Eine neue Art des Rechnens, kein neues Werkzeug
Als generative KI ankam, vertrat Localiza eine Auffassung, die alles Weitere bestimmte: Dies war mehr als nur eine weitere Software im Werkzeugkasten; es war eine Veränderung in der Art und Weise, wie das Unternehmen arbeitet.
Statt isolierte Anwendungsfälle zu verfolgen, organisierte das Unternehmen seine Zusammenarbeit mit OpenAI um drei strategische Säulen: die Transformation des Geschäfts durch Experimentieren im großen Maßstab, die Schaffung neuer Kundenschnittstellen und den Aufbau KI-nativer Produkte. Was alle drei verbindet, ist die Entscheidung, Prozesse rund um Intelligenz, Kontext und Geschwindigkeit neu zu gestalten.
„Wir sehen dies als ein leistungsfähiges Werkzeug, das unseren Teams hilft, das, was sie bereits gut machen, weiterhin zu tun. Sie leben unsere Kultur, verstehen die Bedürfnisse unserer Kunden und wissen, wie man einen großartigen Service liefert.“—André Petenussi, CTO, Localiza
Säule 1: Skalierung ermöglicht Lernen
Das Prinzip, das die interne Einführung leitet, ist einfach: Skalierung ermöglicht Lernen, und Lernen schafft bessere Produkte.
In der Praxis bedeutete das, ChatGPT-Lizenzen als Ressource für Experimentieren und Produktivität zu verteilen, nicht einfach als individueller Vorteil. Teams in ganz Localiza, von der Finanzabteilung bis zum Tagesgeschäft, führen aktive Experimente mit benutzerdefinierten GPTs, Agenten und Codex durch.
Codex kam zunächst in der Technologieabteilung an – bei Softwareentwicklern, Produktmanagern, Designern und Data Scientists. Doch die Einführung blieb nicht dabei: Analysten, Manager, PMOs, Juristen und andere Fachspezialisten des Geschäfts begannen, eigene Prototypen und Automatisierungen zu bauen, um Hypothesen in ihren Fachgebieten zu testen.
Dies war ein Effekt, mit dem das Unternehmen nicht gerechnet hatte – eine Neudefinition der Phasen vor der Entwicklung, bei der multidisziplinäre Teams Lösungen prototypisieren, bevor sie in eine Entwicklungswarteschlange gelangen.
Der Engpass sei menschlicher statt technischer Natur, sagt er.
„Die große Herausforderung besteht darin, einem großen Team neue Arbeitsweisen und neue Fähigkeiten zu vermitteln, während wir gleichzeitig sicherstellen, dass alle unsere 19 Tribes und 130 Squads effizient und konsistent arbeiten.“—André Petenussi, CTO, Localiza
Säule 2: Kunden beschreiben ihre Bedürfnisse in natürlicher Sprache
Der zweite Bereich beginnt mit einer Beobachtung zum Verhalten: Menschen haben begonnen, in natürlicher Sprache zu beschreiben, was sie brauchen, und schaffen damit einen neuen Einstiegspunkt für Mobilitätsdienstleistungen – genau in dem Moment, in dem sie ihre Absicht äußern.
Localizas interne Daten bestätigen diesen Wandel: Der Traffic, der von LLMs stammt, wächst seit 2024 rapide, wobei sich ChatGPT als Hauptkanal herauskristallisiert.
Das Unternehmen entschied sich, frühzeitig in diesem Raum Präsenz aufzubauen. Im März 2026 wurde es Braziliens erste Mobilitätsplattform – und eine der ersten in Lateinamerika –, die eine App anbietet, die direkt in ChatGPT integriert ist. Kunden können Miet-, Abo- und Gebrauchtwagenoptionen erkunden und ihre Reise im Gespräch beginnen, bevor sie die Transaktion in Localizas sicherer Umgebung abschließen.
„Wir glauben, dass wir unsere Kunden auf diese neuen Arten bedienen konnten, weil wir diese Herausforderung früh angenommen haben und bei jedem Schritt weiter dazugelernt haben.“—André Petenussi, CTO, Localiza
Intern wird Localizas App in ChatGPT als das behandelt, was sie ist: ein Experiment, das darauf ausgelegt ist, das Unternehmen nah an der Grenze des Kundenverhaltens zu halten, das Lernen aus echten Interaktionen zu beschleunigen und zu erkunden, wie KI das bestehende Ökosystem ergänzt.
Säule 3: Liza, ein Produkt, das rund um das Gespräch entworfen wurde
Das deutlichste Beispiel des Unternehmens für ein KI-natives Produkt ist Liza, ein Konversationsassistent, der sich zu einer etablierten Erfolgsgeschichte in seinen Abläufen entwickelt hat.
Der Unterschied zu einem traditionellen Chatbot liegt in der Architektur, nicht in der Oberfläche. Statt einem festen Entscheidungsbaum zu folgen, wurde Liza rund um Gespräch, Absicht und Kontext aufgebaut: Es kombiniert OpenAI-Modelle, Localiza-Dienste und spezialisierte Werkzeuge, um zentrale Teile des Erlebnisses zu unterstützen – vom Verständnis der ersten Anfrage bis zur Unterstützung bei Schlüsselphasen der Mietreise.
Das Ziel ist, wiederholende Abläufe mit Qualität zu bewältigen und die Teams für komplexe Interaktionen mit höherem Wert freizusetzen.
Doch der Erfolg wird nicht am Volumen der Automatisierung gemessen.
Localiza kartierte und maß seine Kundenservice-Abläufe bereits, bevor es Zugang zu dieser Art von Technologie hatte – und diese Grundlage ermöglichte es, klar zu entscheiden, wo ein Agent eingreifen sollte und wo ein Mensch eingreifen muss.
„Wir haben uns immer dafür eingesetzt, die Kundenreise so nahtlos wie möglich zu gestalten, und Metriken entwickelt, um die Qualität dieses Erlebnisses zu messen. Wir verfolgen natürlich auch die Konversion, aber unser Hauptfokus liegt auf dem Kundenerlebnis.“—André Petenussi, CTO, Localiza
Liza dient auch als kontinuierliche Lernschleife: aggregierte, überwachte Signale aus Interaktionen helfen dabei, Bedürfnisse, Reibungspunkte und Servicechancen zu identifizieren. In Kombination mit Sprachfunktionen – Voice-to-Text und Text-to-Voice – unterstützen diese Signale seine Entwicklung von einem transaktionalen Chatbot zu einer KI-nativen Kundenschnittstelle, die über verschiedene Mobilitätsabläufe hinweg lernen und skalieren kann.
„Das gibt einem Großteil des Teams die Freiheit, sich mit größerer Sicherheit und Leichtigkeit bedeutsameren Problemen zu widmen und so unsere Mission für unsere Kundinnen und Kunden zu erfüllen.“—André Petenussi, CTO, Localiza
Gemeinsam lernen, seit GPT‑3.5
Die Partnerschaft mit OpenAI begann früh: Die erste Version von Liza lief noch auf GPT‑3.5.
Für Petenussi liegt der zentrale Wert der Beziehung im aktiven Lernen zwischen zwei Unternehmen, die sich parallel weiterentwickeln, und nicht in einer bestimmten Funktion – wobei der Partner die Herausforderungen von Localiza und die unterschiedlichen Reifegrade seiner Fähigkeiten versteht, sowohl innerhalb als auch außerhalb der Technologie.
Dies ist ein Argument, das er oft gegenüber anderen Unternehmen am Markt anführt: Bei einer Technologie, die noch im Reifeprozess ist, haben Ausprobieren, Irrtümer und enge Zusammenarbeit einen erheblichen Wert.
„Wir glauben, dass wir noch in den ersten Jahren einer Technologie stehen, die Märkte, unsere Arbeitsweise und die Nutzung von Produkten und Dienstleistungen verändert. Sie wird unsere Welt in den nächsten 5, 10 und 15 Jahren mitgestalten.“—André Petenussi, CTO, Localiza
Ergebnisübersicht
Im März 2026 wurde Localiza das erste Unternehmen in Brasilien und eines der ersten in Lateinamerika, das eine direkt in ChatGPT integrierte App einführte; kürzlich schloss es sich als Werbetreibender dem Werbepilotprogramm der Plattform in Brasilien an.
Der Traffic von LLMs wächst seit 2024 rasch, wobei ChatGPT der Hauptkanal ist.
Der Liza-Assistent arbeitet mit mehr als 60 spezialisierten Agenten, die auf Reasoning-Modellen, MCP-Integration und spezialisierten Tools basieren, welche den Mietprozess orchestrieren.
Teams im gesamten Unternehmen – von der Finanzabteilung bis zum Betrieb – führen aktive Experimente mit Custom GPTs, Agenten und Codex durch.
Codex erreichte die Technologiesparte und breitete sich auf Geschäftsbereiche aus, wobei Analysten, Manager, PMOs und Juristen eigene Prototypen und Automatisierungen entwickeln.
Der Technologiebetrieb ist in 19 Tribes und 130 Squads organisiert.
Lektionen für Führungskräfte
KI als neues Betriebsmodell behandeln und nicht als Produktivitätsschicht. Die größten Gewinne entstehen, wenn Prozesse rund um Intelligenz, Kontext und Geschwindigkeit neu gestaltet werden.
Skalierung nutzen, um Lernen zu erzeugen. Gleichzeitige Experimente im großen Maßstab erzeugen mehr organisatorisches Wissen als ein perfekter Pilot.
Experimentieren über die Technologie hinaus ausdehnen. Wenn Juristen, PMOs und Analysten in ihren eigenen Bereichen Prototypen erstellen, verändert sich die Natur der vorgelagerten Arbeit.
Journeys kartieren und messen, bevor sie automatisiert werden. Vorhandene Qualitätsmetriken ermöglichen es zu entscheiden, wo ein Agent eingreifen sollte und wo ein Mensch unverzichtbar ist.
Der Flaschenhals der Einführung ist Umschulung, nicht das Modell. Es ist schwieriger – und entscheidender –, die Arbeitsweise von Hunderten von Menschen zu verändern, als die Technologie zu integrieren.
Tipps
Beginnen Sie mit dem Problem und der Journey der Kunden und nicht mit einer Modellfunktion.
Ordnen Sie Lizenzen als Experimentierbudget zu und nicht als individuellen Vorteil.
Legen Sie Qualitätsmetriken fest, bevor Sie Konversationsagenten skalieren.
Betrachten Sie eine Präsenz in neuen Konversationskanälen als Lernexperiment und nicht als Akquisitionskampagne.
Schließen Sie den Kreis: Nutzen Sie die Signale, die jede Interaktion erzeugt, um das Produkt selbst zu verbessern.
Nächste Schritte
Localizas Ehrgeiz ist es, KI in den Mittelpunkt seiner nächsten Erfahrungen und Prozesse zu stellen – sei es bei der Art, wie Arbeit entsteht, bei der Erfahrung, die für Kunden geschaffen wird, oder bei der Lösung eines operativen Problems.
Zu den nächsten Bereichen, die bereits mit OpenAI entwickelt werden, gehören die Weiterentwicklung von Liza und vertriebsorientierten Agenten, die Etablierung von Konversationsschnittstellen als Kundeneinstiegspunkt und der neue Zyklus agenterischer Softwareentwicklung.
„Der Hauptfokus liegt darauf, wie wir bessere Erfahrungen schaffen. Sei es, um die Rentabilität unseres Geschäfts zu verbessern, seine Gesundheit sicherzustellen oder vor allem, um bezaubernde Erfahrungen für unsere Kunden und unsere Mitarbeiter zu schaffen.“—André Petenussi, CTO, Localiza