Brian Chesky dice que los agentes de IA necesitan un sistema operativo, no solo un chatbot

Airbnb está llevando su estrategia de IA para consumidores más allá de un chatbot, pero su CEO, Brian Chesky, afirma que la industria en general aún carece de la infraestructura de software necesaria para que los agentes funcionen de forma fiable entre aplicaciones.

En una entrevista con TechCrunch AI, Chesky dijo que Airbnb quiere hacer su plataforma más compatible con los agentes de IA, al tiempo que conserva la navegación, la comparación, la mensajería, los mapas, las comprobaciones de identidad y otras funciones que hacen que planificar un viaje sea una actividad visual y colaborativa. Su argumento es que la próxima etapa de la IA para consumidores requerirá algo más que un único asistente que acepte comandos de texto: necesitará un sistema operativo, herramientas de desarrollo de software y estándares comunes que permitan trabajar conjuntamente a agentes y aplicaciones.

Los comentarios llegaron cuando Airbnb presentó una nueva experiencia de búsqueda impulsada por IA en su actualización de producto de otoño. También ofrecen una perspectiva sobre cómo una gran plataforma de consumo está abordando los agentes mientras las startups intentan hacer que el software actúe en nombre de los usuarios.

Airbnb quiere agentes sin perder la experiencia de viajar

Chesky lleva mucho tiempo sosteniendo que un chatbot convencional no es adecuado para descubrir viajes ni para el comercio electrónico. En la entrevista repitió esa opinión y dijo que las interfaces de chat tienden a presentar solo un pequeño número de opciones y requieren varios turnos antes de que el usuario llegue a un resultado útil.

Ese modelo de interacción puede funcionar para una solicitud directa, como reservar un vuelo, dijo, pero puede eliminar la inspiración y la navegación que muchas personas valoran al planificar un viaje. Por ello, la interfaz de búsqueda actual de Airbnb no se presenta como un diseño definitivo. Chesky espera que la empresa desarrolle un modelo intermedio que combine la asistencia conversacional con controles visuales más completos.

También describió la planificación de viajes como una actividad social. Durante los próximos tres a seis meses, Airbnb explorará lo que Chesky denominó IA “multijugador”: interfaces que permitan a varias personas, como familiares o amigos, participar en el mismo proceso de planificación.

Esto supone una limitación importante para los equipos de producto de IA. Un asistente diseñado en torno a un usuario y una conversación puede ser eficiente para tareas individuales, pero es menos adecuado para decisiones que implican preferencias, negociación y descubrimiento compartido.

La tesis de Chesky sobre el sistema operativo

La crítica más amplia de Chesky se dirige a la actual carrera por convertirse en el agente de IA principal a través del cual los usuarios accedan a todo. Dijo que las empresas están construyendo agentes sobre iOS, macOS y Windows sin crear primero un sistema operativo diseñado alrededor de la IA.

En su modelo propuesto, los agentes operarían más cerca del núcleo de la plataforma, mientras que las aplicaciones expondrían sus capacidades mediante un kit de desarrollo de software. Esos agentes podrían intercambiar información y transferir tareas sin obligar a los usuarios a navegar por interfaces desconectadas.

Señaló el intento anterior de ChatGPT de crear una tienda de aplicaciones como ejemplo del problema. Según Chesky, un mercado de aplicaciones no puede funcionar como la App Store de Apple sin un sistema operativo y un marco para desarrolladores que permitan a las aplicaciones ofrecer funciones sólidas. Dijo que la experiencia de Airbnb utilizando agentes de consumo como Muse e Instinct aún no ha producido resultados fiables, especialmente para reservar alojamientos.

Chesky también ve una posible función de interoperabilidad para el Model Context Protocol, o MCP, que describió como un estándar capaz de conectar agentes con software. Su concepto a largo plazo es que la propia Airbnb exponga varios agentes especializados, potencialmente coordinados por un agente más amplio de Airbnb y conectados con agentes de otros servicios.

Evidencias y límites de la visión

El desarrollo de producto confirmado en la entrevista incluye la nueva búsqueda impulsada por IA de Airbnb, su esfuerzo declarado por ser más compatible con agentes y sus planes para investigar experiencias colaborativas y basadas en voz. Chesky también dijo que Airbnb prevé introducir agentes de voz para búsquedas y atención al cliente en otoño.

La propuesta más amplia del sistema operativo es una tesis de un ejecutivo, no una arquitectura sectorial demostrada. La entrevista no ofrece ninguna referencia independiente que demuestre que la búsqueda de IA de Airbnb mejora la conversión, reduce la carga de soporte o funciona mejor que las herramientas de viajes de la competencia. La evaluación de Chesky de que los agentes gestionan mal actualmente los hoteles y los anuncios de Airbnb también es una observación ejecutiva, no una evaluación controlada.

Del mismo modo, su afirmación de que la IA ayuda a Airbnb a lanzar funciones más rápido y reduce el número de reuniones que necesita se basa en su propio relato. Sin mediciones adicionales, no debe considerarse una prueba de aumentos de productividad en toda la empresa.

Los límites importan porque el rendimiento de los agentes depende de algo más que el acceso a los datos. Reservar un viaje requiere autenticación, pagos, comprobaciones de disponibilidad, interpretación de políticas, confirmación del usuario y capacidad de recuperarse cuando cambia la información. Una conexión básica entre un agente y una aplicación no resuelve automáticamente esos problemas de fiabilidad y responsabilidad.

Qué significa el modelo para desarrolladores y empresas

Para los equipos de producto, la posición de Airbnb sugiere que añadir un cuadro de chat a una aplicación existente probablemente no será suficiente. Las empresas que se preparen para los agentes quizá deban exponer acciones estructuradas, permisos, información de estado y puntos claros de transferencia, manteniendo al mismo tiempo interfaces en las que los usuarios confíen para explorar y verificar.

Los viajes son un caso de prueba especialmente exigente, pero las mismas cuestiones se aplican al comercio, los servicios financieros, la sanidad y el software empresarial. Un agente puede identificar una opción, mientras la aplicación aún debe mostrar los detalles, confirmar la intención del usuario, aplicar controles de acceso y registrar lo sucedido.

También está cambiando la cuestión competitiva. Si los agentes se convierten en fuentes importantes de tráfico, las plataformas pueden obtener nuevos clientes potenciales de los asistentes, pero arriesgarse a debilitar su relación directa con los clientes. Chesky dijo que los chatbots hasta ahora han resultado útiles para generar clientes potenciales, pero el esfuerzo de Airbnb por seguir siendo “agentic” indica que la empresa no quiere ceder el resto del recorrido del cliente.

Para los compradores empresariales, la interoperabilidad debería evaluarse junto con la automatización. Las preguntas relevantes incluyen si un agente puede pasar de forma segura entre sistemas, si los usuarios pueden inspeccionar y anular acciones y si la aplicación subyacente sigue siendo utilizable cuando falla la automatización.

Qué observar a continuación

La primera señal será el lanzamiento anunciado por Airbnb de agentes de voz para búsquedas y atención al cliente, incluida la cantidad de interacción que pueda completarse sin transferirla a una persona. Su rendimiento será más importante que las predicciones generales sobre la sustitución de la escritura por la voz.

El trabajo de la empresa durante los próximos tres a seis meses en IA multijugador mostrará si la planificación compartida puede pasar de una demostración a un flujo de trabajo de producto fiable. Los desarrolladores también deberían observar si aparecen API concretas de Airbnb, funciones de SDK, modelos de permisos o integraciones con MCP, en lugar de confiar en declaraciones generales sobre la preparación para agentes.

En todo el mercado, la prueba clave será si Apple, Google u otro proveedor de plataformas ofrece un marco de agentes genuino con controles comunes e interoperabilidad. Sin esa capa, Chesky espera que las aplicaciones sigan añadiendo agentes dentro de sus productos existentes en vez de convertirse en partes de un ecosistema coherente de agentes.

Perspectiva de Creati.ai

El argumento de Chesky es útil porque desplaza la atención de la calidad conversacional del asistente a la infraestructura de aplicaciones que hay debajo. Los agentes para consumidores no serán fiables simplemente por generar mejores respuestas; deben poder realizar acciones delimitadas, utilizar interfaces completas, coordinarse con otras personas y explicar cuándo una tarea requiere a un humano o una pantalla convencional de la aplicación.

La estrategia de Airbnb también pone de relieve una tensión que los líderes de producto no deberían ignorar. La automatización puede acortar una transacción, pero descubrir un viaje depende de navegar, comparar y emitir juicios compartidos. Por ello, los productos de agentes más sólidos podrían ser híbridos: capaces de actuar rápidamente cuando el usuario sabe lo que quiere, pero capaces de conservar el control y el contexto cuando la decisión en sí forma parte de la experiencia.