10月2日、Latent Spaceが「Inside-Out AI: Rebuilding Airbnb Behind the Scenes and Across the Guest Experience」と題した記事を公開した。この記事では、Meta Llama開発を率いたAhmad Al-DahleがAirbnbのCTOとして推進する「インサイドアウトAI」戦略——社内開発にAIを適用し、その成果をそのままプロダクト体験に転用するアプローチ——について詳しく解説されている。

MetaのLlama責任者がAirbnbに移った理由

Ahmad Al-Dahleは、2023〜2025年にかけてMetaでオープンソースLlamaモデルの立ち上げを主導した人物だ。2026年1月にAirbnbのCTOに就任し、同社を「AIネイティブ企業」に作り変えようとしている。

なぜフロンティアモデルを作る側から、使う側に移ったのか。Al-Dahleはインタビューの中で「ハードフロンティアがどこにあるかを追いかけたから」と語った。Metaではモデルの改善サイクル（flywheel）のパターンが見えてきた。次の課題はモデルを本番環境でスケールさせることだと判断し、Airbnbを選んだという。

Airbnbは2008年創業で時価総額約930億ドル（記事執筆時点）のプラットフォーム企業だ。ホスピタリティ業界に属しながらも一貫してテクノロジー企業を自認してきた同社が、どこまでAIネイティブになれるかは業界全体にとっても示唆が大きい。

数字で見るAirbnbのAI化

Al-Dahleがインタビューで挙げた指標はこうだ：

• コードの60%がAI生成
• 機能・改善のリリース数が前年比約80%増
• エンジニア1人あたりのプルリクエスト処理数が約1.6倍

ただし、これらの数字以上に興味深いのは、組織プロセス自体の変え方だ。

従来の開発フローでは、プロダクト要件定義→Figmaでのデザイン→エンジニアリング実装→テスト、という手順を各チームが順番に担当する形だった。Airbnbはこれを廃止し、プロダクト・デザイン・エンジニアリングのチームが最初からプロトタイプを直接触る形に移行した。

「コードそのものがアーティファクト（成果物）であり、それを元に議論する」というアプローチで、プロダクト要件書のような中間文書の生成を極力排除している。

最大の見どころ：「Everest」で開発期間を8ヶ月→6週間に短縮

インサイドアウトAIの具体的な成果として最も鮮明なのが、内部ツール「Everest」による開発加速だ。

EverestはAirbnbの組織内コンテキストグラフで、LLM・エンベディング・AI検索などの技術でコードベース全体の知識を保持・検索可能にしている。

これを使って何が起きたか。

Airbnbは2026年に食料品デリバリーと空港送迎という2つの新サービスを展開した（いずれも記事公開時点でパイロット・ローンチ段階との位置づけ）。どちらもパートナー企業とのAPI統合が中心の類似した構造を持つ。食料品サービスを構築した際の知見をEverestに蓄積した結果、空港送迎チームはその資産を活用できた。

食料品デリバリーの開発：8〜9ヶ月 → 空港送迎の開発：約6週間

この2つは別々のサービスの開発期間を比較した数字であり、同一プロジェクトの単純な短縮ではない点に注意が必要だ。それでも、先行サービスで蓄積した知識をEverestが再利用可能にしたことで、後発サービスの立ち上げが劇的に加速したことを示している。この短縮はAirbnbのQ2決算発表でも言及されている数字だ。さらにAl-Dahleは、Everestによって「ジェネラリストが高度に専門化されたコードの領域を担当できるようになった」と述べている。スペシャリスト知識の属人化をグラフで解消するアプローチと言える。

カスタマーサポートへのAI導入：合成データで本番前に鍛える

ユーザー向けでAIを最初に投入したのはカスタマーサポートだった。Al-Dahleはインタビューで「ミスの影響が大きく、最も難しい領域」と表現しており、本番前に合成データ（synthetic data）を大量生成してシステムをテストする手順を重視している。

現在、サポートチケットの約50%（Q2決算では約45%）がAIエージェントのみで解決されている。一方で安全性に関わるケースなど、あえて自動化しないチケットも意図的に残しているという。

マルチモデル戦略と「コストvsレイテンシ」のトレードオフ

Airbnbは自らを「マルチモデル企業」と位置づけ、10以上のカスタマイズモデルを本番運用している。フロンティアモデルとオープンモデルを混在させつつ、オープンモデルについては独自にファインチューニングと強化学習を施している。

モデル選定はコスト・性能・レイテンシのパレートフロンティア上で評価し、用途ごとに異なるトレードオフを選ぶ：

• コーディング：ミスのコストが高いため、最強のフロンティアモデルを使う
• 検索：ユーザー規模でのレイテンシ要件が厳しいため、小さく高速なモデルをポストトレーニングして運用

「狭いユースケースでは、小さくて速いモデルをポストトレーニングすることでフロンティアを超えることもある」とAl-Dahleはインタビューで述べている。

非同期エージェントによるオンコール自動化

社内エージェント「AirChat」（MCPによる組織コンテキストを統合したもの）に加え、Airbnbはイベント駆動型の非同期エージェントも実装し始めている。

具体的にはGrafanaなどの監視システムがアラートを発すると、エージェントが自動的に立ち上がってトリアージを実行する。エンジニアはエージェントが提案したPRをレビューするだけでよく、フラッキーなアラートと判断した場合はエージェント自身がインシデントをクローズする。

Al-Dahleがインタビューで語ったビジョンは「大量の非同期エージェントがマーケットプレイス全体——詐欺、信頼違反、品質、ソフトウェア欠陥——を自動監視・管理する状態」だ。

AI時代のジュニアエンジニア問題

最後にAl-Dahleが率直に語った懸念が、ジュニアエンジニアの育成だ。AIが多くの作業を肩代わりする環境で、判断力やクラフトマンシップをどう身につけさせるか。

彼の答えはシンプルだ：「AIが生成したPRであっても、そのエンジニアが自分の言葉で説明できること」を徹底的に求める。これを守ることで、インターフェース設計・アーキテクチャ・テストの重要性を体感させ続けられると考えている。

詳細はInside-Out AI: Rebuilding Airbnb Behind the Scenes and Across the Guest Experienceを参照していただきたい。