A estratégia de IA do Airbnb: entregar mais rápido sem abrir mão do julgamento humano

O Airbnb afirma que a IA já participa de quase 60% do código de engenharia da empresa.

É o número mais fácil de transformar em manchete. Mas não é o melhor número para administrar um time de produto. Os sinais mais úteis estão um nível acima: algumas iniciativas importantes passaram do conceito à entrega até 60% mais rápido; no primeiro semestre de 2026, a empresa entregou quase 80% mais recursos e melhorias; quase 45% dos casos que começam no AI Assistant são resolvidos sem atendimento humano; e o custo de suporte por reserva caiu cerca de 16% na comparação anual.

Esses dados não provam que a IA tomou todas as decisões de produto corretamente. Eles mostram algo mais prático: a execução pode ficar mais rápida e barata quando Agents trabalham dentro de um sistema gerenciado.

Na visão oficial da Buda, um time AI-native não transfere todas as escolhas para um modelo. Pessoas definem objetivo, limites e aprovação. Agents executam de forma contínua. Contexto, arquivos intermediários e resultados precisam continuar visíveis e revisáveis.

Três usos de IA, três níveis de evidência

O Airbnb apresentou avanços em desenvolvimento de produto, suporte ao cliente e busca com IA. Os três usam IA, mas não estão no mesmo estágio.

O desenvolvimento de produto tem evidência de entrega. Em algumas iniciativas importantes, o tempo do conceito à entrega caiu até 60%. O volume de recursos e melhorias lançados no semestre cresceu quase 80%. O Airbnb atribui o resultado à combinação de IA, uma equipe forte e melhor execução, não apenas ao modelo.

O suporte tem evidência operacional. Os quase 45% consideram somente casos iniciados no AI Assistant. A empresa não informou qual parcela de todos os contatos entra nesse fluxo. A queda de 16% no custo de suporte por reserva também foi impulsionada apenas em parte pelas melhorias do assistente.

A busca com IA tem evidência de teste. Um pequeno grupo poderá ativar a busca em linguagem natural por um botão, enquanto a experiência conhecida continua como padrão. Ainda não há dados divulgados sobre conversão, reservas ou retenção.

Velocidade de entrega, resultado operacional e experimento inicial não devem ser apresentados como se fossem a mesma prova.

Volume de código não é velocidade de produto

Se a IA produz mais código, mas os requisitos continuam vagos, os testes seguem fracos e a decisão de lançamento fica parada na mesma fila, a organização aumentou a saída sem melhorar o sistema.

Velocidade de produto é o tempo entre uma decisão e uma evidência confiável. Inclui pesquisa, especificação, implementação, teste, lançamento, medição e correção. A IA pode reduzir o custo de execução em cada etapa. Ela não decide qual problema do cliente merece prioridade nem qual nível de falha é aceitável.

Por isso, a afirmação mais importante do Airbnb não é “60% do código”. É a redução do tempo até a entrega em algumas iniciativas e a chegada de mais melhorias aos usuários.

Entregar mais rápido deve gerar mais aprendizado

O valor de um ciclo curto não está apenas em publicar mais versões. Está em testar uma decisão contra a realidade mais vezes.

Um ciclo de produto com Agents gerenciados funciona assim:

1. Uma pessoa define o problema, a métrica de sucesso, as restrições e o limite do lançamento.
2. Agents coletam evidências, organizam requisitos, executam o trabalho, fazem verificações e preparam os artefatos.
3. Uma pessoa revisa a evidência e decide avançar, alterar ou interromper.
4. O time mede o resultado em produção e leva falhas e novas informações para o próximo ciclo.

Quanto mais rápida a execução, mais importante fica o julgamento humano. Um requisito ruim pode gerar rapidamente pesquisa, código, texto e respostas de suporte com aparência profissional. Velocidade exige pontos de revisão explícitos, não menos responsabilidade.

O botão da busca com IA cria um bom limite de lançamento

O Airbnb não está substituindo de imediato a busca conhecida por local, data e filtros. O teste começa com pouco tráfego e pode ser ativado pelo usuário.

Assim, o caminho existente continua disponível e a nova experiência pode ser comparada. O time observa se a linguagem natural melhora a descoberta antes de ampliar o recurso.

Quando um Agent altera uma jornada visível ao cliente, o começo deve ser uma tarefa limitada, uma liberação reversível e um resultado mensurável. Uma demonstração interna não é evidência suficiente para mudar o comportamento padrão do produto.

No suporte, encaminhar para uma pessoa também faz parte do produto

O dado do Airbnb não significa que “a IA substituiu 45% do suporte”. O denominador é menor: casos que começaram no AI Assistant.

O produto real não é apenas o modelo que responde. É também o sistema de roteamento ao redor dele. Questões padronizadas devem ser resolvidas com rapidez. Casos ambíguos, contestados ou de alto risco precisam chegar a uma pessoa com o contexto já organizado.

Um Agent de suporte deve ser medido por resolução autônoma, encaminhamentos incorretos, tempo de solução, custo por caso, reaberturas, reclamações e satisfação. Reduzir custo só é útil quando a qualidade permanece aceitável.

Como a Buda transforma saídas de Agents em um sistema de entrega

A Buda organiza o trabalho em Agent Workspaces persistentes, não em conversas isoladas. Materiais de origem, requisitos, decisões, arquivos gerados e falhas anteriores podem permanecer no mesmo projeto. Agents usam Skills reutilizáveis para executar um método, trabalham com arquivos e ferramentas em um sandbox e deixam um histórico visível para revisão.

• Pessoas definem a intenção: problema, métrica, restrições e limite de aprovação.
• Agents executam: pesquisa, transformação de arquivos, rascunho, teste, comparação e preparação da entrega.
• O Workspace preserva o contexto: entradas, artefatos intermediários e resultados ficam juntos.
• A revisão controla o avanço: mudanças de alto impacto só seguem depois que uma pessoa examina a evidência.
• Skills e Automations preservam o método: um fluxo bem-sucedido pode ser repetido sem reconstruir tudo como um novo prompt.

A Buda não decide se um recurso deve ser lançado. Ela reduz o atrito entre essa decisão e a evidência necessária para tomar a próxima.

Conheça o Buda Agent Workspace ou comece um fluxo gerenciado de Agents na Buda.

A métrica de gestão que vale manter

A principal lição do caso Airbnb não é uma porcentagem de código. É a mudança na unidade de gestão.

Não pergunte apenas quanto a IA produziu. Pergunte quanto tempo o time levou para chegar a um resultado revisável, onde as pessoas interromperam um caminho errado, o que mudou para o cliente e se o custo caiu sem levar a qualidade junto.

Agents tornam a execução abundante. O julgamento de produto continua escasso.