Airbnbは、エンジニアリングコードの約60%にAIが関わっていると説明しています。
注目を集めやすい数字ですが、製品チームが本当に管理すべき指標は別にあります。主要な取り組みの一部では、構想から提供までの時間が最大60%短縮。2026年上半期に提供した機能と改善の数は前年同期比で約80%増えました。AI Assistantから始まったサポート案件の約45%は人の担当者なしで解決され、予約1件あたりのサポート関連コストは前年比で約16%下がっています。
ただし、これらの数字はAIがすべての製品判断を正しく行ったことを意味しません。Agentを管理可能な提供システムの中に置くと、実行を速く、低コストにできることを示しています。
Budaの公式な製品視点では、AI-nativeなチームとは判断をモデルに丸投げするチームではありません。人が目的、境界、承認を担い、Agentが継続的な実行を担う。文脈、途中成果、最終結果が見えることが前提です。
3つのAI活用と、異なる証拠の成熟度
Airbnbは製品開発、カスタマーサポート、AI検索について進捗を示しました。同じAI活用でも、証拠の段階は異なります。
製品開発には提供速度の証拠があります。 一部の主要施策で構想から提供まで最大60%短縮し、上半期の機能と改善は約80%増加しました。AirbnbはこれをAIだけでなく、優れたチームと実行改善を合わせた結果だと説明しています。
カスタマーサポートには運用結果があります。 約45%という数字は、AI Assistantから始まった案件だけが対象です。すべての問い合わせのうち、何割がこの入口を使うかは公開されていません。予約1件あたりのコストが約16%下がった点も、AI Assistantの改善が寄与したのは「一部」とされています。
AI検索は検証段階です。 従来の検索を標準のまま残し、一部の利用者がトグルで自然言語検索を選べる形でテストします。コンバージョン、予約、継続利用への効果はまだ公表されていません。
提供速度、運用成果、初期実験を同じ「成功」として扱わないことが重要です。
コード量は製品速度ではない
AIがコードを増やしても、要件が曖昧で、テストが弱く、リリース判断が同じ場所で滞れば、組織は出力量を増やしただけです。
製品速度とは、判断から信頼できる証拠を得るまでの時間です。調査、要件、実装、テスト、公開、計測、修正までを含みます。AIは各段階の実行コストを下げられますが、どの顧客課題に取り組むべきか、どの失敗を許容するかは決められません。
Airbnbの重要な主張は「コードの60%」ではなく、一部の施策が構想から提供まで速くなり、より多くの改善が利用者に届いたことです。
速い提供は、学習回数を増やすために使う
提供サイクルを短くする価値は、リリース数を増やすことだけではありません。判断を現実にぶつけて検証する回数を増やせます。
管理されたAgentの製品ループは次のようになります。
- 人が顧客課題、成功指標、制約、公開範囲を定義する。
- Agentが調査、仕様整理、実装作業、チェック、成果物の準備を行う。
- 人が証拠を確認し、続行、修正、中止を決める。
- 本番結果を計測し、失敗と新しい情報を次のサイクルに戻す。
実行が速いほど、人の判断は重要になります。誤った要件から、整った調査、コード、コピー、サポート回答が一気に作られる可能性があるからです。速度には、少ない責任ではなく明確なレビュー地点が必要です。
AI検索のトグルは、よい公開境界になる
Airbnbは、使い慣れた場所、日付、フィルターの検索を全員から取り上げません。少量のトラフィックで、切り替え可能なテストから始めます。
既存の経路を残したまま、新しい体験を比較できます。自然言語検索が探索を改善するかを観察してから、拡大を判断できます。
顧客向けの流れをAgentが変える場合は、限定されたタスク、元に戻せる公開方法、測定可能な結果から始めるべきです。社内デモの成功は、標準機能にする根拠ではありません。
サポートでは、人への引き継ぎも製品である
Airbnbの数字は「AIがサポートの45%を代替した」という意味ではありません。対象はAI Assistantから始まった案件です。
重要なのは回答モデルだけでなく、その周囲のルーティングです。標準的な問題は速く解決し、曖昧、係争、高リスクな案件は、文脈をそろえて人に渡す必要があります。
サポートAgentは自動解決率だけでなく、誤った引き継ぎ、解決時間、案件あたりのコスト、再問い合わせ、苦情、満足度を同時に見る必要があります。
BudaはAgentの出力を提供システムに変える
Budaは単発チャットではなく、継続する Agent Workspace を中心に仕事を組み立てます。資料、要件、過去の判断、生成ファイル、失敗履歴を同じプロジェクトに保持できます。Agentは再利用可能なSkillsで手順を実行し、サンドボックスでファイルやツールを扱い、レビュー可能な作業履歴を残します。
- 人が意図を設定する： 課題、指標、制約、承認境界を決める。
- Agentが実行する： 調査、ファイル処理、下書き、テスト、比較、成果物準備を行う。
- Workspaceが文脈を保つ： 入力、中間成果、結果を一か所に残す。
- レビューが進行を制御する： 影響の大きい結果は、人が証拠を確認してから次へ進む。
- SkillsとAutomationsが方法を保存する： 成功した作業を毎回プロンプトから作り直さない。
Budaが機能を公開すべきか決めるわけではありません。判断から次の証拠までにある実行摩擦を減らします。
Buda Agent Workspaceを確認するか、Budaで管理可能なAgentワークフローを始めてください。
残すべき管理指標
Airbnbの事例で重要なのは、コードの割合ではなく、管理する単位が変わったことです。
AIがどれだけ作ったかだけを聞くのではなく、レビュー可能な結果まで何日かかったか、人がどこで誤りを止めたか、顧客行動がどう変わったか、品質を守りながらコストを下げられたかを見ます。
Agentによって実行は豊富になります。希少なまま残るのは、人の製品判断です。