在墨西哥,AI 的下一批用户可能不会从 App 开始

一家把 AI 用进贷款审核的公司，刚拿到 1800 万美元 A 轮融资，接下来要做的事之一，却是继续扩张线下网络。

这家公司叫 Aviva，来自墨西哥。它已经有 App，也把自己的模式称为 AI-powered video underwriting，但新客户第一次借钱，仍然必须去线下亭子，不能直接在 App 里申请。

我想从这个有点反常的产品，开始写“墨西哥 AI”系列。

今天谈起 AI，世界地图常常被压缩成中美两块：美国围绕前沿模型、算力和巨头，中国围绕模型竞速、应用、价格和落地。中美之外的广大市场，通常只以三种身份出现——新增用户、监管对象，或者一个还在追赶的落后版本，很少被当成会反过来改变产品形态的地方。

这个系列不是为了证明“墨西哥也有 AI”。我更想看的是，当支付习惯、信用记录、数字能力和基础设施都不一样，同一套 AI 技术会被改造成什么；这些非主流案例，又会暴露主流 AI 叙事偷藏了哪些前提。

Aviva 暴露的第一个隐藏前提是：我们通常默认，AI 的用户已经是成熟的数字用户。

它的官网目前显示，在墨西哥有 100 多个亭子。第一次申请贷款的人，要带上 INE，也就是墨西哥的身份证件，以及自己的手机，到亭子里完成一次视频申请。

Aviva 官网当前写的是“100 多个 kioscos”。来源，截图于 2026-07-26。

Aviva 当然有 App。但 App 不是第一扇门。

根据它今年 7 月 9 日更新的 Google Play 页面，第一次贷款申请只能在线下亭子完成，之后可以在 App 里查看申请状态；已经成为客户的人，还可以在里面查看合同、确认还款、查询记录和续借。

Aviva 的 Google Play 页面：新客户带 INE 和本人手机到 kiosk，通过 video agents 完成申请；首贷只能在 kiosk 发起。来源，截图于 2026-07-26。

这和我们熟悉的 AI 产品刚好相反。

我们习惯看到一个聊天框、一款 App，或者一个 Agent 站在最前面，等待用户主动走进去。Aviva 把 AI 藏到了后面，留在线下的，是一个人已经认识的动作：走进一个看得见的地方，把自己的情况讲出来。

它真正反常的地方，不是把 AI 用进贷款，而是没有要求用户先成为一个成熟的数字用户。

第一次申请，先讲故事

Aviva 官网把贷款过程写得很简单：先去亭子，再“讲讲你的故事”，然后等待贷款打进账户。

但所谓“讲故事”具体会被问什么，公开资料没有披露。能确认的是，申请人在亭子里完成视频申请，对话随后进入信贷评估流程。

按照 IDB Lab 2025 年的介绍，申请人大约 7 分钟就能知道是否获批。

两份材料对前台角色的表述并不一致：IDB Lab 写的是引导对话的 bot，Aviva 最新的 Google Play 页面写的是 video agents。公开资料还不足以判断，前台究竟是人工、bot，还是两者共同参与。因此，更准确的说法不是“申请人直接和 AI 视频通话”，而是视频申请发生在前面，对话随后被模型转成信贷系统可以处理的数据。

AI 没有站在亭子里招呼用户。它藏在亭子后面。

主流 AI 偷藏了一个默认用户

今天主流 AI 产品想象中的用户，往往已经完成了一系列前置准备。

他有一部能正常使用各种 App 的智能手机，有稳定网络，能够独立注册账户、提交资料、阅读合同，也愿意相信一个没有实体门面的系统。等这些条件都满足之后，我们才开始讨论模型够不够聪明、交互够不够自然。

但这些条件并不是技术时代自动附送的。

INEGI 的《2024 年国家金融包容性调查》显示，在墨西哥 18 至 70 岁人口中，持有信贷产品的比例是 37.3%。在人口不足 1.5 万的地区，这个数字只有 26%。

在人口不足 1.5 万的地区，持有信贷产品的比例为 26%。来源：INEGI《ENIF 2024》主要结果，第 29 页。

支付习惯也提供了另一个侧面。面对 500 比索及以下的日常购买，85.2% 的人最常使用现金；最常使用电子转账或手机 App 的只有 4.4%。

这些统计不能解释某一个 Aviva 用户为什么选择亭子，也不能证明线下模式一定比纯线上模式有效。它们只提供了一个背景：在墨西哥，“先下载 App、自己填完资料、等待系统审批”并不是一条可以覆盖所有人的默认路径。

更直接的证据来自 Aviva 自己的产品选择：它已经有 App，却仍然要求第一次贷款申请从亭子开始。这不能证明亭子一定更有效，但至少说明，它没有把 App-first 当成服务这批用户的天然起点。

如果一个产品把成熟的数字能力当成入场券，模型再强，也可能只是更快地服务那些本来就能进门的人。

App 是第二个房间

我觉得 Aviva 最值得研究的产品决定，不是用 AI 做信贷评分，而是重新安排了数字化发生的顺序。

第一间房是亭子。

它负责被看见，完成第一次接触，提交身份信息，让没有传统信用记录的人也能把自己的情况带进审核。视频对话代替了一部分表格，亭子背后的模型再把自然语言转成数据。

等第一次申请在线下发生过，App 才成为第二个房间：先接手申请状态，对获批客户再接手合同、还款、历史和续借。

线下在这里不是线上流程失败后的补丁。它从一开始就是数字化架构的一部分。

熟悉信贷的人看到这里，可能会问：带证件、本人到场、视频办理，这不就是面签或身份核验吗？

从形式上看确实相似，这些动作也很容易让人联想到身份确认和反欺诈。

但公开资料没有拆出身份核验、人工判断和模型评分各自承担多少。真正能够确认的差异是：Aviva 不是先让用户在 App 里完成申请，再去线下做最后核验；第一次申请本身就在亭子里开始，对话随后被转成审核系统能够处理的数据。

线下在这里不只是数字流程之后的一道确认。

它也是数字流程的入口。

这种安排也解释了 Aviva 最近一次融资里那个看起来有些拧巴的计划。今年 7 月，公司宣布完成 1800 万美元 A 轮融资，一边准备扩充技术和 AI 团队，一边要把自己的线下 footprint 扩到全墨西哥 1000 个 locations。

这里的官方用词是 locations，不等于已经建成或确定新建 1000 个贷款亭，其中还可能包括零售合作点。但方向很清楚：这家公司并不认为，AI 能力提升以后，实体入口就应该消失。

Aviva 官方融资公告的原话是“expand our footprint to 1,000 locations”，并非现有 1000 个亭子。来源，截图于 2026-07-26。

IDB 今年公开的项目摘要还给出了一个成本解释：一个 Aviva 亭子的成本接近传统银行网点的百分之一。这个数字来自 Aviva 的资金提供方，不是独立成本审计，不能把它当成普遍结论。但它至少让这套模式的商业逻辑更容易理解。

Aviva 不是用昂贵网点换信任，也不是用纯线上换效率。它试图用一个足够轻的实体入口，去获得纯线上产品很难自然获得的第一次接触。

AI 到底改变了什么

讲到这里，再回头看 Aviva 的 AI 成分，问题就不再只是“用了没有”，而是它到底改变了什么。

判断一个案例的“AI 纯度”，我觉得不能数宣传稿里出现了多少次 AI，而要把三件事分开：模型有没有改变信息进入系统的方式，是否进入了核心判断，以及有没有证据证明它改善了结果。

第一件事，Aviva 有相对清楚的公开证据。

传统贷款申请先读表格和征信。IDB Lab 对 Aviva 的介绍称，计算机视觉和语言处理模型会把客户对话转成数据，再交给信贷评估算法。Aviva 当前的官方页面也把自己的技术组合写成 NLP、计算机视觉和传统数据。

IDB Lab 称，客户对话会经计算机视觉和语言处理模型转成信贷评估算法的数据；这能确认 AI 进入了审核链路，但不能证明模型效果。来源，截图于 2026-07-26。

第二件事，也有方向性的答案。公司把这套流程称为 AI-powered video underwriting，IDB Lab 则明确说数据会进入信贷评估算法。AI 在这里不是客服插件，也不是写营销文案，它至少参与了申请信息的结构化，并进入了审核链路。

但公开材料没有说明模型和传统征信各占多大权重，最后的批准是否完全自动完成，人工能否覆盖模型判断。

第三件事，目前没有可靠答案。公司和资金提供方披露过增长、坏账和成本数据，但我没有找到独立评估，能够把这些结果归因于 AI，而不是选址、人工服务、贷款定价或客群差异。

还需要说清楚：这不是一个大模型或 Agent 案例。我没有找到 Aviva 使用大语言模型或生成式 AI 的公开证据。现有材料指向的是机器学习、NLP 和计算机视觉进入信贷审核。

所以，Aviva 不是一家普通贷款公司贴了张 AI 标签，却也不是中美舆论场里最热的“前沿模型”故事。“AI 已经进入核心流程”和“AI 已经证明自己做得更好”，仍是两件不同的事。前者有证据，后者还没有。

非主流故事，反问主流 AI

在墨西哥做 fintech，日常会看到类似的场景。

比如我看到的一类电子钱包场景：钱包仍要先注册 App，但 cash-in 可以在线下完成。有些用户会拿着现金到充值网点，再把钱充进钱包。

这和 Aviva 不是同一条路径。

一个是 App-first、线下入金；一个是线下首贷、App 承接后续。

但它们共同提醒我：在墨西哥，线下不一定是数字化尚未完成的残留。有时，它就是数字产品真正运转起来所需要的基础设施。

这才是 Aviva 对中国读者真正的价值。它不是让我们知道“墨西哥也有一家 AI 金融科技公司”，而是逼我们拆开几个在中国互联网环境里很容易被打包在一起的判断。

我们常常把中国过去十几年的路径当成数字化本身：

现金让位给二维码，线下让位给 App，人工再让位给 AI。

每出现一层新技术，上一层就显得应该尽快消失。

于是，用户已经完成数字化、线下只是待淘汰的成本、AI 进入核心流程就等于 AI 已经证明效果，常常被当成同一件事。

Aviva 说明，一个产品可以让 AI 进入核心审核，同时保留很重的线下入口；可以扩大信贷入口，却不代表价格已经便宜；可以真实使用模型，却仍然缺少独立效果证据。这些并不矛盾。

对做 AI 产品和出海的人来说，真正可迁移的不是“去海外多开几个亭子”，而是不要把一个市场已经完成的基础设施，当成所有用户都天然具备的能力。

AI 没有等所有人先变成成熟的数字金融用户。它先躲在一个熟悉的线下动作后面，把一段原本进不了传统征信表格的信息，翻译成数字系统能够处理的申请。

这不是一个关于墨西哥“还不够数字化”的故事。恰恰相反，它提醒我们，技术落地并不是把主流市场已经验证过的界面搬过去，再翻译成西班牙语。

真正深入的本地化，有时需要重新决定产品从哪里开始。

以后再看一个海外 AI 案例，我会把两个问题分开：

AI 到底改变了哪个核心流程？

这个产品又假设用户已经拥有了哪些基础设施？

前一个问题用来识别 AI 标签，后一个问题决定产品能不能真正落地。

非主流市场不是主流技术的落后版本。它常常会先暴露主流叙事没有回答的问题。

当大家都在讨论模型还能变得多聪明、Agent 还能替代多少工作时，墨西哥提出了一个更靠前的问题：

在 AI 替代什么之前，它有没有办法先让那些原本不在数字系统里的人走进来？

对应用层来说，模型能力当然重要。但 Aviva 至少提醒我们，模型之外还有另一种稀缺能力：找到一个人愿意进入、也有能力进入的入口。

在这套产品里，一个人第一次遇到 AI 时，可能根本不会觉得自己在“使用 AI”。他只是走进一个熟悉的地方，讲了一遍自己的情况；模型在看不见的地方，开始工作。

被听见，不等于被善待

但让更多人进入信贷系统，不等于贷款自动变得便宜、公平或透明。

Aviva 当前的 Google Play 页面给了一个价格示例：借 5000 比索，分 16 周偿还，每周还 395 比索，总共还 6313 比索，其中利息 1313 比索。页面同时列出的年利率是 150%，同一示例的有效利率是 26%。

页面对同一笔 16 周贷款示例同时列出 150% 年利率和 26% 有效利率，但没有说明两者的详细换算方式。来源，截图于 2026-07-26。

对原本拿不到正式信贷的人来说，这可能是一个新选择。但“多一个选择”和“这是一个好价格”，不是同一件事。

AI 也没有让信贷判断变得天然公平。

2022 年，Expansión在采访 Aviva 两位创始人后报道，当时的视频分析包括微表情、眼神和瞳孔等信号，音频分析则会关注停顿和犹豫；TechCrunch同期将其概括为 biometrics 和 biosignals。

我查到的此后公开材料仍然提到计算机视觉和语言处理，却不再说明这些具体特征。它们今天是否仍在使用、经过了怎样的验证、会在多大程度上影响拒贷，我都找不到公开答案。因此，这些早期说法只能作为历史披露，不能写成当前产品事实。

这也是“AI 纯度”的另一面：模型越深入核心判断，透明度就越不能被当成附属问题。

目前公开资料没有解释，计算机视觉具体读取了什么；如果申请被拒，用户能不能知道原因，有没有人工复核和申诉；模型在地区、性别、语言和其他人群之间，是否做过足够的公平性检查。

我能找到的增长和效果数据，也主要来自公司及其资金提供方。它们足以说明这套产品为什么值得观察，还不能替代对坏账、续借、投诉和过度负债的独立评估。

Aviva 有一句品牌口号，叫“Tu historia importa”。

你的故事很重要。

传统征信先读表格。Aviva 让一个人先讲故事，再把故事变成数据。

它先承认，不是每个人都生活在表格里。

但一个人的故事被送进模型之后，他是终于被理解，还是只是被更快地打分，这才是这个非主流故事留给主流 AI 的问题。