Airbnb CEO Brian Chesky to launch new AI lab

📊 競品分析▸ Show

特性/公司	Airbnb (內部AI實驗室)	Expedia	Booking.com
AI策略重點	內部自主開發先進AI模型，專注於使用者互動與設計，超越傳統聊天機器人，打造更視覺化、互動性強的體驗。	整合ChatGPT驅動的行程規劃，利用AI進行個人化推薦、客戶支援，並透過AI處理超過30%的自助服務互動。	利用AI進行個人化、即時定價、客戶支援路由，並提供人類客服代理背景資訊。
LLM合作模式	從外部LLM合作轉向內部自主開發，因考量產品成熟度與對「不夠強大」的外部聊天機器人的不滿。	已整合ChatGPT進行行程規劃。	運用AI將客戶導向最佳解決管道，並為人工客服提供客戶背景資訊。
客戶支援AI表現	AI助理在2026年第一季度解決了超過40%的客戶查詢，解決時間顯著改善，每次預訂成本降低約10%。	AI處理超過2.5億次服務互動中的一半以上，其中超過30%由AI驅動，並能生成30多種語言的對話摘要。	利用AI將客戶導向最佳解決管道，並為人工客服提供客戶背景資訊。
產品成熟度考量	執行長Brian Chesky認為聊天機器人不是旅行或電子商務的正確介面，尋求開發更複雜、更具代理能力的介面。	透過AI驅動的預訂個人化、沉浸式VR飯店預覽等增強客戶體驗。	擴展即時定價模型，優化行動忠誠度計畫。

Airbnb已將其「自動化平台」從基於靜態工作流程的對話式AI系統（v1）演進為由大型語言模型（LLM）驅動的平台（v2）。
v2平台結合了傳統工作流程與LLM功能，引入了思維鏈（Chain of Thought）推理、強大的上下文管理和防護框架。
這種混合方法允許利用LLM的優勢，同時保持對敏感操作的控制，最終使客戶支援代理能夠更有效地工作。
該平台採用AI代理框架，其中LLM充當推理引擎，以確定使用哪些工具以及以何種順序使用，並與外部系統互動（例如，檢查預訂狀態）。
Airbnb利用LLM加速測試遷移，將一個預計1.5年的工程專案縮短至六週，透過重試流程、動態提示和增加相關檔案的上下文來實現。
他們還使用Ray作為下一代基礎設施組件來優化LLM訓練，利用Llama Factory等開源框架和Kueue的資源共享策略進行高效微調（監督式微調SFT和直接偏好優化DPO）。
Airbnb正在使用LLM和嵌入（embeddings）從非結構化數據（產品描述、評論、問題報告）中提取有意義的信號，以增強產品品質評估。

Airbnb將開發高度客製化、具代理能力的AI介面，超越傳統聊天機器人，以提供更豐富的旅行規劃體驗。

Brian Chesky明確表示不認為聊天機器人是旅行的正確介面，並旨在開發更視覺化、互動性強且能顯示詳細照片和比較選項的複雜代理功能。

成立內部AI實驗室將使Airbnb對其數據、模型和工作流程擁有更大的控制權，從而開發出更專業和安全的AI應用。

企業越來越傾向於建立內部AI平台並利用開源LLM，以更好地控制數據、模型和工作流程，從而實現客製化AI工作流程和更佳的治理，尤其對於處理敏感業務數據的公司而言。

Airbnb的內部AI發展將加劇旅遊科技產業的競爭，促使競爭對手加速其自身的先進AI計畫。

Airbnb將AI視為對通用AI平台的「戰略護城河」，其轉向內部AI開發的戰略舉措，可能會迫使Expedia和Booking.com等競爭對手進一步創新其AI產品，以避免被超越。

2014

Airbnb推出機器學習AI系統，用於個人化搜尋結果和提供房東預測性定價演算法。

2017-07

Airbnb在競購AI新創公司Ozlo的過程中輸給了Facebook。

2023-10

Airbnb的機器學習平台團隊與Ray合作，優化LLM訓練，使內部團隊能更有效率地使用開源LLM。

2025-03

Airbnb利用LLM在六週內遷移了3,500個React組件測試檔案，此任務原估計需1.5年手動完成。

2025-08

Airbnb在其應用程式中推出基於13種不同模型的AI代理，用於客戶服務，在美國減少了15%的人工客服需求。

2025-Q3

Airbnb將「在Airbnb全面整合AI，使其更智慧、更個人化、更易於使用」增列為其第四個戰略支柱。

2026-02

Brian Chesky在CNBC採訪中表示AI是「發生在Airbnb身上最好的事情」，且AI處理了北美約三分之一的客戶服務工單。

2026-05

Airbnb的AI助理在2026年第一季度解決了超過40%的客戶查詢，解決時間顯著改善，每次預訂成本同比下降約10%。

2026-06-04

Brian Chesky宣布計劃成立新的內部AI實驗室。

Airbnb 執行長 Brian Chesky 將成立新的 AI 實驗室