Brian Chesky sobre los agentes de IA: necesitan un sistema operativo, no otro chatbot
Brian Chesky tiene un mensaje más contundente sobre los agentes de IA que sus advertencias previas sobre los chatbots: aún falta la capa de software que sustenta a los agentes de consumo. El CEO de Airbnb sostiene que los agentes fiables necesitan permisos compartidos, interfaces más completas y un verdadero sistema operativo.
Sus comentarios coincidieron con la presentación por parte de Airbnb de su primera búsqueda de propiedades impulsada por IA y su compromiso de lanzar un agente más amplio en 2027. Sin embargo, Chesky sigue creyendo que los agentes de consumo actuales no pueden gestionar bien Airbnb, especialmente cuando un viaje requiere mapas, comparaciones, verificaciones de identidad, pagos y coordinación entre varias personas.
Esta postura sitúa a Airbnb en contra de la ruta centrada primero en los chatbots que se sigue en la IA de consumo. OpenAI, Meta, startups de agentes y plataformas de aplicaciones emergentes quieren cada vez más que un asistente se convierta en la interfaz principal del usuario. Chesky cree que ese modelo comprime productos especializados en una ventana de conversación antes de que la infraestructura pueda preservar sus funciones esenciales.
El argumento importa más allá de los viajes. Si tiene razón, la próxima fase de la IA de consumo dependerá menos de un único asistente dominante. Dependerá más de si los agentes, las aplicaciones y los sistemas operativos pueden cooperar sin eliminar el control, el contexto ni la confianza.
La búsqueda con IA de Airbnb es un punto de partida, no el destino
Airbnb ha pasado de hablar sobre IA de consumo a probarla dentro de una de las decisiones más trascendentales de los viajes.
La empresa añadió la búsqueda con IA a su actualización de producto de otoño a finales de septiembre. Los usuarios pueden buscar alojamientos mediante indicaciones de texto o voz en lenguaje natural y recibir después filtros adaptados a las necesidades que han indicado.
Quien busca un viaje familiar puede mencionar, por ejemplo, a un bebé. Airbnb puede entonces mostrar filtros relacionados con cunas, parques infantiles, libros para niños o juguetes. La interfaz también puede destacar detalles relevantes del anuncio y comparar propiedades guardadas mediante resúmenes generados por IA.
No se trata de un agente de reservas autónomo. Sigue siendo una experiencia de búsqueda guiada dentro de la aplicación existente de Airbnb, con anuncios, filtros, mapas, listas de deseos y controles de pago conocidos.
La distinción es intencional. Chesky dijo a TechCrunch que añadir la búsqueda con IA fue relativamente sencillo, mientras que proteger la conversión dentro de un gran marketplace resultaba más difícil. Airbnb procesa más de 100.000 millones de dólares a través de su plataforma, según declaraciones anteriores de Chesky a inversores.
Por ello, la empresa no puede tratar la calidad de búsqueda como un proyecto de demostración. Una recomendación verosímil pero inexacta puede afectar el alojamiento de una familia, los ingresos de un anfitrión o una transacción que implique reglas de cancelación y seguros.
El despliegue de la búsqueda con IA de Airbnb muestra cómo la empresa intenta contener ese riesgo. El modelo interpreta la intención, pero los controles establecidos del producto siguen dando forma a la decisión.
Esta estructura híbrida también refleja la objeción de Chesky, sostenida desde hace tiempo, a la planificación de viajes basada en chat. Un viajero rara vez quiere una sola respuesta. Las personas exploran fotografías, comparan ubicaciones, inspeccionan mapas, revisan detalles de accesibilidad, coordinan fechas y conversan con otros sobre las concesiones.
Una conversación lineal puede ocultar esas comparaciones dentro de una transcripción en expansión. Una interfaz visual mantiene visibles varios candidatos y permite al usuario manipular directamente los filtros.
El nuevo producto de búsqueda sigue siendo una prueba temprana. Airbnb no ha publicado evidencia independiente que demuestre que mejora la satisfacción con las reservas o reduce el tiempo de búsqueda. Chesky también ha advertido que una función de IA mal implementada podría perjudicar la conversión.
Sin embargo, el despliegue crea un verdadero campo de pruebas. Airbnb ahora puede observar dónde ayuda la búsqueda basada en lenguaje, dónde los usuarios vuelven a los controles convencionales y qué decisiones siguen requiriendo revisión humana.
También ofrece a la empresa un camino hacia el agente que planea para 2027. Chesky se ha comprometido públicamente con esa ventana de lanzamiento y ha descrito la experiencia futura como más completa que un chatbot.
Por tanto, el producto actual se entiende mejor como un descubrimiento de infraestructura mediante el uso real. Airbnb está aprendiendo qué partes de los viajes pueden volverse agénticas sin renunciar a las interfaces que hacen comprensibles las decisiones complejas.
Brian Chesky desplaza el debate sobre los agentes de IA al sistema operativo
La afirmación central de Chesky es que los agentes de consumo se están construyendo como aplicaciones sin los servicios de sistema operativo que requieren las aplicaciones fiables.
Un sistema operativo coordina hardware, aplicaciones, permisos, archivos, identidad y comunicación. Chesky quiere una base equivalente para los agentes de IA, aunque no ha publicado una especificación técnica para ella.
Según su visión, las empresas actuales están instalando aplicaciones de IA sobre iOS, macOS y Windows. No están construyendo entornos en los que los agentes operen como componentes de sistema de primera clase con reglas coherentes.
La diferencia se hace visible cuando un agente externo intenta completar una reserva en Airbnb. El agente necesita más que datos de anuncios. Puede necesitar identidad autenticada, disponibilidad actual, mensajería, autorización de pago, contexto de ubicación, políticas de cancelación y consentimiento de varios viajeros.
Los sistemas operativos tradicionales ya median límites comparables para las aplicaciones. Deciden si el software puede acceder a un micrófono, leer un archivo, usar una ubicación o comunicarse a través de una red.
La IA de consumo carece de una capa igualmente madura para la acción delegada. Cada proveedor de agentes puede definir sus propias herramientas, pantallas de aprobación, comportamiento de memoria y flujo de autenticación. Después, cada servicio debe decidir cuánta capacidad exponer.
Chesky describió la competencia actual como una carrera por convertirse en el “quarterback”, es decir, el asistente principal a través del cual los usuarios acceden a otros servicios. Esa estrategia puede otorgar al agente ganador el control sobre el descubrimiento y la relación con el cliente.
Airbnb tiene motivos para resistirse a ese acuerdo. Si un asistente general elige un anuncio, resume sus detalles y completa la transacción, Airbnb corre el riesgo de convertirse en un proveedor invisible detrás de la interfaz de otra empresa.
No obstante, Chesky considera que los agentes externos pueden generar clientes potenciales. Durante la llamada de resultados de Airbnb de febrero, afirmó que el tráfico de chatbots estaba convirtiendo a una tasa superior al tráfico de Google, aunque Airbnb no proporcionó una metodología detallada.
Esto crea la tensión principal del artículo. Airbnb quiere que los agentes descubran y utilicen su marketplace, pero no quiere que un asistente universal reduzca Airbnb a una base de datos.
La respuesta de la empresa es la interoperabilidad, es decir, que distintos sistemas de software puedan intercambiar solicitudes y capacidades mediante reglas definidas. Chesky dijo que Airbnb espera conectar agentes a través de Model Context Protocol, o MCP.
MCP es un estándar para conectar aplicaciones de IA con herramientas y fuentes de datos. Puede ayudar a un agente a descubrir lo que ofrece un sistema externo, pero un protocolo por sí solo no crea un sistema operativo.
Una plataforma de agentes completa también necesitaría identidad, controles de pago, permisos persistentes, registros de auditoría, mecanismos de recuperación y límites claros de responsabilidad. Debe saber quién autorizó una acción y qué debe suceder cuando la ejecución falla a mitad del proceso.
Pensemos en una reserva de grupo. Una persona podría pedir a un agente que encuentre una casa, mientras otra controla el método de pago. Un tercer viajero podría rechazar la ubicación, y el anfitrión podría exigir identidades verificadas.
Transmitir datos de anuncios entre agentes aborda solo la primera capa. El sistema debe preservar la autoridad, explicar los conflictos y evitar que el asistente de un participante exceda su mandato.
La entrevista sobre agentes de Chesky presenta esto como un problema de toda la industria. Apple, Google u otro proveedor de plataformas tendrían que respaldar el cambio más profundo, argumentó.
Esta observación también limita el control de Airbnb. La empresa puede hacer que sus servicios sean compatibles con agentes, pero no puede establecer de forma independiente reglas de permisos para todo el sistema entre teléfonos, asistentes, proveedores de pagos y marketplaces competidores.
Las interfaces más completas desafían el modelo del chatbot universal
La verdadera contienda no es Airbnb contra una empresa de IA. Son las interfaces especializadas contra la idea de que una conversación puede sustituir todas las aplicaciones.
El chat funciona bien cuando el usuario tiene una solicitud clara y quiere un resultado conciso. “Encuentra mi reserva” o “explica esta regla de cancelación” pueden encajar de forma natural en una conversación.
El descubrimiento de viajes es distinto. Las personas con frecuencia empiezan sin un destino, tipo de propiedad o itinerario precisos. Sus preferencias surgen mientras exploran.
Una foto puede cambiar la decisión. También pueden hacerlo la posición de una vivienda en un mapa, la distancia al transporte público o la relación entre dormitorios y espacios compartidos.
Estas decisiones son difíciles de condensar en texto secuencial. El usuario necesita ver alternativas al mismo tiempo y manipular directamente los criterios.
La colaboración añade otra complicación. Chesky denomina a la experiencia necesaria “multiplayer AI”, lo que significa que varias personas pueden trabajar con el mismo sistema inteligente durante la planificación.
La mayoría de los asistentes personales parten de una cuenta individual, contexto privado y un historial de conversación. Los viajes en grupo requieren un estado compartido sin exponer todo lo que un participante haya contado a un agente.
Un agente de grupo útil debe distinguir las preferencias privadas de las decisiones grupales. También debe mostrar quién aprobó las fechas, los presupuestos y los compromisos de pago.
Airbnb planeaba explorar estas interfaces colaborativas durante los tres a seis meses posteriores a la entrevista de Chesky en octubre. Ese calendario convierte la planificación multijugador en una de las pruebas más claras a corto plazo de su tesis.
La empresa no es la única que cuestiona el software basado únicamente en chat. Wabi ha promovido interfaces generadas que aparecen cuando los usuarios necesitan controles específicos. Su fundador ha sostenido que las personas todavía quieren tocar, desplazarse e inspeccionar el software, en lugar de escribir continuamente.
Las interfaces generativas son pantallas ensambladas por IA para la tarea actual en vez de estar completamente fijadas de antemano. Prometen flexibilidad, pero también pueden hacer que los controles sean menos previsibles.
Un botón de pago que cambia de ubicación o significado entre sesiones puede confundir a los usuarios. Una divulgación generada puede omitir información que un flujo diseñado presenta siempre.
Chesky espera que coexistan componentes deterministas y generados. Las interfaces deterministas se diseñan de antemano y se comportan de manera predecible, mientras que los elementos generados responden a la solicitud actual del usuario.
La nueva búsqueda de Airbnb ilustra esa combinación. La IA traduce una solicitud flexible en opciones relevantes, pero el marketplace sigue presentando filtros, tarjetas, mapas y pasos de reserva reconocibles.
Este modelo ofrece una alternativa práctica al chatbot universal. El agente puede interpretar la intención sin convertirse en la única interfaz visible.
El agente macro que Airbnb planea ampliaría ese enfoque al descubrimiento, la atención al cliente y otras áreas de servicio. La empresa ya utiliza IA especializada en soporte y espera que la voz gane importancia.
En mayo, Chesky dijo que la IA de atención al cliente de Airbnb resolvía el 40 por ciento de los problemas sin necesidad de escalarlos, frente a aproximadamente un tercio a principios de 2026. La empresa también afirmó que la IA generó el 60 por ciento del código producido por sus ingenieros durante el primer trimestre.
Estas cifras son afirmaciones de la empresa, no evaluaciones independientes de rendimiento. Aun así, muestran dónde Airbnb ha encontrado un valor más claro: flujos de trabajo de soporte delimitados y desarrollo de software supervisado.
La ampliación de Airbnb de su acceso a modelos de frontera refuerza esa división. La empresa utiliza modelos de OpenAI en ingeniería, búsqueda, detección de fraude, soporte y reclamaciones de seguros.
Airbnb afirma que sus equipos de desarrollo están lanzando aproximadamente un 80 por ciento más de funcionalidades que hace un año. Esa afirmación no identifica a la IA como la única causa, pero sugiere que la compañía considera los modelos como infraestructura de producción.
La autonomía del consumidor sigue siendo el objetivo más difícil. Escribir código bajo la supervisión de un ingeniero es distinto de gastar el dinero de un viajero o seleccionar una vivienda desconocida.
El modelo centrado en el chatbot suele tratar la interfaz como un andamiaje temporal alrededor de un modelo cada vez más capaz. El modelo de Chesky considera el diseño de la interfaz como parte de la inteligencia del sistema.
Esa distinción determinará qué empresas conservan relaciones directas con los clientes. Si las aplicaciones especializadas siguen siendo necesarias, los agentes generales necesitarán transferencias fiables y controles integrados.
Si el chat se vuelve suficiente, los marketplaces podrían perder la propiedad de la interfaz aunque sigan proporcionando inventario y transacciones. La estrategia actual de Airbnb está diseñada para beneficiarse del tráfico de agentes sin aceptar ese resultado.
La interoperabilidad no resuelve la confianza por sí sola
Un sistema operativo de agentes de IA fracasará si conecta servicios más rápido de lo que define responsabilidades.
La interoperabilidad resulta atractiva porque reduce las integraciones puntuales. Un agente de Airbnb podría comunicarse con un agente de calendario, un servicio de aerolínea, un proveedor de pagos y el asistente de otro viajero.
Sin embargo, cada conexión plantea preguntas sobre la autorización. ¿Puede un agente de viajes leer el calendario completo del usuario o solo las fechas de vacaciones declaradas? ¿Puede reservar una vivienda o también enviar el pago?
La analogía con el sistema operativo resulta útil aquí. Las plataformas móviles modernas exigen que las aplicaciones soliciten permisos específicos, y los usuarios pueden revocarlos más adelante.
Los agentes necesitan controles similares, pero la tarea es más difícil porque sus acciones se desarrollan entre múltiples servicios. Una sola instrucción puede desencadenar búsqueda, negociación, verificación de identidad, pago y mensajería.
Por tanto, el permiso debe aplicarse tanto a los datos como a la acción. Conocer el nombre que figura en el pasaporte de un viajero no concede autoridad para compartir un documento de identidad con todos los servicios.
Un agente también necesita un registro auditable. Los usuarios deberían poder ver qué solicitó, qué servicio respondió, qué información se transfirió y qué compromiso se volvió vinculante.
Esto es especialmente importante en los viajes porque las condiciones cambian. Un retraso de vuelo puede afectar al check-in. Un anfitrión puede cancelar. Un agente podría responder haciendo una nueva reserva, pero quizá el usuario no haya aprobado un barrio distinto o una política de cancelación diferente.
La recuperación es otra cuestión sin resolver. Los sistemas operativos convencionales pueden finalizar un proceso fallido o restaurar un archivo. Un agente no siempre puede revertir un pago, mensaje o reserva.
La plataforma debe saber qué operaciones son reversibles y cuándo solicitar confirmación. También necesita procedimientos para disputas entre agentes o entre un agente y un participante humano.
El marketplace de Airbnb añade su propia capa de confianza. Chesky afirmó que la plataforma cuenta con 200 millones de identidades verificadas y que el 90 por ciento de los huéspedes que reservan envían un mensaje.
También afirmó que Airbnb ha gestionado más de 100.000 millones de dólares en pagos. Estas cifras ilustran por qué la aplicación visible es solo una parte del producto.
El resto incluye controles contra el fraude, herramientas para anfitriones, soporte multilingüe, procesos de seguros, sistemas de identidad y políticas del marketplace. Un agente externo debe interactuar con esos sistemas sin debilitarlos.
La transcripción de resultados de Airbnb presenta esta infraestructura como la defensa de la empresa frente a la desintermediación provocada por la IA. Esa defensa es creíble, pero no es permanente.
Una plataforma de agentes capaz puede estandarizar servicios complejos con el tiempo. Las agencias de viajes en línea estandarizaron anteriormente la búsqueda y la reserva entre aerolíneas y hoteles, incluso cuando los proveedores tenían sistemas distintos.
La pregunta sin responder es quién define el estándar. Apple y Google controlan los principales sistemas operativos móviles, mientras OpenAI y otros proveedores de asistentes quieren controlar la capa conversacional.
Los marketplaces como Airbnb controlan el inventario especializado, el historial de transacciones y las reglas operativas. En teoría, los usuarios controlan el consentimiento, aunque el diseño de la interfaz influye mucho en cómo se expresa ese consentimiento.
La propuesta de Chesky no resuelve esa lucha de poder. Un sistema operativo nativo de IA podría proteger las aplicaciones especializadas o podría otorgar a su propietario un control aún mayor sobre el acceso y la distribución.
La misma ambigüedad rodea a MCP. Los estándares abiertos pueden reducir los costes de integración, pero las implementaciones siguen decidiendo qué herramientas aparecen y qué solicitudes reciben aprobación.
La seguridad también se vuelve más difícil a medida que los agentes ganan autoridad. La inyección de prompts, los anuncios manipulados, las herramientas comprometidas o el contenido engañoso pueden redirigir el comportamiento de un agente.
Un agente de viajes que solo recomienda opciones genera un nivel de riesgo. Un agente autorizado para enviar mensajes a anfitriones y gastar dinero genera uno mucho mayor.
Los agentes fiables deben tratar el contenido externo como entrada no confiable. También necesitan límites estrictos entre la información recopilada para una tarea y las instrucciones autorizadas por el usuario.
Para los trabajadores del conocimiento, el mismo principio se aplica cuando un agente conecta notas, correo electrónico, calendarios y documentos. Una base de conocimiento personal resulta útil cuando el contexto está disponible, pero el acceso debe seguir siendo deliberado y trazable.
Chesky resulta convincente cuando dice que falta una infraestructura más rica. Aún no ha demostrado que el modelo de sistema operativo pueda alinear a propietarios de plataformas, aplicaciones y usuarios en torno a un único marco de permisos.
Hasta que eso suceda, “compatible con agentes” describirá una colección de integraciones, no un entorno de informática de consumo fiable.
Tres señales mostrarán si se sostiene la tesis de Airbnb sobre los agentes
La próxima prueba no consiste en si Airbnb añade más etiquetas de IA. Consiste en si la empresa puede convertir el argumento arquitectónico de Chesky en un comportamiento observable del producto.
La primera señal es la interfaz de planificación multijugador de Airbnb. Chesky situó la IA colaborativa en un horizonte de entre tres y seis meses tras su entrevista de octubre.
Un lanzamiento creíble debería permitir que varios viajeros aporten preferencias, comparen propiedades y aprueben decisiones compartidas. También debería separar el contexto privado de la información visible para el grupo.
Si Airbnb lanza esos controles y las personas los utilizan, el resultado reforzará su argumento frente a la planificación basada solo en chat. Un retraso o un chat grupal con modificaciones menores debilitaría ese argumento.
La segunda señal es el agente de Airbnb de 2027. Chesky ha hecho el calendario inusualmente explícito, al decir a una audiencia del sector que la empresa lanzaría su agente el próximo año.
El compromiso para 2027 ofrece a los observadores una referencia concreta. La cuestión importante será qué autoridad recibe ese agente.
Un asistente de búsqueda que produzca recomendaciones representaría un avance incremental. Un agente que coordine búsqueda, aprobación grupal, mensajería, servicios y reservas pondría a prueba la tesis más amplia del sistema operativo.
Airbnb también debe mostrar cómo maneja el agente los errores. Las aprobaciones claras, los registros de transacciones, las vías de recuperación y la escalación a humanos importarán más que una demostración pulida.
La tercera señal es una interoperabilidad más profunda fuera de Airbnb. Chesky espera que un futuro macroagente se comunique con otros agentes, potencialmente mediante MCP.
La evidencia debería incluir transferencias funcionales con servicios relevantes, no solo un conector que devuelva información de anuncios. La identidad, los calendarios, los pagos y los cambios de viaje son las capas difíciles.
Si los agentes pueden trasladar el contexto aprobado por el usuario a través de esos límites, la visión de Brian Chesky sobre los agentes de IA parecerá menos una crítica y más un plan de implementación.
Si Apple, Google o un gran proveedor de IA introduce primero un marco común de permisos y ejecución, Airbnb tendrá que adaptarse a las reglas de plataforma de otra empresa.
También hay una medida comercial que observar. Airbnb afirma que las referencias procedentes de chatbots ya convierten mejor que el tráfico de Google, pero no ha publicado suficientes datos para evaluar la escala o la durabilidad.
El aumento de las reservas originadas por agentes respaldaría la visión de Chesky de que los asistentes externos pueden ampliar el descubrimiento. La disminución de la interacción directa indicaría que esos asistentes están capturando la relación que Airbnb quiere preservar.
El enfoque de Airbnb es deliberadamente prudente, pero la prudencia no elimina la presión competitiva. Los agentes generales están mejorando, las startups de interfaces están experimentando y las plataformas de viajes están desarrollando sus propios asistentes.
La empresa ahora debe demostrar que su interfaz más rica es más útil que una conversación sin resultar más complicada que la experiencia a la que sustituye.
La visión de Brian Chesky sobre los agentes de IA plantea, en última instancia, una pregunta práctica para toda plataforma de consumo: ¿qué debe seguir siendo visible cuando el software empieza a actuar por el usuario?
Observe las herramientas de planificación colaborativa de Airbnb, el alcance de su agente de 2027 y sus primeras transacciones serias entre agentes. Estos lanzamientos revelarán si está surgiendo un sistema operativo de IA o si las aplicaciones actuales simplemente están adquiriendo asistentes más inteligentes.
