AI资讯

Airbnb CTO 谈 AI 转型:60% 代码由 AI 编写,半数客服工单由 AI 解决

Airbnb CTO 谈 AI 转型:60% 代码由 AI 编写,半数客服工单由 AI 解决

来源Latent Space查看原文

速览

  • Airbnb 把 AI 转型拆成内部提效与外部体验两步,称为 inside-out AI
  • 产品、设计、工程团队直接围绕原型协作,不再依赖 PRD 等中间产物
  • 代码本身成为团队推理的载体,取代了过度的文档产出
  • 客服是首个面向用户的 AI 场景,靠合成数据在生产前做充分测试
  • Everest 让通才能在高度专业的代码区域工作,缩短新服务开发周期
  • Airbnb 在开源模型上做后训练,窄场景下小模型可超过前沿模型
  • 异步 agent 被用于自动分诊告警,人只审核 agent 提交的 PR
  • Al-Dahle 认为按功能而非按结果组织团队的公司会在 AI 时代吃亏
  • 他要求每位工程师都能解释 AI 生成的代码,以保住工程手艺

Airbnb CTO Ahmad Al-Dahle 今年 1 月从 Meta 加入 Airbnb,此前他在 Meta 负责生成式 AI 并主导了 2023 至 2025 年间开源 Llama 系列的发布。他在接受 Latent Space 采访时介绍了 Airbnb 的「inside-out AI」路径:先用 AI 加速内部产品开发,再把同样的能力用到用户体验上。目前 Airbnb 有 60% 的代码由 AI 编写,功能与改进的交付量同比增加近 80%,普通工程师的 pull request 吞吐量提升约 1.6 倍;约一半客服工单由 AI 独立解决(公司 Q2 财报给出的数字是接近 45%)。Airbnb 还自建了内部组织上下文图谱 Everest 和内部 agent AirChat,并开始把异步 agent 用于 on-call 值班。Al-Dahle 同时表达了对初级工程师能否练出手艺与判断力的担忧。

关键事实

  • Ahmad Al-Dahle 于今年 1 月加入 Airbnb 任 CTO,此前在 Meta 负责生成式 AI,主导 2023 至 2025 年开源 Llama 模型的发布
  • Airbnb 目前 60% 的代码由 AI 编写,功能与改进的交付量同比增加近 80%,普通工程师的 pull request 吞吐量提升约 1.6 倍
  • 约一半客服工单由 AI 独立解决,Airbnb Q2 财报给出的数字是接近 45%
  • Airbnb 自建内部组织上下文图谱 Everest,使用 LLM、embedding 和 AI 检索技术构建与查询
  • Airbnb Q2 财报称杂货配送服务开发耗时八到九个月,机场接送服务约六周
  • Airbnb 是「多模型公司」,在开源模型上完成大部分自有后训练和强化学习,生产环境部署至少 10 个定制模型

本站视角

这篇访谈对国内读者的价值不在「Airbnb 也用了 AI」,而在于它给出了一个大型消费互联网公司改造工程组织的具体样本。最直接的影响对象是国内做中大型平台的技术负责人和工程效能团队:Airbnb 把产品、设计、工程拉到同一个原型上协作、取消 PRD 这类中间产物、让代码成为讨论对象,这套流程改动比采购任何 AI 编码工具都更难,也更接近真正的瓶颈。对做 Agent 的团队来说,AirChat 和异步 on-call agent 值得关注——Airbnb 把 agent 放在告警触发、容器内运行、事件驱动这条线上,而不是做聊天框,这和我们看到的 Vercel AI SDK、Astro、tldraw 等开源项目用 agent 团队提 PR 的做法是同一方向,说明「事件驱动的后台 agent」正在成为工程侧最实的落地形态。对用 API 的中小企业,Airbnb 的模型选型逻辑可以直接借鉴:编码用最强前沿模型因为缺陷成本高,搜索用小的后训练模型因为延迟敏感,按成本、性能、延迟的帕累托前沿逐场景取舍,而不是全公司统一一个模型。我们的判断是,这篇访谈里真正有信息量的是组织层面的结论——按结果而非按功能组织团队——而不是那些百分比数字。需要指出的是,60% 代码由 AI 编写、PR 吞吐量 1.6 倍、近 80% 的功能交付增长,全部来自 Al-Dahle 本人的口径,Airbnb 没有披露统计方法,也没有说明这些代码的缺陷率、返工率或长期维护成本;客服「约一半工单由 AI 解决」有 Q2 财报的接近 45% 作为交叉印证,可信度相对更高。Al-Dahle 自己提出的初级工程师手艺退化问题,其实是这套模式最大的未解风险:如果 AI 写掉了大部分代码,而公司只要求工程师「能解释」,那么判断力从哪里长出来,Airbnb 并没有给出答案,这值得国内同样在推 AI 编码的团队提前想清楚。

背景与影响

Airbnb 自 2008 年成立起就被视为一家做酒店业的科技公司,2020 年上市,目前市值约 930 亿美元,把这样体量的公司改造成「AI 原生」是件大工程。Al-Dahle 的职业路径本身也反映了行业重心的迁移:他在 Meta 期间负责生成式 AI,经历了 Llama 系列从 2023 年到 2025 年的开源发布,对模型能力代际提升的飞轮已经熟悉;他自述喜欢追逐「困难的边界」,认为下一个难题是把模型大规模部署进生产系统。这意味着前沿模型实验室与大型应用公司之间的人才流动正在加速,模型能力的竞争之外,落地能力开始成为稀缺项。Airbnb 的具体做法包括:用 Everest 这类内部上下文图谱沉淀跨项目的组织知识,让杂货配送的经验能直接复用到机场接送,把开发周期从八九个月压缩到六周;用 AirChat 这类内部 agent 承载组织上下文;以及在模型选型上按场景做取舍,而不是统一押注某一家。需要观察的是,这些数字大多来自 Airbnb 高管自述与公司财报,缺少第三方验证,且「AI 编写代码占比」「PR 吞吐量」这类指标的统计口径并不透明,不同公司之间难以直接比较。

本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明