Os resultados do Q2 2026 da Airbnb entregaram um aumento de 15% nas ações junto com detalhes inusitadamente específicos sobre o que os gastos em IA realmente estão comprando. O CEO Brian Chesky disse ao CNBC que a empresa gastará "muito mais" em tokens de IA este ano do que estava orçado—enquadrando o excesso como evidência de que a matemática do ROI funciona, não um problema de custo. O tempo de desenvolvimento de produtos caiu aproximadamente 60%. A saída de features subiu aproximadamente 80% ano a ano. O headcount está plano.
O quadro operacional é mais nítido. A Airbnb executa mais de uma dúzia de modelos internamente, com Claude Code da Anthropic e Codex da OpenAI nomeados como parte da stack de engenharia. A empresa reduz o acesso a modelos frontier mais lentos e caros quando o ganho marginal de capacidade não justifica o custo de inferência—uma camada de roteamento prática que Chesky enquadrou como seletiva, não barata. Para produtos voltados ao consumidor, modelos open-source são preferidos; modelos frontier lidam com os problemas mais difíceis. "Os consumidores em sua maioria não precisam de modelos frontier para a maioria das coisas," disse Chesky.
O serviço ao cliente é onde os números impactam mais. Quarenta e cinco por cento dos hóspedes que interagem com o agente de IA da Airbnb resolvem seu problema sem escalar para um humano. Chesky posicionou isso ao lado de "mais demanda, mais oferta, serviço ao cliente mais barato" como três resultados distintos e mensuráveis. O gasto em inferência que impulsiona o agente é trivialmente pequeno em relação à receita gerada por reserva.
A mudança de produtividade começou em engenharia e se expandiu. Os ganhos agora são visíveis em gerenciamento de produto, design, marketing e serviços criativos. A Airbnb rastreia o uso individual de tokens como proxy para adoção de IA, mas o trata como algo impreciso. As métricas de output têm mais peso. A receita por funcionário está crescendo. Chesky disse aos investidores que esperem a receita crescer "muito mais rápido" do que o headcount—não através de demissões, mas mantendo a contratação plana enquanto embarcam mais rápido.
Ahmad Al-Dahle, que entrou como CTO em janeiro após liderar o trabalho de IA generativa da Meta e o programa Llama, chegou com um mandato explícito para tornar a Airbnb "AI-native." Um ano atrás, Chesky estava debatendo se a IA era positiva líquida para o negócio. Esse enquadramento se foi. Os pilotos atuais incluem busca alimentada por IA, destaques de anúncios personalizados, geração de Q&A de hóspedes e assistência de anúncio e precificação para anfitriões—consistente com uma plataforma que tem buscas, classificação e workloads de confiança em larga escala.
A pergunta arquitetônica mais difícil que a Airbnb ainda não resolveu publicamente é como roteia qual de suas mais de uma dúzia de modelos para quais workloads, e que modos de falha emergem quando essas decisões dão errado em escala de reserva. A conta de Chesky se concentra quase inteiramente em ganhos. O custo dos 55% de interações de serviço ao cliente que ainda escalão para humanos, ou o que acontece com a qualidade de personalização quando o modelo mais barato fica aquém, fica fora da narrativa. Esses são os números que os profissionais precisam antes de tratar a stack da Airbnb como um template.
A mistura de modelos da Airbnb—open-source para superfície do consumidor, frontier para problemas difíceis, acesso reduzido para modelos caros, métricas de output internas sobre contagens de tokens—é um padrão defensável para deployment em escala de plataforma. Mas a redução de 60% no tempo de desenvolvimento e o aumento de 80% na saída de features são números relatados pelo CEO de uma call de resultados, não uma post-mortem.