Brian Chesky sugli agenti AI: hanno bisogno di un sistema operativo, non di un altro chatbot
Brian Chesky sugli agenti AI lancia un messaggio più netto rispetto ai suoi precedenti avvertimenti sui chatbot: manca ancora il livello software sottostante agli agenti destinati ai consumatori. Il CEO di Airbnb sostiene che agenti affidabili richiedano autorizzazioni condivise, interfacce più ricche e un vero sistema operativo.
Le sue osservazioni sono arrivate mentre Airbnb presentava la sua prima ricerca di strutture basata sull'AI e si impegnava a lanciare un agente più ampio nel 2027. Tuttavia, Chesky ritiene ancora che gli attuali agenti consumer non siano in grado di gestire bene Airbnb, soprattutto quando un viaggio richiede mappe, confronti, verifiche d'identità, pagamenti e coordinamento tra più persone.
Questa posizione contrappone Airbnb al percorso chatbot-first seguito nell'AI consumer. OpenAI, Meta, le startup che sviluppano agenti e le piattaforme di app emergenti vogliono sempre più che un unico assistente diventi l'interfaccia principale dell'utente. Chesky ritiene che questo modello comprima prodotti specializzati in una finestra di conversazione prima che l'infrastruttura possa preservarne le funzioni essenziali.
L'argomento conta oltre il settore dei viaggi. Se ha ragione, la prossima fase dell'AI consumer dipenderà meno da un singolo assistente dominante. Dipenderà maggiormente dalla capacità di agenti, applicazioni e sistemi operativi di cooperare senza sottrarre controllo, contesto o fiducia.
La ricerca AI di Airbnb è un punto di partenza, non la destinazione
Airbnb è passata dal discutere di AI consumer al testarla all'interno di una delle decisioni più importanti nel settore dei viaggi.
L'azienda ha aggiunto la ricerca AI al suo aggiornamento di prodotto autunnale alla fine di settembre. Gli utenti possono cercare case con prompt testuali o vocali in linguaggio naturale, quindi ricevere filtri adattati alle esigenze dichiarate.
Chi cerca un viaggio in famiglia può, ad esempio, menzionare un neonato. Airbnb può quindi proporre filtri relativi a culle, parchi giochi, libri per bambini o giocattoli. L'interfaccia può inoltre evidenziare dettagli rilevanti degli annunci e confrontare le strutture salvate tramite riepiloghi generati dall'AI.
Non si tratta di un agente di prenotazione autonomo. Rimane un'esperienza di ricerca guidata all'interno dell'app esistente di Airbnb, con annunci, filtri, mappe, liste dei desideri e controlli di checkout familiari.
Questa distinzione è intenzionale. Chesky ha dichiarato a TechCrunch che aggiungere la ricerca AI è stato relativamente semplice, mentre proteggere la conversione all'interno di un grande marketplace è stato più difficile. Airbnb processa oltre 100 miliardi di dollari attraverso la propria piattaforma, secondo le precedenti dichiarazioni di Chesky agli investitori.
L'azienda non può quindi trattare la qualità della ricerca come un progetto dimostrativo. Una raccomandazione plausibile ma imprecisa può influire sull'alloggio di una famiglia, sul reddito di un host o su una transazione che coinvolge regole di cancellazione e assicurazione.
Il lancio della ricerca AI di Airbnb mostra come l'azienda stia cercando di contenere questo rischio. Il modello interpreta l'intento, ma i controlli consolidati del prodotto continuano a guidare la decisione.
Questa struttura ibrida riflette anche la lunga obiezione di Chesky alla pianificazione dei viaggi basata sulle chat. Un viaggiatore raramente desidera una sola risposta. Le persone sfogliano fotografie, confrontano località, esaminano mappe, verificano dettagli sull'accessibilità, coordinano date e discutono compromessi con altri.
Una conversazione lineare può nascondere questi confronti in una trascrizione in continua espansione. Un'interfaccia visiva mantiene visibili più candidati e consente all'utente di manipolare direttamente i filtri.
Il nuovo prodotto di ricerca rimane un test iniziale. Airbnb non ha pubblicato prove indipendenti che dimostrino un miglioramento della soddisfazione nelle prenotazioni o una riduzione del tempo di ricerca. Chesky ha inoltre avvertito che una funzionalità AI implementata male potrebbe danneggiare la conversione.
Tuttavia, il lancio crea un vero banco di prova. Airbnb può ora osservare dove la ricerca basata sul linguaggio sia utile, dove gli utenti tornino ai controlli convenzionali e quali decisioni richiedano ancora una revisione umana.
Offre inoltre all'azienda un percorso verso il suo agente previsto per il 2027. Chesky si è impegnato pubblicamente su questa finestra di lancio e ha descritto l'esperienza futura come più ricca di un chatbot.
L'attuale prodotto va quindi interpretato soprattutto come scoperta dell'infrastruttura attraverso l'uso reale. Airbnb sta imparando quali parti del viaggio possano diventare agentiche senza rinunciare alle interfacce che rendono comprensibili scelte complesse.
Brian Chesky sugli agenti AI sposta la sfida sul sistema operativo
L'affermazione centrale di Chesky è che gli agenti consumer vengano sviluppati come applicazioni prive dei servizi di sistema operativo richiesti dalle applicazioni affidabili.
Un sistema operativo coordina hardware, applicazioni, autorizzazioni, file, identità e comunicazioni. Chesky auspica una base equivalente per gli agenti AI, sebbene non ne abbia pubblicato una specifica tecnica.
Secondo lui, le aziende di oggi stanno collocando applicazioni AI su iOS, macOS e Windows. Non stanno costruendo ambienti in cui gli agenti operino come componenti di sistema di primo livello, con regole coerenti.
Questa differenza diventa evidente quando un agente esterno tenta di completare una prenotazione Airbnb. L'agente necessita di più dei dati dell'annuncio. Può aver bisogno di un'identità autenticata, disponibilità aggiornata, messaggistica, autorizzazione al pagamento, contesto sulla posizione, politiche di cancellazione e consenso di più viaggiatori.
I sistemi operativi tradizionali già mediano confini comparabili per le applicazioni. Decidono se un software possa accedere a un microfono, leggere un file, usare una posizione o comunicare attraverso una rete.
All'AI consumer manca un livello altrettanto maturo per le azioni delegate. Ogni fornitore di agenti può definire i propri strumenti, schermate di approvazione, comportamenti della memoria e flusso di autenticazione. Ogni servizio deve poi decidere quante capacità esporre.
Chesky ha descritto la concorrenza attuale come una corsa a diventare il “quarterback”, ovvero l'assistente principale attraverso il quale gli utenti accedono ad altri servizi. Questa strategia può dare all'agente vincente il controllo sulla scoperta e sulla relazione con il cliente.
Airbnb ha ragioni per opporsi a questo assetto. Se un assistente generalista sceglie un annuncio, ne riassume i dettagli e completa la transazione, Airbnb rischia di diventare un fornitore invisibile dietro l'interfaccia di un'altra azienda.
Ciononostante, Chesky considera gli agenti esterni potenziali generatori di contatti. Durante la call sugli utili di Airbnb di febbraio, ha affermato che il traffico proveniente dai chatbot convertiva a un tasso superiore rispetto al traffico di Google, sebbene Airbnb non abbia fornito una metodologia dettagliata.
Questo crea la tensione principale dell'articolo. Airbnb vuole che gli agenti scoprano e utilizzino il suo marketplace, ma non vuole che un assistente universale riduca Airbnb a un database.
La risposta dell'azienda è l'interoperabilità, ovvero la possibilità per diversi sistemi software di scambiare richieste e capacità attraverso regole definite. Chesky ha dichiarato che Airbnb prevede di collegare gli agenti tramite Model Context Protocol, o MCP.
MCP è uno standard per connettere applicazioni AI a strumenti e fonti di dati. Può aiutare un agente a scoprire ciò che offre un sistema esterno, ma un protocollo da solo non crea un sistema operativo.
Una piattaforma completa per agenti richiederebbe inoltre identità, controlli sui pagamenti, autorizzazioni persistenti, registri di audit, meccanismi di ripristino e chiari confini di responsabilità. Deve sapere chi ha autorizzato un'azione e cosa debba accadere quando l'esecuzione fallisce a metà.
Si consideri una prenotazione di gruppo. Una persona potrebbe chiedere a un agente di trovare una casa, mentre un'altra controlla il metodo di pagamento. Un terzo viaggiatore potrebbe rifiutare la posizione e l'host potrebbe richiedere identità verificate.
Trasmettere i dati degli annunci tra agenti affronta solo il primo livello. Il sistema deve preservare l'autorità, spiegare i conflitti e impedire che l'assistente di un partecipante superi il proprio mandato.
L'intervista sugli agenti di Chesky presenta la questione come un problema a livello di settore. Apple, Google o un altro fornitore di piattaforme dovrebbero sostenere questo cambiamento più profondo, ha affermato.
Questa osservazione limita anche il controllo di Airbnb. L'azienda può rendere i propri servizi adatti agli agenti, ma non può stabilire autonomamente regole di autorizzazione a livello di sistema tra telefoni, assistenti, fornitori di pagamenti e marketplace concorrenti.
Le interfacce ricche sfidano il modello del chatbot universale
La vera sfida non è Airbnb contro un'unica azienda AI. È quella tra interfacce specializzate e l'idea che una conversazione possa sostituire ogni applicazione.
La chat funziona bene quando l'utente ha una richiesta chiara e desidera un risultato conciso. “Trova la mia prenotazione” o “spiega questa regola di cancellazione” possono adattarsi naturalmente a una conversazione.
La scoperta di opzioni di viaggio è diversa. Spesso le persone iniziano senza una destinazione, un tipo di struttura o un itinerario precisi. Le loro preferenze emergono mentre esplorano.
Una fotografia può cambiare la decisione. Lo stesso vale per la posizione di una casa su una mappa, la distanza dai trasporti o il rapporto tra camere da letto e spazi condivisi.
Queste scelte sono difficili da comprimere in testo sequenziale. L'utente deve vedere alternative nello stesso momento e manipolare direttamente i criteri.
La collaborazione aggiunge un'altra complicazione. Chesky definisce l'esperienza necessaria “AI multiplayer”, intendendo che più persone possano lavorare con lo stesso sistema intelligente durante la pianificazione.
La maggior parte degli assistenti personali parte da un account individuale, un contesto privato e una cronologia di conversazione. I viaggi di gruppo richiedono uno stato condiviso senza esporre tutto ciò che un partecipante ha detto a un agente.
Un agente utile per i gruppi deve distinguere le preferenze private dalle decisioni del gruppo. Deve inoltre mostrare chi ha approvato date, budget e impegni di pagamento.
Airbnb prevedeva di esplorare queste interfacce collaborative nei tre-sei mesi successivi all'intervista di Chesky di ottobre. Questa tempistica rende la pianificazione multiplayer uno dei test più chiari a breve termine della sua tesi.
L'azienda non è sola nel mettere in discussione il software basato esclusivamente sulla chat. Wabi ha promosso interfacce generate che appaiono quando gli utenti necessitano di controlli specifici. Il suo fondatore ha sostenuto che le persone vogliano ancora toccare, scorrere e ispezionare il software anziché digitare continuamente.
Le interfacce generative sono schermate assemblate dall'AI per il compito corrente anziché essere interamente fisse in anticipo. Promettono flessibilità, ma possono anche rendere i controlli meno prevedibili.
Un pulsante di checkout che cambia posizione o significato tra sessioni può confondere gli utenti. Un'informativa generata potrebbe omettere informazioni che un flusso progettato presenta sempre.
Chesky si aspetta che componenti deterministiche e generate coesistano. Le interfacce deterministiche sono progettate in anticipo e si comportano in modo prevedibile, mentre gli elementi generati rispondono alla richiesta attuale dell'utente.
La nuova ricerca di Airbnb illustra questa combinazione. L'AI traduce una richiesta flessibile in opzioni pertinenti, ma il marketplace continua a presentare filtri, schede, mappe e passaggi di prenotazione riconoscibili.
Questo modello offre un'alternativa pratica al chatbot universale. L'agente può interpretare l'intento senza diventare l'unica interfaccia visibile.
Il macro agente previsto da Airbnb estenderebbe questo approccio alla scoperta, al servizio clienti e ad altre aree di servizio. L'azienda usa già AI specializzata nel supporto e si aspetta che la voce diventi più importante.
A maggio, Chesky ha dichiarato che l'AI per l'assistenza clienti di Airbnb gestiva il 40 percento dei problemi senza escalation, rispetto a circa un terzo all'inizio del 2026. L'azienda ha inoltre affermato che l'AI ha generato il 60 percento del codice prodotto dai suoi ingegneri durante il primo trimestre.
Queste cifre sono dichiarazioni dell'azienda, non valutazioni indipendenti delle prestazioni. Mostrano comunque dove Airbnb ha individuato un valore più chiaro: flussi di lavoro di supporto vincolati e sviluppo software supervisionato.
L’accesso ampliato di Airbnb ai frontier model rafforza questa distinzione. L’azienda utilizza i modelli OpenAI in ambiti che includono ingegneria, ricerca, rilevamento delle frodi, assistenza e richieste di indennizzo assicurativo.
Airbnb afferma che i suoi team di sviluppo stanno rilasciando circa l’80% di funzionalità in più rispetto a un anno fa. Questa dichiarazione non identifica l’AI come unica causa, ma suggerisce che l’azienda consideri i modelli come infrastruttura di produzione.
L’autonomia del consumatore resta l’obiettivo più difficile. Scrivere codice sotto la supervisione di un ingegnere è diverso dal spendere il denaro di un viaggiatore o dal selezionare una casa sconosciuta.
Il modello chatbot-first spesso tratta l’interfaccia come un’impalcatura temporanea attorno a un modello sempre più capace. Il modello di Chesky considera il design dell’interfaccia parte dell’intelligenza del sistema.
Questa distinzione determinerà quali aziende manterranno relazioni dirette con i clienti. Se le applicazioni specializzate restano necessarie, gli agenti generalisti avranno bisogno di passaggi di consegne affidabili e controlli integrati.
Se la chat diventa sufficiente, i marketplace potrebbero perdere il controllo dell’interfaccia pur continuando a fornire inventario e transazioni. L’attuale strategia di Airbnb è progettata per beneficiare del traffico degli agenti senza accettare questo esito.
L’interoperabilità non risolve la fiducia da sola
Un sistema operativo per agenti AI fallirà se connette i servizi più rapidamente di quanto definisca le responsabilità.
L’interoperabilità sembra attraente perché riduce le integrazioni una tantum. Un agente Airbnb potrebbe comunicare con un agente calendario, un servizio aereo, un fornitore di pagamenti e l’assistente di un altro viaggiatore.
Eppure ogni connessione solleva questioni di autorizzazione. Un agente di viaggio può leggere l’intero calendario dell’utente o solo le date di vacanza dichiarate? Può prenotare una casa, oppure può anche inviare il pagamento?
L’analogia con il sistema operativo è utile in questo caso. Le moderne piattaforme mobili richiedono alle applicazioni di richiedere autorizzazioni specifiche, che gli utenti possono revocare in seguito.
Gli agenti necessitano di controlli simili, ma il compito è più difficile perché le loro azioni si sviluppano attraverso più servizi. Una singola istruzione può attivare ricerca, negoziazione, verifica dell’identità, pagamento e messaggistica.
L’autorizzazione deve quindi applicarsi sia ai dati sia alle azioni. Conoscere il nome sul passaporto di un viaggiatore non conferisce l’autorità di condividere un documento d’identità con ogni servizio.
Un agente necessita anche di una registrazione verificabile. Gli utenti dovrebbero poter vedere cosa ha richiesto, quale servizio ha risposto, quali informazioni sono state trasferite e quale impegno è diventato vincolante.
Questo è particolarmente importante nei viaggi, perché le condizioni cambiano. Un ritardo del volo può influire sul check-in. Un host può cancellare. Un agente potrebbe reagire riprenotando, ma l’utente potrebbe non aver approvato un quartiere diverso o un’altra politica di cancellazione.
Il recupero è un’altra questione irrisolta. I sistemi operativi convenzionali possono terminare un processo fallito o ripristinare un file. Un agente non può sempre annullare un pagamento, un messaggio o una prenotazione.
La piattaforma deve sapere quali operazioni sono reversibili e quando chiedere conferma. Deve inoltre prevedere procedure per le controversie tra agenti o tra un agente e un partecipante umano.
Il marketplace di Airbnb aggiunge un proprio livello di fiducia. Chesky ha dichiarato che la piattaforma dispone di 200 milioni di identità verificate e che il 90% degli ospiti che prenotano invia un messaggio.
Ha inoltre affermato che Airbnb ha gestito oltre 100 miliardi di dollari in pagamenti. Questi dati illustrano perché l’app visibile sia solo una parte del prodotto.
Il resto comprende controlli antifrode, strumenti per gli host, assistenza multilingue, processi assicurativi, sistemi di identità e politiche del marketplace. Un agente esterno deve interagire con questi sistemi senza indebolirli.
La trascrizione della call sugli utili di Airbnb presenta questa infrastruttura come la difesa dell’azienda contro la disintermediazione dell’AI. Questa difesa è credibile, ma non è permanente.
Una piattaforma di agenti capace può standardizzare nel tempo servizi complessi. Le agenzie di viaggio online avevano già standardizzato ricerca e prenotazione tra compagnie aeree e hotel, anche quando i fornitori disponevano di sistemi diversi.
La domanda senza risposta è chi definisce lo standard. Apple e Google controllano i principali sistemi operativi mobili, mentre OpenAI e altri fornitori di assistenti vogliono controllare il livello conversazionale.
Marketplace come Airbnb controllano inventario specializzato, cronologia delle transazioni e regole operative. In teoria, gli utenti controllano il consenso, anche se il design dell’interfaccia influenza fortemente il modo in cui tale consenso viene espresso.
La proposta di Chesky non risolve questa lotta di potere. Un sistema operativo nativo AI potrebbe proteggere le applicazioni specializzate, oppure potrebbe dare al suo proprietario un controllo ancora maggiore su accesso e distribuzione.
La stessa ambiguità riguarda MCP. Gli standard aperti possono ridurre i costi di integrazione, ma le implementazioni decidono comunque quali strumenti compaiono e quali richieste ricevono approvazione.
Anche la sicurezza diventa più difficile man mano che gli agenti acquisiscono autorità. Prompt injection, annunci manipolati, strumenti compromessi o contenuti fuorvianti possono reindirizzare il comportamento di un agente.
Un agente di viaggio che si limita a consigliare opzioni crea un livello di rischio. Un agente autorizzato a inviare messaggi agli host e a spendere denaro ne crea uno molto più elevato.
Gli agenti affidabili devono trattare i contenuti esterni come input non attendibili. Devono inoltre mantenere confini rigorosi tra le informazioni raccolte per un’attività e le istruzioni autorizzate dall’utente.
Per i knowledge worker, lo stesso principio si applica quando un agente collega note, email, calendari e documenti. Una base di conoscenza personale diventa utile quando il contesto è disponibile, ma l’accesso dovrebbe restare intenzionale e tracciabile.
Chesky è convincente quando afferma che manca un’infrastruttura più ricca. Non ha ancora dimostrato che il modello del sistema operativo possa allineare proprietari delle piattaforme, applicazioni e utenti attorno a un unico framework di autorizzazioni.
Finché ciò non accadrà, “agent-friendly” descriverà una raccolta di integrazioni anziché un ambiente affidabile di consumer computing.
Tre segnali mostreranno se la tesi di Airbnb sugli agenti regge
Il prossimo test non è se Airbnb aggiungerà altre etichette AI. È se l’azienda riuscirà a trasformare l’argomento architetturale di Chesky in un comportamento di prodotto osservabile.
Il primo segnale è l’interfaccia di pianificazione multiplayer di Airbnb. Chesky ha collocato l’AI collaborativa in un orizzonte di tre-sei mesi dopo la sua intervista di ottobre.
Un rilascio credibile dovrebbe consentire a più viaggiatori di contribuire con le proprie preferenze, confrontare strutture e approvare decisioni condivise. Dovrebbe inoltre separare il contesto privato dalle informazioni visibili al gruppo.
Se Airbnb rilascia questi controlli e le persone li utilizzano, il risultato rafforzerà la sua tesi contro la pianificazione basata solo sulla chat. Un ritardo o una chat di gruppo modificata solo marginalmente indebolirebbero l’argomento.
Il secondo segnale è l’agente Airbnb del 2027. Chesky ha reso la tempistica insolitamente esplicita, dicendo a un pubblico del settore che l’azienda lancerà il proprio agente il prossimo anno.
L’impegno per il 2027 offre agli osservatori un parametro concreto. La domanda importante sarà quale autorità riceverà quell’agente.
Un assistente di ricerca che produce raccomandazioni rappresenterebbe un progresso incrementale. Un agente che coordina ricerca, approvazione di gruppo, messaggistica, servizi e prenotazione metterebbe alla prova la più ampia tesi del sistema operativo.
Airbnb deve anche mostrare come l’agente gestisce gli errori. Approvazioni chiare, registri delle transazioni, percorsi di recupero ed escalation a operatori umani conteranno più di una dimostrazione curata.
Il terzo segnale è un’interoperabilità più profonda al di fuori di Airbnb. Chesky prevede un futuro macro agente in grado di comunicare con altri agenti, potenzialmente tramite MCP.
Le prove dovrebbero includere passaggi di consegne funzionanti con servizi rilevanti, non solo un connettore che restituisce informazioni sugli annunci. Identità, calendari, pagamenti e modifiche al viaggio sono i livelli più difficili.
Se gli agenti possono trasportare il contesto approvato dall’utente oltre questi confini, Brian Chesky sugli agenti AI sembrerà meno una critica e più un piano di implementazione.
Se Apple, Google o un importante fornitore di AI introduce prima un framework comune per autorizzazioni ed esecuzione, Airbnb dovrà adattarsi alle regole della piattaforma di qualcun altro.
C’è anche un indicatore commerciale da osservare. Airbnb afferma che i referral dai chatbot convertono già meglio del traffico Google, ma non ha pubblicato dati sufficienti per valutarne scala o durata.
La crescita delle prenotazioni originate dagli agenti sosterrebbe la visione di Chesky secondo cui gli assistenti esterni possono ampliare la scoperta. Un calo dell’engagement diretto indicherebbe che quegli assistenti stanno catturando la relazione che Airbnb vuole preservare.
L’approccio di Airbnb è deliberatamente prudente, ma la prudenza non elimina la pressione competitiva. Gli agenti generalisti stanno migliorando, le startup delle interfacce stanno sperimentando e le piattaforme di viaggio stanno sviluppando i propri assistenti.
L’azienda deve ora dimostrare che la sua interfaccia più ricca è più utile di una conversazione senza diventare più complicata dell’esperienza che sostituisce.
Brian Chesky sugli agenti AI solleva in definitiva una domanda pratica per ogni piattaforma consumer: cosa deve restare visibile quando il software inizia ad agire per l’utente?
Osservate gli strumenti di pianificazione collaborativa di Airbnb, la portata del suo agente del 2027 e le sue prime serie transazioni tra agenti. Questi rilasci riveleranno se sta emergendo un sistema operativo AI o se le app di oggi stanno semplicemente acquisendo assistenti più intelligenti.
