Booking.com sostituisce i menu a filtro con la ricerca in linguaggio naturale basata su modelli OpenAI

Il filtro era il collo di bottiglia

Il racconto di Booking.com su questo progetto parte da un problema di frontend, non da un problema di modello. La piattaforma offriva centinaia di filtri, ma quei filtri aiutavano solo i viaggiatori che sapevano già cosa cercare. Il CTO Rob Francis individua il vuoto con precisione.

Magari vuoi organizzare una fuga romantica, ma in stile un po' kitsch. Non esiste un filtro per i letti a forma di cuore o gli imitatori di Elvis. La ricerca tradizionale semplicemente non era pensata per intercettare quel tipo di intenzione.Montana Labs

È una descrizione precisa del perché i menu a tendina e le checkbox falliscono nella fase di scoperta. Ogni filtro è un asse predefinito scelto in anticipo da chi ha progettato il prodotto. Un'intenzione che non rientra in nessun asse esistente non ha un campo dove essere espressa. L'azienda era forte in quello che Adrienne Enggist chiama l'ultimo miglio, cioè portare le persone dalla ricerca alla prenotazione, ma la fase precedente, quella in cui i viaggiatori stanno ancora capendo cosa vogliono, non aveva una superficie utilizzabile.

Il cambio di interfaccia è stato piccolo; il lavoro vero è stato sul grounding

Il cambiamento visibile nel frontend è modesto: una casella di testo che accetta prompt come "Dove posso andare per un weekend romantico in Europa?" o "tramonti da sogno". Il lavoro di ingegneria più impegnativo si nascondeva dietro le quinte. Smart Filters e AI Review Summaries girano su GPT-4o mini; Property Q&A è stato affinato sui contenuti generati dagli utenti e sulle descrizioni delle proprietà di Booking.com.

La svolta descritta consiste nel combinare due tipi di dati che l'azienda aveva sempre tenuto separati. I dati strutturati, prezzi, disponibilità e politiche di cancellazione, erano già ottimizzati da anni. I dati non strutturati, recensioni e descrizioni in linguaggio naturale, sono stati ora integrati sopra, così il modello può generare suggerimenti basati su entrambi. Un input conversazionale è utile solo se si traduce in inventario reale, ed è proprio questa risoluzione che evita che il tutto diventi un semplice chatbot attaccato a un catalogo.

È significativo che l'integrazione sia passata attraverso le API e l'infrastruttura dati esistenti, senza una ricostruzione da zero. Ecco perché il primo prototipo di AI Trip Planner, capace di scoprire destinazioni e costruire itinerari, è stato rilasciato in dieci settimane a partire dalle API e da un hackathon.

Gli utenti hanno imparato a scrivere in modo diverso

La prova più forte non è l'elenco delle funzionalità, ma un'osservazione comportamentale. Enggist racconta che all'inizio gli utenti trattavano il nuovo campo di input come il vecchio, scrivendo "Myrtle Beach", una singola destinazione. Con il tempo, le query hanno cambiato forma.

Ma ora vediamo query più dettagliate e conversazionali: 'Voglio andare in una spiaggia tranquilla a settembre con il mio cane.'Montana Labs

Questo conta perché dimostra che il cambio di interfaccia ha davvero spostato i modelli mentali degli utenti. Le persone esprimono intenzioni più sfumate solo quando si fidano che il campo sia in grado di gestirle. L'azienda presenta i risultati riportati, un maggiore coinvolgimento sul Trip Planner, ricerche più rapide grazie a Smart Filters, meno contatti con il supporto grazie a Property Q&A, come un miglioramento misurabile, pur riconoscendo che i dati di performance a lungo termine sono ancora in fase di raccolta. Vale la pena tenere a mente questa precisazione onesta: la metrica solida finora è il cambiamento nel modo di digitare, non dati di conversione verificati.

Oggi la scoperta, domani l'orchestrazione

L'implicazione concreta per i team che costruiscono frontend conversazionali è che la casella di testo è la parte facile; il vero guadagno arriva collegando l'intenzione espressa in linguaggio libero all'inventario strutturato in tempo reale e ai segnali non strutturati, più disordinati, che un catalogo già contiene. Booking.com aveva sia un decennio di infrastruttura ML sia anni di recensioni rimaste inutilizzate per la scoperta, fino a quando un modello linguistico non è stato in grado di leggerle insieme.

Il prossimo passo dichiarato alza notevolmente l'asticella della difficoltà. Enggist descrive un concierge virtuale capace di riprenotare un volo cancellato, trovare un nuovo hotel dopo un ritardo e suggerire ristoranti nelle vicinanze all'arrivo. Si passa dal rispondere a domande al compiere azioni concrete durante tutto il viaggio, il che comporta un livello di affidabilità e sicurezza ben diverso dal semplice riassumere recensioni. Il frontend di scoperta che hanno lanciato è la prova di concetto; la versione guidata da agenti è dove si gioca ancora l'ingegneria più complessa.