La IA de Airbnb ya resuelve cerca de la mitad de las consultas de soporte. La lección está en las que rechaza
By Surya Pratap
12 de octubre de 2026
9 min read
AI & Technology
12 de octubre de 2026
9 min read
La mitad, poco a pocoHover to exploreLa mayoría de los lanzamientos de soporte con IA se anuncian con una sola cifra: el porcentaje de consultas que «gestiona» el bot. Airbnb tiene ahora una de las más altas —aproximadamente la mitad— y lleva año y medio informando de ella cada trimestre. Esa evolución es más útil que el titular, porque muestra cómo creció la cifra y qué decidió la empresa no automatizar por el camino.
Las cifras proceden de las presentaciones de resultados de Airbnb recogidas por CX Dive (segundo trimestre de 2025), y por CX Dive y PYMNTS (segundo trimestre de 2026), y de la entrevista del CTO Ahmad Al-Dahle en Latent Space, publicada el 2 de octubre de 2026 y muy comentada esta semana. Todas son cifras de la propia Airbnb; ninguna ha sido auditada de forma independiente. La lectura a partir de la sección 4 es mía.
El agente de soporte con IA de Airbnb no llegó a «la mitad» con un único lanzamiento. Según los datos de la empresa:
Son unos dieciocho meses desde un despliegue en un solo idioma y un solo país hasta la mitad de una operación de soporte global. El soporte por voz está previsto para más adelante en 2026.
Brian Chesky explicó en 2025 el orden de prioridades. Airbnb empezó por el soporte, y no por la búsqueda, porque «la atención al cliente es el problema más difícil, porque hay mucho en juego y hay que responder rápido», y dio como otro motivo el riesgo de alucinaciones.
Al-Dahle, que se incorporó a Airbnb como CTO en enero de 2026 procedente del equipo de IA generativa de Meta, resumió el proceso en una frase: «construir un modelo, construir el agente y empezar a generar una batería de datos sintéticos antes de pasar a producción».
Dicho de otro modo, el agente se enfrenta a un gran conjunto de casos de soporte inventados pero realistas —y se le evalúa con ellos— antes de que un huésped real llegue a hablar con él. La evaluación también usa muestras de consultas reales de producción para el caso de soporte.
Esto no es lo mismo que los «usuarios sintéticos» que algunas startups usan para investigar. Los usuarios sintéticos son modelos de IA a los que se pide que sean tus clientes, y sustituyen mal las opiniones de personas reales. Los casos de prueba sintéticos son entradas escritas para poner a prueba al agente, que se puntúan frente a la respuesta correcta. Lo primero reemplaza la evidencia. Lo segundo es una forma de reunirla antes del lanzamiento.
La frase más importante de la entrevista no habla de la mitad que gestiona el agente, sino del resto: «somos deliberados con las consultas que todavía decidimos no resolver».
El ejemplo citado son los problemas de seguridad. Van a agentes humanos, sea cual sea la capacidad del modelo.
La tasa de resolución de un agente de soporte depende tanto de la lista de consultas que no puede tocar como de lo bueno que sea el modelo.
Eso cambia cómo hay que leer la cifra del titular. «La mitad de las consultas» no significa que se probó el agente con todo y acertó la mitad de las veces. Significa que Airbnb eligió un conjunto de consultas que estaba dispuesta a automatizar, hizo que el agente fuera bueno en ellas y ha ido ampliando ese conjunto a medida que gana confianza. El «todavía» de esa frase no está de adorno.
No hacen falta 13 modelos ni 50 idiomas para aplicar el mismo método. Hacen falta cuatro cosas.
Escribe primero la lista de exclusiones. Antes de construir nada, enumera los tipos de consulta que el agente nunca cerrará por su cuenta: seguridad, amenazas legales, reembolsos por encima de cierto importe, seguridad de la cuenta, cualquier cosa que afecte a un usuario vulnerable. Derívalos a una persona por regla, no según lo que el propio modelo crea que puede resolver.
Crea una batería de pruebas antes del lanzamiento. Toma unos cientos de consultas reales pasadas, añade variaciones sintéticas —enfadadas, vagas, en varios idiomas, con faltas de ortografía, que intentan engañar al bot— y apunta el resultado correcto de cada una. Nuestra guía para crear un conjunto de evaluación de un MVP de IA explica cómo hacerlo. Ejecútala con cada cambio de prompt o de modelo.
Empieza por algo acotado y amplía. Airbnb empezó con un idioma en un país. Tú puedes empezar con una categoría de consultas —estado del pedido, restablecer la contraseña, cambios de reserva— y añadir la siguiente solo cuando la primera aguante en producción.
Mide el coste por cliente, no solo la deflexión. Airbnb publica el coste de soporte por reserva junto a la tasa de resolución. Un bot que «resuelve» consultas que vuelven al día siguiente, o que empujan a los clientes a irse, puede subir tu coste real mientras el panel de control parece ir bien.
Define «resuelto» antes de contarlo
Decide por escrito qué cuenta como resolución: que el cliente confirme que el problema se ha solucionado, o que no vuelva a contactar por lo mismo en un número determinado de días. Cuenta las consultas reabiertas en contra del agente. Sin esto, «gestionado por IA» acaba significando, sin que nadie lo note, «el cliente se rindió».
Que la mitad de las consultas se resolvió del todo. Airbnb no ha publicado cómo define «resuelto», y las cifras las da la propia empresa. Además, el «aproximadamente la mitad» del CTO y el «casi un 45%» de la presentación del segundo trimestre pueden medir cosas ligeramente distintas.
Que los clientes estén más satisfechos. Airbnb no ha publicado, junto a estas cifras, índices de satisfacción de las consultas gestionadas por IA. Un menor coste por reserva es bueno para Airbnb; no demuestra que la experiencia haya mejorado.
Que la caída del 16% en costes se deba solo a la IA. El coste de soporte por reserva depende también del volumen de reservas, de la plantilla y de los contratos. El agente de IA es el factor evidente, pero la cifra publicada no lo aísla.
Que una startup vaya a ver la misma curva. Airbnb tenía años de conversaciones anteriores con las que ajustar, un gran equipo de ingeniería y presupuesto para modelos propios. Una empresa pequeña con unos pocos miles de consultas empezará más abajo, y es lo normal.
El agente de soporte con IA de Airbnb pasó de reducir un 15% los contactos humanos en EE. UU. en 2025 a resolver aproximadamente la mitad de las consultas en todo el mundo en 2026, y el coste de soporte por reserva bajó en torno a un 16% en el último año. Llegó ahí por etapas —un idioma y luego muchos—, probando cada agente con casos sintéticos antes del lanzamiento y dejando en manos de personas la seguridad y otras consultas de alto riesgo.
El porcentaje del titular es lo menos trasladable. Lo que sí puedes copiar es el método: decidir qué no debe cerrar nunca el agente, probarlo con cientos de casos realistas antes de que lo vean los clientes, empezar por una categoría y medir el coste y las consultas que vuelven, no solo la deflexión.
Antes de construir un agente de soporte, escribe dos listas: los tipos de consulta que asumirá primero y los que nunca asumirá por su cuenta. Después, crea el conjunto de pruebas para la primera lista.
Fuentes: CX Dive, sobre los resultados de Airbnb del segundo trimestre de 2025: el despliegue de abril de 2025 para la mitad de los usuarios de EE. UU., la reducción del 15% en los contactos que necesitaban un agente humano, los 13 modelos ajustados con decenas de miles de conversaciones y la cita de Brian Chesky sobre la atención al cliente. CX Dive, sobre los resultados del segundo trimestre de 2026: casi un 45% de incidencias resueltas sin una persona, más de 50 idiomas, la caída de alrededor del 16% en el coste de soporte por reserva y el soporte por voz previsto. PYMNTS, 20 de agosto de 2026: el dato de alrededor de un tercio a finales de 2025. El 40% del primer trimestre de 2026 es el que recoge CX Dive. Latent Space, entrevista con el CTO Ahmad Al-Dahle, 2 de octubre de 2026: «aproximadamente la mitad» de las consultas, la batería de pruebas sintéticas, la evaluación con muestras de consultas de producción y la decisión deliberada de qué consultas no automatizar, incluidas las de seguridad. La lectura de las secciones 4 y 5 es mía.
IdeaToMVP Academy
4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.
