不求拯救世界：Gojek母公司GoTo推进务实AI路线，聚焦降本增效与转化率提升

核心要点

• 收敛AI投资焦点：在历经两年实验后，Gojek母公司GoTo集团结束了“百花齐放”的无序探索期，全面转向以提升转化率和降低成本为导向的务实应用。
• 核心衡量指标：GoTo为所有AI项目设定了两项严苛的考核准则：能否提升用户转化率，或能否降低服务客户的综合成本。
• 精细化模型组合：为了应对印尼盾收入与美元算力成本之间的汇率压力，GoTo放弃完全依赖前沿大模型，采用混合架构并重点部署70亿、90亿及自研的270亿参数中小模型。
• 落地成效初显：AI系统已独立承接GoTo平台35%的客户服务工单，满意度提升20%；在金融信贷业务中，催收AI机器人让回款率提高了3个百分点。
• 2027全面铺开：GoTo正通过实际业务沉淀核心能力，为2027年集团全线产品和服务的深度AI化铺平道路。

详细分析

从无序试水到业务驱动：务实理念主导技术收敛

在新加坡举办的Tech in Asia 2026峰会上，GoTo总裁兼集团首席执行官汉斯·帕图沃（Hans Patuwo）坦言：“我们并不是想要解决全球饥饿问题。”这句表态直接点明了当前东南亚互联网巨头在AI热潮中的理性回归。GoTo自2024年开启AI探索，在2025年开始梳理自研与外部采购的边界。帕图沃指出，过去曾允许各团队自由尝试的“百花齐放”阶段已经结束，企业不可能漫无边际地投入算力竞赛。AI的核心任务应当是赋能现有业务的数字化转型，而不是让企业偏离本业成为一家截然不同的公司。如今，GoTo将AI项目与常规产品研发放在同一资金池中竞争，唯有能证明自身具备投资回报率（ROI）的项目才能获得资源支持。

控制推理成本：中小模型与本土化微调结合

技术路线选择背后，是严峻的财务现实考量。GoTo的核心营收货币为印尼盾，而采购海外头部大模型服务的Token费用则以美元结算，汇率波动与高昂的推理成本让全盘使用商业前沿模型变得极不划算。为此，GoTo采取了“大模型引路、中小模型落地”的分层架构：一方面在极少数复杂场景下使用前沿商业模型；另一方面，大量依赖开源模型，并结合印尼本地语料与业务数据进行微调。目前，GoTo已大量上线70亿（7B）和90亿（9B）参数级别的高性价比模型，并计划推出针对本地语言优化的270亿（27B）参数模型。这种架构在大幅压缩推理成本的同时，确保了系统对东南亚多语种和本地文化细微差别的理解能力。

聚焦关键场景：智能客服与金融业务双线突破

GoTo的务实策略已经在具体业务场景中兑现了商业价值。在客户服务领域，自动化AI智能体承担了全集团约35%的投诉与咨询工单，不仅减少了人工客服的工作负载，而且由于响应迅速、流程标准化，AI处理工单的客户满意度评价相比以往基准线提升了20%。而在GoTo积极拓展的金融科技板块，AI机器人在信贷催收环节表现亮眼，成功将整体还款回收率拉升了3个百分点。这些具体、可量化的成效验证了务实路线的可行性，也为集团计划在2027年更大规模地向全线产品和服务铺开AI能力奠定了坚实的技术与财务基础。

行业影响

GoTo的发展路线标志着新兴市场科技公司在生成式AI应用上进入“去泡沫化”阶段。与欧美科技巨头军备竞赛式的算力堆叠不同，发展中市场的互联网平台正转向“成本与转化第一”的工程化落地逻辑。GoTo所展现的打法证明了企业无需全面跟进千亿参数大模型，通过7B至27B量级的精细化微调开源模型，同样能够在垂直场景中产生正向财务回报。这一策略为东南亚以及拉美等具备本地货币结算压力的新兴市场企业提供了可复制的AI落地样板，加速推动整个行业从追逐模型技术参数转向考核商业闭环与降本增效。

常见问题

什么是GoTo推行的“务实AI路线”？

务实AI路线是指GoTo不再追求构建通用前沿模型或空泛的概念验证，而是将AI深度融入现有的打车、外卖和金融等核心业务中，将“能否提高用户转化”与“能否降低履约成本”作为立项和考核的唯一核心准则，优先使用性价比极高的小型模型解决实际业务瓶颈。

GoTo为何不直接全面采用海外最顶尖的商业大模型？

主要由于财务与汇率考量。GoTo的主营业务收入来自于印尼盾，而调用海外闭源大模型需要支付高昂的美元Token费用。通过混合使用开源模型并在印尼本地语料上微调7B至27B参数模型，GoTo能够在显著降低美元支出的同时，获得更贴近东南亚本地语言和文化特性的AI能力。

GoTo的AI应用目前取得了哪些实际进展？

目前GoTo的AI系统已经能够自主处理35%的客服投诉工单，客户满意度提升20%；同时在金融科技业务中，AI催收机器人使信贷回款率提高了3个百分点。集团计划在2027年迎来AI产品和服务的全面规模化落地。