Airbnb의 AI 네이티브화: CEO의 실적 발언과 CTO의 증언으로 읽는 AI 우선 조직이란?

에어비앤비는 'AI 우선 앱이 될 것'이라고 말한 1년 후, 'AI 네이티브 회사로 재구축했다'고 선언하다

2025년 8월 6일, 에어비앤비의 공동 창업자이자 CEO(최고경영책임자)인 브라이언 체스키 씨는 실적 설명회에서 다음과 같이 말했습니다.

"앞으로 몇 년 동안 에어비앤비는 'AI 우선 앱(AI-first application)'이 될 것입니다."

에어비앤비 공동 창업자/CEO: 브라이언 체스키 씨

1년 후인 2026년 8월 6일, 에어비앤비는 실적 발표를 통해 에어비앤비를 근본부터 'AI 네이티브 회사(AI-native company)'로 재구축했다고 선언했습니다.

앱의 이야기에서 회사의 존재 방식에 대한 이야기로 바뀐 것입니다.

"그렇다면, 에어비앤비가 목표하는 AI 우선 조직이란 무엇일까요?"

이 질문에 "AI가 코드의 60%를 작성했다"는 제목만으로는 답할 수 없습니다.

60%라는 숫자는 작업량이 변했음을 보여주지만, 조직 내에서 누가 무엇을 하게 되었는지는 말해주지 않습니다.

저는 에어비앤비가 목표하는 AI 우선적인 조직화의 근거를 두 가지로 나누어 읽었습니다.

첫 번째는 실적 발표 자료, 실적 설명회, 미국 증권거래위원회(SEC)에 제출한 서류 등 에어비앤비가 투자자들에게 공개한 자료입니다.

두 번째는 2026년 1월 CTO(최고기술책임자)로 취임한 아흐마드 알-다레 씨가 AI 전문 미디어 Latent Space의 인터뷰(2026년 10월 2일 공개)에서 말한 내용입니다.

에어비앤비의 CTO인 알-다레 씨는 Meta에서 생성형 AI 책임자를 역임했으며, Meta가 누구나 사용할 수 있는 형태로 공개한 AI 모델 'Llama' 개발을 이끈 인물입니다.

실적 자료는 도달한 결과를 숫자로 보여주고, CTO의 인터뷰는 지향하는 조직상을 말로 설명하고 있습니다.

한편, Latent Space는 에어비앤비의 방식을 **"내부에서 외부로의 AI(inside-out AI)"**라고 명명했습니다. 이 명칭은 Latent Space가 붙인 것이며, 에어비앤비 자체의 용어는 아닙니다.

図1：Airbnbの決算は到達点を数字で示し、CTOは目指す組織像を言葉で語っている

그림 1: 에어비앤비의 실적은 도달점을 숫자로 보여주고, CTO는 지향하는 조직상을 말로 설명하고 있다

제1장: 에어비앤비는 코드 작성 작업과 문의 초기 대응을 AI에 맡겼다

먼저, 실적 자료에서 확인할 수 있는 도달점들을 나열해 보겠습니다.

에어비앤비에서는 2026년 1~3월 기준으로 엔지니어가 창출하는 코드의 약 60%를 AI와 공동으로 작성하고 있습니다.

체스키 CEO는 실적 설명회에서 같은 숫자를 "AI가 작성했다"고 표현하며, 업계 평균의 약 2배라는 에어비앤비의 추정치를 덧붙였습니다.

숫자의 범위는 '엔지니어가 창출하는 코드'이며, 에어비앤비가 보유한 기존 코드를 전체를 의미하지는 않습니다.

2026년 1~6월에 출시된 기능과 개선 건수는 전년 동기 대비 약 80% 증가했습니다. 일부 주요 프로젝트의 경우, 구상부터 제공까지 걸리는 기간이 최대 60% 단축되었습니다.

고객 대응에서는 문의의 첫 창구를 AI 어시스턴트가 담당합니다.

AI 어시스턴트로부터 시작된 상담 중 사람 담당자를 거치지 않고 해결된 비율은 2025년 1012월 분기의 약 3분의 1에서, 2026년 13월 분기에는 40%를 넘어섰습니다. 4~6월 분기에는 약 45%가 되었으며, 대응 언어는 50개를 초과했습니다.

분모는 'AI 어시스턴트로부터 시작된 상담'이며, 모든 문의를 의미하지 않습니다.

이 AI 어시스턴트는 2025년 8월 기준으로 13개의 모델을 조합하고 수만 건의 대화로 조정하여 만들어졌습니다.

그림 2: 에어비앤비의 지원은, AI 어시스턴트가 먼저 응답하고 사람 담당자에게 연결하는 흐름을 남기고 있다

출처: Latent Space

변화는 비용에도 나타나고 있습니다.

4~6월 분기의 예약 건당 지원 비용은 전년 동기 대비 약 16% 하락했습니다. 실적 발표 자리에서 체스키 CEO는 그 이유를 "일부는 AI 어시스턴트 개선 덕분"이라고 설명했습니다.

2026년 8월 실적 설명회에서 CFO(최고재무책임자)인 엘리 마츠 씨는 "대부분은 AI 에이전트 덕분"이라고 말했습니다.

여기서의 AI 에이전트는 지원용 AI 어시스턴트를 지칭합니다.

같은 수치에 대한 경영진들의 설명에는 차이가 있습니다.

SEC에 제출한 분기 보고서(10-Q)는 좀 더 구체적입니다.

2026년 4~6월 분기에는 지원 분야에서 AI 활용 덕분에 사람 담당자가 받는 문의가 줄어들면서, 외부 위탁업체에 지불하는 비용이 1,700만 달러 감소했습니다.

Airbnb는 코드를 작성하는 작업의 상당 부분과 문의에 처음 응대하는 작업을 AI에게 맡겼다.

제2장: Airbnb는 작은 팀에게 명확한 임무를 부여하고, 기능이 완성되는 즉시 출시하는 방식으로 변화했다

CEO 체스키(Keszy)는 실적 설명회에서 숫자의 이면에 있는 진행 방식을 반복해서 설명했습니다.

작은 정예팀에게 명확한 임무를 부여하고, 간단한 개선부터 시작하여 배우고, 효과가 있었던 곳에 힘을 집중합니다.

체스키는 2026년 2월 실적 설명회에서 이 진행 방식을 2년 전에 시작했으며, 성공하는 것을 확인한 후 회사 전체로 확산했다고 말했습니다. 발표회에 맞춰 기능을 쌓아두는 것도 그만두고, 완성되는 즉시 출시하고 있습니다.

또한, 2026년 4~6월 분기의 실적에 대해서도 체스키는 단일 제품이나 정책이 아닌, 실행력과 인재, 그리고 AI로 가속화된 진행 방식의 조합이 이유라고 언급했습니다.

Investing.com "Earnings call transcript: Airbnb Q1 2026 misses EPS but beats revenue"
Airbnb, Inc. "Q2 2026 Earnings Call" Corrected Transcript
Airbnb, Inc. "Q4 2025 Earnings Call" Corrected Transcript

체스키는 AI 도구의 활용률을 성과 지표로 보지 않습니다.

그는 엔지니어의 80% 이상이 AI 도구를 사용하고 있다는 수치를 '겉으로만 보이는 지표'라고 부르며, 질문받아야 할 것은 회사의 문화와 변화에 적응하는 힘이라고 했습니다.

사람들의 역할도 변하기 시작했습니다.

체스키는 Airbnb가 'AI의 속도로 움직여야 한다'고 말하며, 현장에서 떨어져 사람을 관리만 하는 직책은 이전만큼 필요하지 않게 될 것이라는 견해를 보였습니다. 디자인이나 엔지니어링 관리직이 직접 코드를 작성하는 업무로 돌아오기도 했다고 전했습니다.

CTO 알-다레(Al-Dare)는 더 깊이 설명합니다.

요구사항 정의서를 만들어 디자이너에게 전달하고, 엔지니어에게 전달하던 인계 과정을 없애고, 기획·디자인·개발 팀이 처음부터 작동하는 시제품(프로토타입)을 사용하여 검토하도록 했습니다.

알-다레의 생각은 기능별이 아닌 목적과 성과별로 조직하는 회사가 AI 시대에 강하다는 것입니다.

다만, 팀 구성의 미래상에 대해서 체스키 본인은 '말하기에는 이르다'고 말했습니다. 성과 중심의 조직은 CTO의 방침일 뿐, Airbnb라는 회사의 완성된 형태는 아니라고 했습니다.

인원수는 어떨까요? 2025년 말 직원 수는 약 8,200명이었습니다.

2026년 4~6월 분기에는 평균 인력 증가로 인해 운영·지원 부문의 인건비가 2,700만 달러 늘어났습니다. 직원은 줄지 않았습니다.

마츠(Mats)는 현재 직원들로부터 얻을 수 있는 성과와 속도가 크게 높아졌기 때문에 과거만큼 인력을 늘릴 필요는 없다고 설명했습니다.

제3장: Airbnb는 복잡하고 신중함을 요하는 사안의 판단권을 직원들에게 남겼다

Airbnb가 AI에게 맡긴 작업이 있는 반면, 사람의 손에 남겨둔 판단도 있습니다.

SEC에 제출한 연례 보고서(10-K)에 따르면, Airbnb는 2025년 말 기준으로 약 1만 3,000명의 외부 위탁 담당자에게 지원 문의의 대부분을 맡기고 있습니다. 사내 지원 직원은 복잡하고 신중함을 요하는 사안에 집중합니다.

체스키는 AI를 통한 고객 대응을 'AI가 가장 어려운 문제'라고 불렀습니다. 잘못된 답변이 허용되지 않으며, 급한 사안이나 신뢰 및 안전과 관련된 건은 사람에게 정확하게 인계되어야 하기 때문입니다.

알-다레 역시 AI로 해결하도록 의도적으로 선택하고, 아직 AI에 맡기지 않은 사안을 결정하고 있다고 말합니다.

개발 현장에서도 AI와 인간의 경계가 그어져 있습니다.

알-다레에 따르면, 많은 팀이 시스템 모니터링과 장애 1차 대응(온콜) 자동화를 시작하고 있습니다.

모니터링 경고가 발생하면 에이전트(AI가 스스로 절차를 진행하는 메커니즘)가 가동되어 문제가 있는지 판정합니다. 문제가 있다면 수정의 풀 리퀘스트(Pull Request, 코드 변경 제안. 이하 PR)를 내고, 엔지니어가 PR을 확인합니다.

오보라면 에이전트가 스스로 건을 닫습니다.

그림 3: Airbnb의 온콜을 에이전트가 판정하고 사람이 PR을 확인하는 흐름도

출처: Latent Space

위 그림의 이름은 '에이전트에게 맡겼다'이지만, 알-다레 CTO의 말은 많은 팀이 자동화를 '시작하고 있다'는 것입니다.

オンコールの流れでは、問題かどうかの最初の判定はエージェントが担う。人に残るのは、エージェントが提案したPRを、コードとして取り込むかどうかの判断だ。

図4：Airbnbは、AIに一次判定を任せる場所と、人が判断する場所を分けている

그림 4: Airbnb는 AI에게 1차 판정을 맡기는 영역과 사람이 판단하는 영역을 분리하고 있다

CEO 체스키(Cheskey) 씨는 2026년 8월 실적 설명회에서, AI에 대한 지출 역시 사용하는 토큰(AI가 처리하는 글자의 단위)의 양이 아니라, 얼마나 많은 제품을 만들었는지, 설계의 질은 어떠한지를 기준으로 판단한다고 말했다.

AI 사용량 자체를 목표로 삼지 않기로 결정한 것도 사람이라는 것이다.

제4장: CTO 알-다레(Al-Dare) 씨는 AI가 작성한 PR이라도 만든 본인이 설명하기를 요구한다

Airbnb가 인간의 역할로 남기는 것은 판단만이 아니다.

CTO 알-다레 씨가 강력하게 요구하는 것은, 모든 엔지니어가 AI가 만든 PR일지라도 자신이 무엇을 만들었는지 설명할 수 있어야 한다는 점이다.

위 배경에는 젊은 엔지니어에 대한 우려가 있다.

경험을 쌓은 엔지니어는 시스템을 출시하고, 실제 환경에서 작동시키며 실패하는 경험을 통해 판단력을 길러왔다.

AI가 많은 작업을 처리하는 지금, 젊은이들은 같은 경험을 할 수 있을까?

설명할 것을 계속 요구한다면, 젊은이들도 인터페이스 설계나 시스템 전체 구조, 테스트의 중요성을 배울 수 있을 것이라고 알-다레 씨는 생각하고 있다.

다만, 만든 본인에게 설명을 요구하는 방침은 CTO의 인터뷰에서 언급된 내용이다.

제가 확인한 실적 설명회 3회분과 실적 발표에서는 같은 취지의 기술을 찾을 수 없었다. Airbnb라는 회사의 규칙인지, CTO의 방침인지는 공개 자료만으로는 구별할 수 없다.

AI 출력물의 질은 사용하는 사람의 경험과 판단력에 좌우된다.

제5장: Airbnb는 이전 서비스에서 얻은 맥락을 다음 서비스에 쌓아가고 있다

2026년 5월, Airbnb는 식료품 배달이나 공항 셔틀 같은 서비스를 확장했다. CEO 체스키 씨는 2026년 8월 실적 설명회에서 새로운 서비스일수록 이전보다 빠르게 만들 수 있게 되었다고 말하며, 식료품 배달은 개발에 8~9개월, 공항 셔틀은 약 6주가 걸렸다고 밝혔다.

왜 서비스 개발이 빨라졌을까?

설명은 두 가지가 있다.

첫 번째는 CEO 체스키 씨의 실적 설명회에서의 설명이다.

체스키 씨는 Amazon이 책에서 다양한 상품으로 영역을 넓힌 걸 본보기로 들며, 하나의 서비스를 만들면 다음 서비스는 20%밖에 다르지 않고, 그다음은 10%밖에 다르지 않다고 말했다.

식료품 배달은 미국 식료품 배달 서비스인 Instacart와의 제휴를 통해 제공하고 있다. 집을 위해 만든 기술 도구의 대부분이 호텔에서도 그대로 사용될 수 있었다고도 이야기했다.

Investing.com "Earnings call transcript: Airbnb Q1 2026 misses EPS but beats revenue"
Airbnb, Inc. "Q2 2026 Earnings Call" Corrected Transcript

두 번째는 CTO 알-다레 씨의 설명이다.

Airbnb에는 사내 지식을 연결하여 끌어내는 'Everest'라는 시스템이 있다. 식료품 배달에서 얻은 지식을 Everest에 넣음으로써, 공항 셔틀 팀은 개발을 크게 빠르게 할 수 있었다.

Everest가 있기 때문에 전문가가 아닌 엔지니어도 전문성이 높은 부분의 코드에 접근할 수 있다는 것이다.

그림 5: 식료품 배달에서 얻은 지식이 Everest를 거쳐 공항 셔틀에 재활용된 구도
출처: Latent Space

기간(89개월, 약 6주)은 2026년 4월6월기 실적 설명회에서 체스키 씨가 언급한 수치와 일치한다.

실적 설명회에서는 Everest라는 이름이 나오지 않는다.

두 설명 중 어느 것이 속도 증가의 주된 이유인지는 공개 자료만으로는 단정할 수 없다. 다만, 두 설명은 같은 것을 가리키고 있다.

이전 업무에서 얻은 것이 다음 업무로 계승되고 있다는 것이다.

계승되는 것은 개발 지식뿐만이 아니다.

CEO 체스키 씨에 따르면, 지원용 AI는 약 100개의 정책, 수만 건의 대화, 과거 케이스가 어떻게 판정되었는지에 대한 방대한 데이터를 읽어 답변하고 있다. AI의 질은 데이터의 질로 결정되기 때문에, 이 2년 동안 데이터 기반을 다져왔다고도 말했다.

図6：Airbnbでは、前の仕事の文脈が次の仕事を速くしている

그림 6: Airbnb에서는 이전 업무의 맥락이 다음 업무를 빠르게 한다

나는 이것을 문맥의 쌓아 올림(context stacking)이라고 부른다. 개발 지식과, 고객과의 대화와 판정 기록이 다음 업무의 출발점이 되는 것이다.

제6장: Airbnb는 모델을 자체 제작하기보다, 타사 모델을 자사의 대화 데이터로 조정하고 있다

Airbnb가 쌓아 올린 맥락(context)은 AI 모델에도 사용된다.

CEO 체스키(Chesky)는 2026년 2월 실적 설명회에서 ChatGPT나 Gemini, Claude 같은 모델이 독점적인 것이 아니라 어떤 회사든 사용할 수 있다고 말했다.

그 위에 여행 분야에서는 여행에 특화된 회사가 이긴다고 보며, 타사와 동일한 모델을 자사의 수백만 건의 상호작용으로 추가 학습(사후 학습)하여 조정하고, 이를 지원 에이전트나 호스트에게 연결한다고 설명했다.

Airbnb는 모델을 자체적으로 만들지 않았으며, 큰 설비 투자를 하지도 않았다고 언급했다.

알-다레(Al-Dare)의 설명은 더 구체적이다.

Airbnb는 여러 모델을 혼용하는 회사이며, 실제 서비스에 사용하는 자체 조정된 모델만 최소 10개가 있다.

사후 학습과 강화학습(결과에 점수를 매겨 좋은 행동을 학습시키는 방법)의 대부분은 가중치(weight)가 공개된 오픈 모델로 진행된다.

용도별로 실제 문의에서 추출한 질문으로 평가하고, 비용, 성능, 응답 속도 중 무엇을 우선할지 결정한다.

그림 7: Airbnb의 모델 선택은 '섞기 → 사내 조정하기 → 용도별 테스트하기 → 우선순위 선택하기'의 4단계로 이루어져 있다

출처: Latent Space

코딩에는 가장 성능이 높은 모델(프론티어 모델, frontier model)을 사용한다.

모델에서 발생한 결함 하나가 초래하는 손실은 모델 이용료보다 훨씬 클 수 있기 때문이다.

반면, 이용자가 많은 검색 기능에는 작고 빠른 모델을 사용한다.

특정 용도에서는 작은 모델을 사후 학습하여 프론티어 모델을 능가할 수도 있다고 한다.

2026년 9월 23일에는 OpenAI와의 계약 확대를 발표했다.

Airbnb의 엔지니어들은 사내 AI 도구 기반에서 OpenAI의 모델을 사용하여 코드를 작성하고 에이전트를 만들고 있다. OpenAI의 모델은 검색, 부정 방지, 게스트 및 호스트 지원, 보험 청구 등에도 사용되고 있다.

AI 모델은 외부에서 구매할 수 있다.

Airbnb가 자체적으로 보유한 것은 그 AI 모델을 자사의 용도에 맞게 조정하기 위한 대화와 판정의 축적이다.

CEO 체스키는 AI를 구동하는 비용이 AI로 인해 증가하는 수익에 비하면 매우 적다고 언급했다.

제7장: CEO 체스키는 여행자의 검색과 예약에 AI를 어떻게 사용할지는 아직 아무도 답을 내놓지 못했다고 인정한다

제1장부터 제6장에서 본 변화는 주로 사내 개발 및 지원 부문에서 일어나고 있다.

여행자가 숙소를 찾고 예약하는 장면에서는 아직 해답이 나오지 않았다.

CEO 체스키는 2026년 5월 실적 설명회에서 여행이나 이커머스(e-commerce) AI는 아직 아무도 풀지 못한 문제라고 말했다. 그리고 현재의 챗봇에는 다음과 같은 네 가지 문제가 있다고 지적했다.

• 언어 중심이라 사진 중심의 쇼핑에 적합하지 않다.
• 가격 조정 등을 직접 조작할 수 없다.
• 10만 건에 달하는 후보를 비교할 수 없다.
• 대부분의 예약은 여러 명이 함께 하는데, 혼자 사용하는 것을 전제로 하고 있다.

8월 실적 설명회에서는 대화로 검색 가능한 AI 검색을 극히 일부 접근성으로 시험하기 시작한다고 밝혔다.

표준 검색 기능은 그대로 유지하고, 전환 버튼으로 시도할 수 있는 형태로 만들 것이다.

이용자의 습관을 바꾸는 데는 몇 달이 걸린다는 예상이다.

Airbnb 사내 개발 및 문의 1차 대응 부문에서는 변화가 숫자로 나타나고 있다.

다만, 고객인 여행자 경험 자체는 아직 테스트 중이다.

결론: Airbnb가 목표하는 AI 퍼스트 조직은 '넘겨주기・남기기・쌓기' 세 가지로 설명할 수 있다

제1장부터 제7장까지를 세 개의 동사로 요약할 수 있다.

제1장:

Airbnb는 코드 작성 작업의 상당 부분과 문의에 최초로 대응하는 작업을 AI에게 '넘겨주었다'.

제2장~제4장:

무엇을 만들지 판단하고, 만든 것에 대한 설명은 사람에게 '남겼다'.

어떤 팀에 어떤 임무를 부여할지, 어떤 프로젝트를 직원이 맡을지, 제안된 PR(Pull Request)을 코드로 통합할지 결정하는 것은 사람이 하고, 만들어진 것을 설명하는 것도 사람의 몫이다.

제5장・제6장:

이전 서비스에서 얻은 지식과 수백만 건의 대화는 다음 서비스와 모델에 '쌓고' 있다.

이러한 '넘겨주기・남기기・쌓기'라는 행위는 내가 제안해 온

[그림 8]: Airbnb 조직에서는 사람이 방향을 결정하고, AI가 만들고, 사람이 설명하며, 쌓인 맥락이 다음 판단으로 돌아간다.

마지막으로, 당신의 조직에 적용할 수 있는 질문을 하나 설정해 봅시다.

"당신의 조직에서 AI에게 맡긴 작업, 사람에게 남겨진 판단, 다음 업무에 쌓이는 맥락은 각각 무엇인가요?"

Airbnb가 지향하는 AI First 조직이란, 만드는 작업을 AI에게 맡기고, 무엇을 만들지에 대한 판단과 만들어진 것에 대한 설명을 사람에게 남기며, 이전 업무에서 얻은 맥락을 다음 업무로 쌓아가는 조직입니다.

그리고 Airbnb 자체도, 그들의 고객인 여행자가 접하는 검색 및 예약 과정에서 AI를 어떻게 활용해야 할지에 대해서는 아직 답을 내놓지 않고 있습니다.

📚참고 문헌 목록

[1] Airbnb, Inc. "Q2 2025 Earnings Call" Corrected Transcript, 2025년 8월 6일

[2] Airbnb Newsroom "Airbnb Q2 2026 financial results" 2026년 8월 6일

[3] Richard MacManus, Latent Space "Inside-Out AI: Rebuilding Airbnb Behind the Scenes and Across the Guest Experience" 2026년 10월 2일

[4] Airbnb Newsroom "Airbnb Q1 2026 financial results"

[5] Investing.com "Earnings call transcript: Airbnb Q1 2026 misses EPS but beats revenue" 2026년 5월 7일

[6] Airbnb, Inc. "Q2 2026 Earnings Call" Corrected Transcript, 2026년 8월 6일

[7] Airbnb, Inc. Form 10-Q（2026년 6월 30일 마감 분기）, SEC

[8] Airbnb, Inc. "Q4 2025 Earnings Call" Corrected Transcript, 2026년 2월 12일

[9] Airbnb, Inc. Form 10-K（2025년 12월 기）, SEC

[10] Airbnb Newsroom "Expanding access to OpenAI frontier models, including GPT-6 Astra" 2026년 9월 23일

논의