Booking.com 的 AI 上线方法提升满意度
ZDNET AI··作者 Mark Samuels
关键信息
Booking.com 团队围绕“connected trip”理念展开工作，把航班、酒店和景点视为一个整体的客户体验。公司还围绕 Snowflake、ThoughtSpot、Astronomer、Airflow、Immuta、Arize 和 AWS 搭建了支撑性数据栈，并测试了来自 OpenAI、Amazon Bedrock 和 Google Gemini 的模型。
资讯摘要
ZDNET 表示，关于 agentic AI 的讨论很多，但真正把 agents 投入生产环境的公司仍然不多。文章认为，企业不能长期停留在试点阶段，而是需要找到能够创造实际价值的具体用例。Booking.com 被用作一个实践案例，展示了如何把这类技术落地。公司数据与机器学习平台总监 Huy Dao 表示，团队通过“connected trip”思路来释放 AI 价值，也就是把旅行中的不同环节连接成一个整体体验。在这个框架下，Booking.com 打造了首个 agentic 应用：一个酒店合作方到住客的沟通系统，帮助酒店合作伙伴更快、更准确地回应客户问题。
文章指出，原来的问题在于，酒店员工往往需要先收集信息，而且并不总能在客户提问时及时在线，所以回复可能要等几个小时。Dao 说，团队首先识别业务挑战，然后搭建数据平台和集成技术栈来支持 AI 落地。这个技术栈包括 Snowflake、ThoughtSpot、Astronomer、Airflow、Immuta、Arize 和 AWS，同时还测试了 OpenAI、Amazon Bedrock 和 Google Gemini 的模型。Booking.com 的内部系统使用 Python 开发，并借助开源框架 LangGraph 来支持 agentic 工作流。
资讯正文
ZDNET 的主要结论：代理式 AI 往往更像是在讨论，而不是生产服务。
聪明的专业人士会聚焦于具体用例和支撑技术。
他们会测试流程、完善方法，并寻找新的机会。
与数字化和商业领导者围绕代理式 AI 的对话，往往会围绕一个相似的感受展开：我们已经探索过 agents，但目前还没有任何东西进入生产环境。可是，当所有人都在谈论 AI 试验时，没有任何企业能承受无休止地做试点却不创造商业价值。再加上专家们认为，无法利用 AI 的专业人士有可能被甩在后面，因此，尽早部署成功的 agents 就显得尤为必要。
另见：如何为你的企业构建更好的 AI agents——而不制造信任问题
在在线旅游专家 Booking.com，数据与机器学习平台总监 Huy Dao 负责通过 AI（包括代理式服务）交付价值。他采取了一种结构化的服务上线方式，围绕客户当下和未来面临的挑战，打造有针对性的解决方案，从而取得了成果。Dao 在接受 ZDNET 采访时把这种方法称为“connected trip”，即 Booking.com प्रयास确保客户旅程的所有要素——无论是机票、酒店还是景点——都被视为一个整体体验。
另见：担心 AI agents 会取代你？5 种方法让你把焦虑转化为工作中的行动
打造 connected trip 意味着要跨越彼此分散的信息开展工作。Dao 团队搭建的数据栈使 Booking.com 能够开发新的 AI 赋能服务，其中包括该公司的首个代理式应用：一个 partner-to-guest 系统，用于促进客户与酒店合作伙伴之间的沟通。以下是他迄今为止学到的经验，以及希望把代理式 AI 试点转化为出色生产服务的其他专业人士应当借鉴的五条关键经验。
1. 识别业务挑战
Dao 说，利用新兴技术的关键在于找到合适的用途。虽然一些专业人士仍然不确定 AI 的潜力，但他表示，公司可以利用代理式技术来克服棘手的挑战。
“在我看来，AI 不是一时热潮，甚至不是一年风尚——它是真正的东西，”他说，“我每天在工作中都能看到 AI 如何影响我们的做事方式。”
另见：代理式编码末日的 5 个迷思
在 Booking.com，Dao 和他的团队发现，及时回复客户咨询是酒店合作伙伴面临的一项关键挑战。他们认识到，代理式技术可以帮助酒店更快、更准确地回复问题。
“在我们推出代理式解决方案之前，每当客户想与酒店合作伙伴联系——比如，你想确认酒店有没有泳池，或者你想晚一两个小时到店——你会联系合作伙伴并说，‘嘿，我能拿到这些信息吗？’”他说，“然而，当酒店员工回复时，他们往往需要做更多工作才能把回答弄准确。而且，有时当客户提出问题时，他们并不在岗。”
因此，在客户收到答复之前，可能需要几个小时甚至更久。
2. 构建数据平台 Dao 说，他团队搭建的数据栈使 Booking.com 能够加速 AI 和机器学习技术的采用，并将其用于前文所述这类用例。Snowflake 数据平台是这个集成技术栈的一部分，此外还包括用于分析的 ThoughtSpot、用于编排的 Astronomer 和 Airflow、用于访问控制的 Immuta、用于机器学习可观测性的 Arize，以及用于云计算的 AWS。数据团队还会测试并使用来自主要提供商的 AI 模型，例如 OpenAI、Amazon Bedrock 和 Google Gemini。另见：为何企业 AI 代理可能成为终极内部威胁
Booking.com 定制的合作伙伴到住客沟通系统是用 Python 内部开发的，数据团队还使用了开源的 agentic 框架 LangGraph，帮助该代理推理住客咨询。Dao 说，有效的 agentic 系统不只是后端系统的问题。他的团队也非常认真地考虑了用户界面。“我们希望在对用户有意义的地方整合技术或 AI 能力，”他说。“而在这个用例中，我们的合作伙伴已经有一个基于网页的门户来查看消息，所以很明显，我们应该把代理直接整合到那里，帮助他们。”
3. 认真测试用例 在明确业务挑战并完善技术平台之后，Dao 和他的团队将重点放在实施上，这一过程分为两个阶段。在第一阶段，他们开发了一个可信助手，帮助酒店合作伙伴处理客户问题。其结果是一个名为 Smart Messenger 的 agentic 技术，它会收集合作伙伴、物业和预订信息，以支持酒店员工与住客沟通。另见：90% 的 AI 项目会失败——以下 3 种方法可确保你的项目不会失败
在这一 agentic 服务的初始阶段，Dao 说，人仍然非常在环。“我们希望确保，最终拍板如何回复客户的是合作伙伴本人，”他说。“但我们会给他们一个助手，这样原本可能需要五分钟才能回复的事情，如果他们对代理给出的答案满意，可能只需一秒钟点击一下就行。”
4. 随着信心提升，逐步委派 随着时间推移，Dao 说，有信心的酒店合作伙伴可以开始把更多工作委派给代理——这一阶段代表了 agentic 实施的第二阶段。在这里，Booking.com 的 Auto-Reply 工具允许酒店合作伙伴定义自定义回复，并为住客问题生成即时答复，例如酒店是否提供现场停车位。“这个阶段就是代理在说，‘好，如果你足够信任我，我可以替你行动，’”Dao 说。“在这个用例中，合作伙伴在客户提问时可能正在睡觉，因为那是深夜。然而，代理可以代表合作伙伴作出回应——而这种做法在几个方面都很有帮助。”另见：打造一套能带来回报、又不至于让业务失败的 agentic AI 战略
Booking.com 报告称，早期实验与之前的消息工具相比，使合作伙伴满意度提升了 73%。
Dao 表示，该智能体会持续从过去的交互和用户反馈中学习，并据此调整回应，以提升准确性和相关性。他说：“现在有了这个智能体，我们会把答案与我们所做的一切进行衡量；我们会对它进行试验，然后比较满意度的提升。”“因为客户得到了他们需要的答案，他们就不必联系客户支持，而这种成功也减少了支持成本。”
5. 寻找更多机会
Dao 表示，agentic 落地必须与具体用例紧密结合。随着团队不断完善客户体验，他们也在持续打磨这个平台，为支持其他 agentic 探索奠定基础。他说：“我们不想为了平台而构建平台。我们在构建这个平台时，心里想的是用户。我们确保选择了合适的 agentic 技术。”
另见：Agent 管理平台的兴起与风险
Dao 表示，他的团队在 agentic 开发过程中学到了很多，并建议其他专业人士留意这些经验。“在测试时，你可能会觉得这个 agentic 系统很好，”他说，“但一旦进入生产环境，延迟之类的问题就可能变成你必须应对的麻烦。到那时，你必须简化你的架构和平台。”
在未来 24 个月里，Dao 预计 Booking.com 还会出现更多开创性进展。“你应该会看到，作为一家公司，我们会大力投资生成式 AI 和 agentic AI，不是为了好玩，而是为了提升用户体验，”他说。“人们现在想要一种类似 ChatGPT 的体验，而我们希望在我们网站上的旅行体验方面，也能提供类似，甚至更好的体验。”
来源与参考
收录于 2026-05-05