Booking.com substitui menus de filtro por busca em linguagem natural usando modelos da OpenAI

O filtro era o gargalo

O relato da Booking.com sobre esse projeto começa com um problema de frontend, não um problema de modelo. A plataforma oferecia centenas de filtros, mas eles só ajudavam viajantes que já sabiam o que buscar. O CTO Rob Francis nomeia essa lacuna sem rodeios.

Você pode querer uma escapada romântica, só que meio brega. Não existe filtro para cama em formato de coração ou imitadores do Elvis. A busca tradicional simplesmente não foi feita para captar esse tipo de intenção.Montana Labs

Essa é uma descrição precisa de por que menus suspensos e caixinhas falham na hora da descoberta. Cada filtro é um eixo predefinido que o designer do produto escolheu de antemão. Intenções que não se encaixam em nenhum eixo existente simplesmente não têm campo de entrada. A empresa já era forte no que Adrienne Enggist chama de última milha, o trajeto entre a busca e a reserva, mas a fase anterior, quando o viajante ainda está descobrindo o que quer, não tinha uma interface utilizável.

A mudança de interface foi pequena; o trabalho pesado foi a fundamentação

A mudança visível no frontend é modesta: uma caixa de texto que aceita prompts como "Onde devo ir para um fim de semana romântico na Europa?" ou "vistas do pôr do sol". A engenharia mais difícil ficou por trás disso. Smart Filters e AI Review Summaries rodam sobre GPT-4o mini; o Property Q&A foi ajustado (fine-tuned) com conteúdo gerado por usuários e descrições de propriedades da própria Booking.com.

O avanço descrito é a combinação de dois tipos de dados que a empresa mantinha separados. Dados estruturados, preços, disponibilidade e políticas de cancelamento, já vinham sendo refinados há anos. Dados não estruturados, avaliações e descrições em linguagem natural, agora foram sobrepostos, permitindo que o modelo gerasse sugestões ancoradas em ambos. Uma entrada conversacional só é útil se resultar em inventário real, e é essa resolução que impede isso de ser apenas um chatbot encaixado em um catálogo.

Vale notar que a integração passou pelas APIs e pela infraestrutura de dados já existentes, em vez de uma reconstrução do zero. É por isso que o primeiro prototótipo do AI Trip Planner, capaz de descoberta de destinos e montagem de roteiros, saiu do zero e foi lançado em dez semanas, partindo da API e de um hackathon.

Os usuários aprenderam a digitar de outro jeito

A evidência mais forte aqui não é a lista de recursos, mas uma observação de comportamento. Enggist relata que, no início, os usuários tratavam a nova entrada como a antiga, digitando "Myrtle Beach", uma única string de destino. Com o tempo, as consultas mudaram de formato.

Mas agora estamos vendo consultas mais detalhadas e conversacionais: 'Quero ir a uma praia tranquila em setembro com meu cachorro.'Montana Labs

Isso importa porque mostra que a mudança de interface realmente alterou os modelos mentais dos usuários. Eles só expressam intenções mais sutis quando confiam que o campo vai entender. A empresa apresenta seus resultados relatados, engajamento maior no Trip Planner, buscas mais rápidas via Smart Filters, menos contatos de suporte gerados pelo Property Q&A, como ganhos mensuráveis, embora reconheça que os dados de desempenho de longo prazo ainda estão sendo coletados. Vale manter em mente essa ressalva honesta: a métrica consistente até agora é a mudança no comportamento de digitação, não números de conversão auditados.

Descoberta hoje, orquestração a seguir

A implicação específica para equipes que constroem frontends conversacionais é que a caixa de entrada é a parte fácil; o retorno vem de conectar a intenção em texto livre a inventário estruturado e em tempo real, além dos sinais não estruturados mais confusos que um catálogo já contém. A Booking.com tinha tanto uma década de infraestrutura de ML quanto anos de avaliações parados, sem uso para descoberta, até que um modelo de linguagem conseguisse lê-los em conjunto.

O próximo passo que eles descrevem eleva bastante a dificuldade. Enggist descreve um assistente estilo concierge que reagenda um voo cancelado, encontra um novo hotel após um atraso e sugere restaurantes próximos na chegada. Isso muda o jogo: de responder consultas para tomar ações ao longo da viagem, o que exige um padrão de confiabilidade e segurança bem diferente de simplesmente resumir avaliações. O frontend de descoberta que eles lançaram é a prova de conceito; a versão guiada por agentes é onde a engenharia mais difícil ainda está por vir.