Inside-Out AI: Rebuilding Airbnb Behind the Scenes and Across the Guest Experience

Inside-Out AI：从幕后到用户体验的Airbnb重建

在领导Meta的Llama模型后，Ahmad Al-Dahle现在正用AI重塑Airbnb——从产品开发团队的工作方式到为客人提供服务的方式。

Richard MacManus

2026年10月2日

在2026年1月加入Airbnb担任CTO之前，Ahmad Al-Dahle曾是Meta生成式AI部门负责人，并主导了2023-2025年间Llama开源模型的发布。如今，Al-Dahle负责将Airbnb转变为“原生AI公司”。

实际上这意味着内部使用AI加速产品开发，然后利用这些能力改造客户体验。我们将这种模式称为“Inside-Out AI”（内外兼修的AI），本文将深入探讨具体细节。

Inside-Out AI的典型案例：Airbnb使用了一个名为Everest的定制内部工具，帮助加速新外部服务的上线。（图表由Latent Space制作）

Al-Dahle与Latent Space分享了Airbnb的AI转型历程。我们首先询问他为何从Meta构建前沿模型转向在Airbnb部署模型。

“从根本上说，我喜欢追逐我认为存在硬性挑战的领域，”他回答道，或许这是个有意为之的双关语。“我们在Meta时已经大致了解飞轮的运作方式，也明白如何通过一代代模型迭代提升能力。”

Al-Dahle在2026年1月宣布从Meta加入Airbnb的推文

Al-Dahle认为下一个挑战是实现模型的大规模部署。在Airbnb，他的目标是“推动人们以不同方式工作，因为这些工具正在改变你的工作方式”，以及“将这些系统以创新方式部署到生产环境，真正为用户体验创造价值”。

快速原型设计，代码即成果

自2008年成立以来，Airbnb一直被视为一家在酒店行业运营的技术公司。该公司于2020年上市，目前市值约为930亿美元（截至撰写时）。因此，要将其转变为“原生AI公司”是一项巨大工程。

Al-Dahle列举了一些数据来说明Airbnb如今已深度融入AI：其60%的代码现在由AI生成，每年推出的特性改进数量增加了近80%，工程师的代码提交吞吐量平均提高了1.6倍。

但Airbnb究竟是如何做到这些的？

首先，他表示这涉及改变软件工程的组织流程。传统流程可能是先制定产品需求，再用Figma进行设计，然后进行工程实现，最后进行生产测试。过去这些工作需要在不同团队之间反复交接。但现在，Airbnb的产品、设计和工程团队可以直接协作开发原型。

“打破这个时间消耗环节实际上是许多传统软件公司实现转型的关键一步，”Al-Dahle表示。“我们实现了这一转变，结果为产品开发流程带来了巨大的推动力。”

这一变革的副产品是团队直接处理代码，而不是处理“文档”等产物。

“我们摆脱了过度生成文档的模式，转而以代码和原型作为我们推理的基础，”他表示。

阿尔-达勒告诉我们，客户支持是该公司首次引入人工智能的面向用户的服务领域。他将其描述为“最难部署的问题”，因为“错误的代价和后果非常高”。

阿尔-达勒表示，目前约有一半的Airbnb支持工单完全由人工智能解决（这与公司第二季度财报数据一致，财报显示这一比例接近45%）。

他指出，实现这一目标的关键在于使用合成数据，在系统投入生产前进行彻底测试。

“我们的流程是：先构建模型，再构建代理，然后在投入生产前生成大量合成数据进行测试。”

他提到，尽管代理处理了约一半的客户支持查询，但他们会谨慎判断哪些问题需要人工协助——例如涉及安全的问题。

“虽然我们解决了50%的工单，但对尚未选择由代理处理的工单，我们是有意为之的。”

Everest，Airbnb的AI上下文图

目前你可能还不了解的两个Airbnb服务项目是杂货配送和机场接送（杂货服务刚刚扩展到更多城市）。这两个项目今年早些时候上线，部分得益于Airbnb的“由内而外”AI方法。

一个名为Everest的内部组织上下文图帮助这些产品快速推向市场。阿尔-达勒表示，Everest利用大型语言模型（LLMs）、嵌入向量和基于AI的检索技术构建和查询该图。

他解释说，杂货配送和机场接送服务“本质上是类似的服务——通过与合作伙伴（外部公司）的API集成接入我们的平台”。

Airbnb的新杂货配送服务

杂货配送服务是第一个被构建的，其经验也被纳入Everest。这使得机场接送团队能够更快地推进项目。在第二季度财报中，Airbnb表示“杂货服务耗时8到9个月，而机场接送服务仅用了大约6周时间”。

此外，使用Everest意味着开发人员不一定需要专业知识就能参与项目。

阿尔-达勒表示：“由于代码库中存在这个上下文图，我们能够让通才在代码中非常专业的部分进行工作。”

这两个新服务在Airbnb 2026年夏季发布会中被CEO布莱恩·切斯基重点介绍。

布莱恩·切斯基

@bchesky

介绍Airbnb 2026年夏季发布会

2026年5月20日 下午7:14

·

782K次观看

327条评论

172次转发

3.51K次点赞

选择使用哪些模型及定制开源模型

为了更清晰地展示Airbnb内部AI的使用情况，阿尔-达勒将其描述为“多模型公司”，并表示其生产系统中部署了“大量不同模型”。

Airbnb同时使用前沿模型和开源模型，但大多数后训练和强化学习工作都是在开源模型上进行的。阿尔-达勒表示，公司至少部署了10个定制化模型用于生产场景。

同时，公司会根据成本、性能和延迟在帕累托前沿评估模型，为每个应用场景选择不同的权衡。

他解释道：“我们为每个使用场景专门运行评估。例如，如果使用模型进行搜索，我们会从生产环境中抽样一组搜索查询进行测试。如果用于客户支持，我们也会抽样所有最关心的生产查询——包括边缘案例。”

“我们努力为合适的工作选择合适的工具，”他补充道。例如，编码可以容忍更高的延迟，但错误的成本很高。因此他们倾向于在编码任务中使用最强的前沿模型。

“使用最前沿的编码模型是有道理的，因为模型产生的每一个缺陷都可能让我们付出更多代价。”

另一方面，搜索功能被Airbnb的用户大规模使用，因此对延迟非常敏感。因此对于这项任务，他们更倾向于使用较小的专用模型。Al-Dahle声称，经过微调的较小模型有时甚至能超越前沿模型的表现。

“对于特定的使用场景，我们已经能够利用非常小且灵活的模型，它们速度快且成本低，通过微调可以超越前沿模型。”

异步代理：下一步重大变革

与其他AI原生公司一样，Airbnb也创建了一个内部代理——在他们的情况下称为AirChat。

“我们有自己的内部代理，称为AirChat，它基本上包含了所有必要的MCP组织背景，”Al-Dahle说道。

但Airbnb也开始实施Al-Dahle认为是代理发展的下一步：运行在容器中并由事件触发的异步代理。

“我们的许多团队开始基本上自动化他们的值班流程，”他解释道。“如果某个问题触发了警报，比如Grafana的限制或其他你使用的监控系统触发了警报，代理会启动并进行初步的故障排查和处理。”

如果代理判断警报是误报，它可以自行关闭事件。而人类工程师可以审查代理提出的PR（拉取请求）。

这个过程让我们联想到Vercel的AI SDK、Astro、Flue和tldraw等开源项目如何使用软件工厂——由代理团队组成的团队——来应用修复和功能。

Al-Dahle认为，这种方法最终将被应用于整个市场平台；例如用于监控欺诈行为、“信任违规”、市场质量和软件缺陷。

“我的愿景是大量异步代理帮助自动化和管理市场平台。”

保持软件工程的技艺

Al-Dahle认为，围绕成果而非功能组织团队是成为AI原生公司的关键。

“如果你是一家以功能开发为组织方式的公司，那么在AI时代你将难以生存，”他说。“如果你是一家以目标和使命以及你试图实现的结果为组织方式的公司，你将会安然无恙。”

话虽如此，Al-Dahle在AI原生转型过程中有一个担忧：初级工程师是否正在发展他们的技艺和判断力，因为现在AI可以为他们完成很多工作。

他说，高级工程师通过多年的系统交付和生产环境中的软件运营获得了他们的判断力——包括他们一路上犯下的错误。

Al-Dahle认为解决方案的一部分是确保所有工程师都能解释AI为他们完成的工作。

“我非常坚持推动的一个观点是，每个工程师都必须能够解释他们所做的事情，即使PR是由AI生成的。我认为如果这个基本前提保持不变，那么更初级的工程师将学会界面设计和架构的技艺，以及测试、单元测试和集成测试的重要性。因此，我们正努力保持我们技艺的高标准。”