司报告称非技术岗位现在能够独立原型化想法并验证概念，从而扩大组织的整体创新能力。

可衡量的结果与生产力提升

AI 驱动的工作流整合显著缩短了开发时间，部分项目的开发周期已从 2–3 周降至 2–3 天。其他关键成果包括：

• 提升吞吐量： 更高的工程吞吐量实现更快的实验和迭代。
• 质量提升： 自动审查提升了代码的一致性和质量。
• 降低手动工作量： 文档和拉取请求审查的手动工作量减少。

战略实施框架

为规模化 AI 采用，AutoScout24 Group 建立了跨职能的 “AI Champions” 网络。该网络在中心领导层与各团队之间创建了反馈回路，确保 AI 能力转化为实际、落地的用例。

据 CTO Frederik Kraus 称，该策略侧重于增强现有团队能力，而非取代它们。公司总结的领导经验包括：

• 优先考虑用例： 注重实际应用，而非自上而下的指令。
• 严格评估： 使用可衡量的工程指标评估 AI 工具。
• 跨职能扩展： 利用冠军在组织内部有机地扩展知识。

未来展望

AutoScout24 Group 计划继续将 AI 深度整合到核心系统，以实现平台更高程度的自动化和智能化，进一步提升买家和经销商的用户体验。