Brian Chesky o agentach AI: potrzebują systemu operacyjnego, a nie kolejnego chatbota

Brian Chesky ma w sprawie agentów AI bardziej stanowcze przesłanie niż w swoich wcześniejszych ostrzeżeniach dotyczących chatbotów: wciąż brakuje warstwy oprogramowania leżącej u podstaw agentów konsumenckich. CEO Airbnb twierdzi, że niezawodne agenty potrzebują wspólnych uprawnień, bogatszych interfejsów i prawdziwego systemu operacyjnego.

Jego komentarze pojawiły się, gdy Airbnb zaprezentowało pierwsze wyszukiwanie nieruchomości oparte na AI i zobowiązało się uruchomić szerszego agenta w 2027 roku. Chesky nadal jednak uważa, że dzisiejsze agenty konsumenckie nie radzą sobie dobrze z Airbnb, zwłaszcza gdy podróż wymaga map, porównań, weryfikacji tożsamości, płatności i koordynacji między kilkoma osobami.

Stanowisko to przeciwstawia Airbnb obranej w konsumenckiej AI drodze stawiającej przede wszystkim na chatboty. OpenAI, Meta, startupy tworzące agentów i powstające platformy aplikacyjne coraz częściej chcą, aby jeden asystent stał się głównym interfejsem użytkownika. Chesky uważa, że taki model spłaszcza wyspecjalizowane produkty do okna rozmowy, zanim infrastruktura będzie w stanie zachować ich kluczowe funkcje.

Argument ten ma znaczenie wykraczające poza podróże. Jeśli ma rację, kolejna faza konsumenckiej AI będzie w mniejszym stopniu zależeć od jednego dominującego asystenta. Będzie bardziej zależeć od tego, czy agenty, aplikacje i systemy operacyjne potrafią współpracować bez odbierania użytkownikom kontroli, kontekstu i zaufania.

Wyszukiwanie AI Airbnb to punkt wyjścia, a nie cel

Airbnb przeszło od rozmów o konsumenckiej AI do testowania jej w jednej z najważniejszych decyzji związanych z podróżą.

Firma dodała wyszukiwanie AI do jesiennej aktualizacji produktu pod koniec września. Użytkownicy mogą wyszukiwać domy za pomocą tekstowych lub głosowych zapytań w języku naturalnym, a następnie otrzymywać filtry dopasowane do zgłoszonych potrzeb.

Osoba szukająca wyjazdu rodzinnego może na przykład wspomnieć o niemowlęciu. Airbnb może wtedy wyświetlić filtry dotyczące łóżeczek dziecięcych, placów zabaw, książek dla dzieci lub zabawek. Interfejs może również wyróżnić istotne informacje w ofertach i porównać zapisane nieruchomości za pomocą podsumowań generowanych przez AI.

Nie jest to autonomiczny agent dokonujący rezerwacji. Nadal pozostaje to doświadczeniem wspomaganego wyszukiwania wewnątrz istniejącej aplikacji Airbnb, z dobrze znanymi ofertami, filtrami, mapami, listami życzeń i kontrolą procesu płatności.

To rozróżnienie jest celowe. Chesky powiedział TechCrunch, że dodanie wyszukiwania AI było stosunkowo łatwe, natomiast trudniejsze było zabezpieczenie konwersji w dużym marketplace. Według wcześniejszych wypowiedzi Chesky'ego dla inwestorów Airbnb przetwarza na swojej platformie ponad 100 miliardów dolarów.

Firma nie może więc traktować jakości wyszukiwania jako projektu demonstracyjnego. Wiarygodnie brzmiąca, lecz niedokładna rekomendacja może wpłynąć na zakwaterowanie rodziny, dochód gospodarza lub transakcję obejmującą zasady anulowania i ubezpieczenia.

Wdrożenie wyszukiwania AI Airbnb pokazuje, jak firma próbuje ograniczać to ryzyko. Model interpretuje intencję, lecz ustalone mechanizmy kontroli produktu nadal kształtują decyzję.

Ta hybrydowa struktura odzwierciedla również wieloletni sprzeciw Chesky'ego wobec planowania podróży opartego na czacie. Podróżny rzadko chce tylko jednej odpowiedzi. Ludzie przeglądają zdjęcia, porównują lokalizacje, analizują mapy, sprawdzają informacje o dostępności, koordynują terminy i omawiają kompromisy z innymi.

Liniowa rozmowa może ukryć te porównania w rozrastającej się transkrypcji. Interfejs wizualny utrzymuje kilka kandydatów w polu widzenia i pozwala użytkownikowi bezpośrednio manipulować filtrami.

Nowy produkt wyszukiwania nadal jest wczesnym testem. Airbnb nie opublikowało niezależnych dowodów, że poprawia on satysfakcję z rezerwacji lub skraca czas wyszukiwania. Chesky ostrzegał także, że źle wdrożona funkcja AI mogłaby zaszkodzić konwersji.

Wdrożenie tworzy jednak realny poligon doświadczalny. Airbnb może teraz obserwować, gdzie wyszukiwanie oparte na języku pomaga, gdzie użytkownicy wracają do tradycyjnych kontrolek i które decyzje nadal wymagają ludzkiej oceny.

Daje to również firmie drogę do planowanego agenta na 2027 rok. Chesky publicznie zobowiązał się do realizacji tego terminu i opisał przyszłe doświadczenie jako bogatsze niż chatbot.

Obecny produkt najlepiej rozumieć więc jako odkrywanie infrastruktury poprzez użycie w realnych warunkach. Airbnb uczy się, które elementy podróży mogą stać się agentowe bez rezygnowania z interfejsów, które czynią złożone wybory zrozumiałymi.

Brian Chesky o agentach AI przenosi rywalizację na poziom systemu operacyjnego

Główna teza Chesky'ego brzmi: agenty konsumenckie są budowane jak aplikacje pozbawione usług systemu operacyjnego, których niezawodne aplikacje potrzebują.

System operacyjny koordynuje sprzęt, aplikacje, uprawnienia, pliki, tożsamość i komunikację. Chesky chce równoważnego fundamentu dla agentów AI, choć nie opublikował jego technicznej specyfikacji.

W jego ocenie dzisiejsze firmy umieszczają aplikacje AI na iOS, macOS i Windows. Nie budują środowisk, w których agenty działają jako pełnoprawne elementy systemu, podlegające spójnym regułom.

Różnica ta staje się widoczna, gdy zewnętrzny agent próbuje sfinalizować rezerwację Airbnb. Agent potrzebuje więcej niż danych o ofercie. Może potrzebować uwierzytelnionej tożsamości, aktualnej dostępności, wiadomości, autoryzacji płatności, kontekstu lokalizacji, zasad anulowania oraz zgody kilku podróżnych.

Tradycyjne systemy operacyjne już pośredniczą w porównywalnych granicach dla aplikacji. Decydują, czy oprogramowanie może uzyskać dostęp do mikrofonu, odczytać plik, użyć lokalizacji lub komunikować się przez sieć.

Konsumenckiej AI brakuje równie dojrzałej warstwy dla działań delegowanych. Każdy dostawca agentów może definiować własne narzędzia, ekrany zatwierdzania, zachowanie pamięci i przepływ uwierzytelniania. Każda usługa musi następnie zdecydować, jak wiele możliwości ujawnić.

Chesky opisał dzisiejszą konkurencję jako wyścig o zostanie „quarterbackiem”, czyli głównym asystentem, za pośrednictwem którego użytkownicy docierają do innych usług. Strategia ta może dać zwycięskiemu agentowi kontrolę nad odkrywaniem usług i relacją z klientem.

Airbnb ma powody, by opierać się takiemu układowi. Jeśli ogólny asystent wybiera ofertę, podsumowuje jej szczegóły i finalizuje transakcję, Airbnb ryzykuje, że stanie się niewidocznym dostawcą działającym za interfejsem innej firmy.

Chesky mimo to postrzega zewnętrzne agenty jako potencjalne źródło klientów. Podczas lutowej rozmowy o wynikach Airbnb powiedział, że ruch z chatbotów konwertował lepiej niż ruch z Google, choć Airbnb nie przedstawiło szczegółowej metodologii.

To tworzy główne napięcie artykułu. Airbnb chce, aby agenty odkrywały i korzystały z jego marketplace, ale nie chce, by uniwersalny asystent sprowadził Airbnb do bazy danych.

Odpowiedzią firmy jest interoperacyjność, czyli możliwość wymiany żądań i funkcji między różnymi systemami oprogramowania według określonych reguł. Chesky powiedział, że Airbnb spodziewa się łączyć agenty za pośrednictwem Model Context Protocol, czyli MCP.

MCP to standard łączenia aplikacji AI z narzędziami i źródłami danych. Może pomóc agentowi odkryć, co oferuje zewnętrzny system, lecz sam protokół nie tworzy systemu operacyjnego.

Kompletna platforma agentowa potrzebowałaby również tożsamości, kontroli płatności, trwałych uprawnień, rejestrów audytowych, mechanizmów odzyskiwania i jasnych granic odpowiedzialności. Musi wiedzieć, kto autoryzował działanie i co powinno się wydarzyć, gdy wykonanie zakończy się niepowodzeniem w połowie.

Rozważmy rezerwację grupową. Jedna osoba może poprosić agenta o znalezienie domu, podczas gdy inna kontroluje metodę płatności. Trzeci podróżny może odrzucić lokalizację, a gospodarz może wymagać zweryfikowanych tożsamości.

Przekazywanie danych o ofercie między agentami rozwiązuje tylko pierwszy poziom problemu. System musi zachowywać uprawnienia, wyjaśniać konflikty i zapobiegać przekroczeniu mandatu przez asystenta jednego z uczestników.

Wywiad o agentach z Chesky'm przedstawia to jako problem całej branży. Jak argumentował, Apple, Google lub inny dostawca platformy musiałby wesprzeć głębszą zmianę.

Ta obserwacja ogranicza również kontrolę Airbnb. Firma może uczynić swoje usługi przyjaznymi dla agentów, ale nie może samodzielnie ustanowić ogólnosystemowych reguł uprawnień dla telefonów, asystentów, dostawców płatności i konkurencyjnych marketplace'ów.

Bogate interfejsy podważają model uniwersalnego chatbota

Prawdziwa rywalizacja nie toczy się między Airbnb a jedną firmą AI. Chodzi o wyspecjalizowane interfejsy kontra idea, że jedna rozmowa może zastąpić każdą aplikację.

Czat sprawdza się dobrze, gdy użytkownik ma jasne żądanie i chce zwięzłego wyniku. „Znajdź moją rezerwację” albo „wyjaśnij tę zasadę anulowania” naturalnie pasują do rozmowy.

Odkrywanie możliwości podróży jest inne. Ludzie często zaczynają bez precyzyjnie określonego celu, typu nieruchomości czy planu podróży. Ich preferencje wyłaniają się podczas przeglądania.

Zdjęcie może zmienić decyzję. Może ją też zmienić położenie domu na mapie, odległość od transportu publicznego albo relacja między sypialniami a wspólnymi przestrzeniami.

Wybory te trudno sprowadzić do sekwencyjnego tekstu. Użytkownik musi jednocześnie widzieć alternatywy i bezpośrednio manipulować kryteriami.

Współpraca dodaje kolejną komplikację. Chesky nazywa potrzebne doświadczenie „multiplayer AI”, czyli sytuacją, w której kilka osób może pracować z tym samym inteligentnym systemem podczas planowania.

Większość osobistych asystentów wychodzi od indywidualnego konta, prywatnego kontekstu i jednej historii rozmowy. Podróże grupowe wymagają wspólnego stanu bez ujawniania wszystkiego, co jeden uczestnik przekazał agentowi.

Użyteczny agent grupowy musi odróżniać prywatne preferencje od decyzji grupowych. Musi również pokazywać, kto zatwierdził terminy, budżety i zobowiązania płatnicze.

Airbnb planowało badać te współdzielone interfejsy w ciągu trzech do sześciu miesięcy po październikowym wywiadzie z Chesky'm. Harmonogram ten czyni planowanie wieloosobowe jednym z najczytelniejszych krótkoterminowych testów jego tezy.

Firma nie jest jedyna w kwestionowaniu oprogramowania działającego wyłącznie przez czat. Wabi promowało generowane interfejsy, które pojawiają się, gdy użytkownicy potrzebują konkretnych kontrolek. Założyciel firmy argumentował, że ludzie nadal chcą klikać, przewijać i analizować oprogramowanie, zamiast bez przerwy pisać.

Interfejsy generatywne to ekrany tworzone przez AI na potrzeby bieżącego zadania, a nie całkowicie ustalone z góry. Obiecują elastyczność, ale mogą także sprawić, że kontrolki będą mniej przewidywalne.

Przycisk płatności, który między sesjami zmienia położenie lub znaczenie, może dezorientować użytkowników. Wygenerowane ujawnienie informacji może pominąć dane, które zaprojektowany przepływ zawsze prezentuje.

Chesky spodziewa się współistnienia komponentów deterministycznych i generowanych. Interfejsy deterministyczne są projektowane z wyprzedzeniem i działają przewidywalnie, podczas gdy elementy generowane reagują na bieżące żądanie użytkownika.

Nowe wyszukiwanie Airbnb ilustruje to połączenie. AI przekłada elastyczne żądanie na odpowiednie opcje, ale marketplace nadal prezentuje rozpoznawalne filtry, karty, mapy i etapy rezerwacji.

Model ten oferuje praktyczną alternatywę dla uniwersalnego chatbota. Agent może interpretować intencję, nie stając się jedynym widocznym interfejsem.

Planowany przez Airbnb makroagent rozszerzyłby to podejście na odkrywanie usług, obsługę klienta i inne obszary usług. Firma już wykorzystuje wyspecjalizowaną AI w obsłudze i spodziewa się, że głos stanie się ważniejszy.

W maju Chesky powiedział, że AI Airbnb obsługująca klientów rozwiązała 40 procent spraw bez eskalacji, w porównaniu z około jedną trzecią wcześniej w 2026 roku. Firma podała także, że AI wygenerowała 60 procent kodu stworzonego przez jej inżynierów w pierwszym kwartale.

Są to deklaracje firmy, a nie niezależne oceny wydajności. Mimo to pokazują, gdzie Airbnb znalazło wyraźniejszą wartość: w ograniczonych procesach obsługi wsparcia i nadzorowanym tworzeniu oprogramowania.

Rozszerzony dostęp Airbnb do modeli frontier wzmacnia ten podział. Firma wykorzystuje modele OpenAI w inżynierii, wyszukiwaniu, wykrywaniu oszustw, obsłudze klienta i rozpatrywaniu roszczeń ubezpieczeniowych.

Airbnb twierdzi, że jego zespoły deweloperskie dostarczają obecnie około 80 procent więcej funkcji niż rok wcześniej. To stwierdzenie nie wskazuje AI jako jedynej przyczyny, ale sugeruje, że firma traktuje modele jako infrastrukturę produkcyjną.

Autonomia konsumenta pozostaje trudniejszym celem. Pisanie kodu pod nadzorem inżyniera to coś innego niż wydawanie pieniędzy podróżnego lub wybór nieznanego domu.

Model oparty przede wszystkim na chatbocie często traktuje interfejs jako tymczasowe rusztowanie wokół coraz bardziej zdolnego modelu. Model Chesky’ego traktuje projekt interfejsu jako część inteligencji systemu.

To rozróżnienie wpłynie na to, które firmy zachowają bezpośrednie relacje z klientami. Jeśli wyspecjalizowane aplikacje pozostaną niezbędne, ogólni agenci będą potrzebować niezawodnych przekazań zadań i wbudowanych mechanizmów kontroli.

Jeśli rozmowa stanie się wystarczająca, marketplace’y mogą utracić kontrolę nad interfejsem, nawet jeśli nadal będą dostarczać ofertę i obsługiwać transakcje. Obecna strategia Airbnb ma pozwolić firmie korzystać z ruchu generowanego przez agentów bez akceptowania takiego rezultatu.

Interoperacyjność Sama w Sobie Nie Rozwiązuje Problemu Zaufania

System operacyjny dla agentów AI zawiedzie, jeśli będzie łączyć usługi szybciej, niż określi odpowiedzialność.

Interoperacyjność brzmi atrakcyjnie, ponieważ ogranicza potrzebę tworzenia jednorazowych integracji. Agent Airbnb mógłby komunikować się z agentem kalendarza, usługą lotniczą, dostawcą płatności i asystentem innego podróżnego.

Jednak każde połączenie rodzi pytania o autoryzację. Czy agent podróży może odczytać cały kalendarz użytkownika, czy wyłącznie zadeklarowane daty urlopu? Czy może zarezerwować dom, czy także zrealizować płatność?

Pomaga tu analogia do systemu operacyjnego. Nowoczesne platformy mobilne wymagają, aby aplikacje prosiły o konkretne uprawnienia, a użytkownicy mogą je później cofnąć.

Agenci potrzebują podobnych mechanizmów, ale zadanie jest trudniejsze, ponieważ ich działania rozciągają się na wiele usług. Jedno polecenie może uruchomić wyszukiwanie, negocjacje, weryfikację tożsamości, płatność i komunikację.

Uprawnienia muszą więc dotyczyć zarówno danych, jak i działań. Znajomość nazwiska podróżnego z paszportu nie daje prawa do udostępniania dokumentu tożsamości każdej usłudze.

Agent potrzebuje również audytowalnego rejestru. Użytkownicy powinni móc zobaczyć, o co poprosił, która usługa odpowiedziała, jakie informacje zostały przekazane i które zobowiązanie stało się wiążące.

Jest to szczególnie istotne w podróżach, ponieważ warunki się zmieniają. Opóźnienie lotu może wpłynąć na zameldowanie. Gospodarz może anulować rezerwację. Agent może zareagować, dokonując ponownej rezerwacji, lecz użytkownik mógł nie zatwierdzić innej dzielnicy ani innej polityki anulowania.

Kolejną nierozwiązaną kwestią jest odzyskiwanie sprawności po błędach. Konwencjonalne systemy operacyjne mogą zakończyć nieudany proces lub przywrócić plik. Agent nie zawsze może cofnąć płatność, wiadomość lub rezerwację.

Platforma musi wiedzieć, które operacje są odwracalne i kiedy poprosić o potwierdzenie. Potrzebuje także procedur dotyczących sporów między agentami albo między agentem a uczestnikiem będącym człowiekiem.

Marketplace Airbnb dodaje własną warstwę zaufania. Chesky powiedział, że platforma ma 200 milionów zweryfikowanych tożsamości, a 90 procent gości dokonujących rezerwacji wysyła wiadomość.

Powiedział też, że Airbnb obsłużyło płatności o wartości ponad 100 miliardów dolarów. Liczby te pokazują, dlaczego widoczna aplikacja jest tylko częścią produktu.

Pozostała część obejmuje mechanizmy przeciwdziałania oszustwom, narzędzia dla gospodarzy, wielojęzyczne wsparcie, procesy ubezpieczeniowe, systemy tożsamości i zasady marketplace’u. Zewnętrzny agent musi współdziałać z tymi systemami, nie osłabiając ich.

Transkrypcja wyników finansowych Airbnb przedstawia tę infrastrukturę jako ochronę firmy przed dezintermediacją przez AI. Ta obrona jest wiarygodna, ale nie jest trwała.

Zdolna platforma agentowa może z czasem standaryzować złożone usługi. Internetowe biura podróży wcześniej ustandaryzowały wyszukiwanie i rezerwacje w liniach lotniczych oraz hotelach, nawet gdy dostawcy korzystali z różnych systemów.

Bez odpowiedzi pozostaje pytanie, kto określi standard. Apple i Google kontrolują główne mobilne systemy operacyjne, podczas gdy OpenAI i inni dostawcy asystentów chcą kontrolować warstwę konwersacyjną.

Marketplace’y takie jak Airbnb kontrolują wyspecjalizowaną ofertę, historię transakcji i zasady operacyjne. Użytkownicy teoretycznie kontrolują zgodę, choć projekt interfejsu silnie wpływa na sposób jej wyrażania.

Propozycja Chesky’ego nie rozstrzyga tej walki o wpływy. System operacyjny natywny dla AI mógłby chronić wyspecjalizowane aplikacje albo dać jego właścicielowi jeszcze większą kontrolę nad dostępem i dystrybucją.

Ta sama niejednoznaczność dotyczy MCP. Otwarte standardy mogą obniżać koszty integracji, ale implementacje nadal decydują, które narzędzia się pojawiają i które żądania otrzymują zgodę.

Bezpieczeństwo również staje się trudniejsze, gdy agenci zyskują uprawnienia. Prompt injection, zmanipulowane oferty, przejęte narzędzia lub wprowadzające w błąd treści mogą przekierować zachowanie agenta.

Agent podróży, który jedynie rekomenduje opcje, stwarza określony poziom ryzyka. Agent upoważniony do wysyłania wiadomości do gospodarzy i wydawania pieniędzy tworzy ryzyko znacznie większe.

Niezawodni agenci muszą traktować treści zewnętrzne jako niezaufane dane wejściowe. Potrzebują również ścisłych granic między informacjami zebranymi na potrzeby zadania a instrukcjami autoryzowanymi przez użytkownika.

W przypadku pracowników umysłowych ta sama zasada obowiązuje, gdy agent łączy notatki, e-maile, kalendarze i dokumenty. Osobista baza wiedzy staje się użyteczna, gdy kontekst jest dostępny, ale dostęp powinien pozostać świadomy i możliwy do prześledzenia.

Chesky przekonuje, gdy mówi, że brakuje bogatszej infrastruktury. Nie pokazał jeszcze, że model systemu operacyjnego może zjednoczyć właścicieli platform, aplikacje i użytkowników wokół jednego systemu uprawnień.

Dopóki to nie nastąpi, „przyjazny agentom” będzie opisywać zbiór integracji, a nie niezawodne środowisko komputerowe dla konsumentów.

Trzy Sygnały Pokażą, Czy Teza Airbnb o Agentach Się Utrzyma

Kolejnym testem nie jest to, czy Airbnb doda więcej etykiet AI. Chodzi o to, czy firma potrafi przełożyć argument Chesky’ego dotyczący architektury na obserwowalne zachowanie produktu.

Pierwszym sygnałem będzie wieloosobowy interfejs planowania Airbnb. Chesky umieścił współpracę z AI w horyzoncie od trzech do sześciu miesięcy po swoim październikowym wywiadzie.

Wiarygodne wydanie powinno pozwolić kilku podróżnym wnosić preferencje, porównywać obiekty i zatwierdzać wspólne decyzje. Powinno także oddzielać prywatny kontekst od informacji widocznych dla grupy.

Jeśli Airbnb wdroży te mechanizmy kontroli, a ludzie będą z nich korzystać, wynik wzmocni jego argument przeciwko planowaniu wyłącznie przez czat. Opóźnienie lub nieznacznie zmodyfikowany czat grupowy osłabiłby ten argument.

Drugim sygnałem będzie agent Airbnb w 2027 roku. Chesky wyjątkowo jasno określił harmonogram, mówiąc przedstawicielom branży, że firma uruchomi swojego agenta w przyszłym roku.

Zobowiązanie na 2027 rok daje obserwatorom konkretny punkt odniesienia. Kluczowe będzie to, jakie uprawnienia otrzyma ten agent.

Asystent wyszukiwania przedstawiający rekomendacje oznaczałby stopniowy postęp. Agent koordynujący wyszukiwanie, akceptację grupy, wiadomości, usługi i rezerwację sprawdziłby szerszą tezę o systemie operacyjnym.

Airbnb musi także pokazać, jak agent radzi sobie z błędami. Jasne zatwierdzenia, rejestry transakcji, ścieżki odzyskiwania i eskalacja do człowieka będą ważniejsze niż dopracowana prezentacja.

Trzecim sygnałem będzie głębsza interoperacyjność poza Airbnb. Chesky oczekuje przyszłego agenta makro, który będzie komunikował się z innymi agentami, potencjalnie za pośrednictwem MCP.

Dowody powinny obejmować działające przekazania zadań między istotnymi usługami, a nie tylko konektor zwracający informacje o ofertach. Tożsamość, kalendarze, płatności i zmiany w podróży są trudniejszymi warstwami.

Jeśli agenci będą mogli przenosić zatwierdzony przez użytkownika kontekst przez te granice, Brian Chesky on AI agents będzie wyglądać mniej jak krytyka, a bardziej jak plan wdrożenia.

Jeśli Apple, Google lub duży dostawca AI wcześniej wprowadzi wspólny system uprawnień i wykonywania działań, Airbnb będzie musiało dostosować się do reguł platformy należącej do kogoś innego.

Warto obserwować również wymiar komercyjny. Airbnb twierdzi, że polecenia od chatbotów już konwertują lepiej niż ruch z Google, lecz firma nie opublikowała wystarczających danych, by ocenić skalę lub trwałość tego zjawiska.

Rosnąca liczba rezerwacji pochodzących od agentów poparłaby pogląd Chesky’ego, że zewnętrzni asystenci mogą rozszerzać odkrywanie ofert. Spadek bezpośredniego zaangażowania wskazywałby, że ci asystenci przejmują relację, którą Airbnb chce zachować.

Podejście Airbnb jest celowo ostrożne, ale ostrożność nie usuwa presji konkurencyjnej. Ogólni agenci się rozwijają, startupy interfejsowe eksperymentują, a platformy podróżnicze budują własnych asystentów.

Firma musi teraz udowodnić, że jej bogatszy interfejs jest bardziej użyteczny niż rozmowa, nie stając się przy tym bardziej złożony niż doświadczenie, które zastępuje.

Brian Chesky on AI agents ostatecznie stawia praktyczne pytanie każdej platformie konsumenckiej: co musi pozostać widoczne, gdy oprogramowanie zaczyna działać w imieniu użytkownika?

Obserwujcie narzędzia Airbnb do wspólnego planowania, zakres jej agenta na 2027 rok oraz pierwsze poważne transakcje między agentami. Te wdrożenia pokażą, czy wyłania się system operacyjny AI, czy też dzisiejsze aplikacje po prostu zyskują inteligentniejszych asystentów.