Booking 圍繞 AI 重建服務與工程——每筆預訂成本下降（訪談）

Booking Holdings 財務長 Ewout Steenbergen 於 2026 年 10 月 1 日在《Fortune》的 AIQ Summit 發言，並接受《Fortune》訪談時表示，公司投入 AI 的頭兩年著重實驗，下一階段則意味著「從白紙一張」重建流程。客戶服務率先進行。

他描述的各項成果屬於內部自報數據：預訂量以高個位數成長，客戶服務成本則略為下降，因此每筆預訂成本「大幅」下降，同時客戶滿意度上升。

在工程方面，Booking 約 9,000 名工程師送入生產環境的程式碼增加約 30%，且僅計入通過測試與品質管制的合併請求。為控制 AI 支出，Booking 採用他所稱的「有效模型成本路由」——由基本與開源模型處理簡單任務，昂貴模型負責複雜任務——並以每筆合併請求的 IT 總成本（合併人力與 AI token 成本）來衡量工程團隊。

他提醒，面向客戶的一端規模仍小：截至第二季法說會，LLM 導流占客房晚數不到 1%；Booking 每年在付費管道花費 80 至 90 億美元，帶來約三分之一的客戶，而自家 AI 工具僅有溫和成效——預訂更快、轉換率略升、取消略減。他引用的第二季數據：Booking.com 的 Connected Trip 交易以低雙位數成長，商家預訂約占總預訂的 73%，Genius 第 2 級與第 3 級會員占活躍客戶超過 30%。

9,000 名工程師的程式碼送入生產環境增加 30%；每筆預訂的服務成本「大幅」下降，同時預訂量以高個位數成長（自報數據）

客戶服務率先進行，因為它是最清楚的端到端重新設計，並帶來可衡量的成本與滿意度提升。

工程產出僅計入通過測試與品質管制的合併請求，因此 30% 的增幅是經過品質把關的，而非原始產出。

成本路由避免 token 支出超出所創造的價值：團隊以每筆合併請求的 IT 總成本（人力與 AI 合計）來衡量。

客戶端的 AI 規模仍小——LLM 導流占客房晚數不到 1%——因此目前支撐這筆支出的是內部流程的成果。

實驗是成本較低的階段；報酬來自端到端重建流程——而且唯有像衡量其他單位成本一樣計量 token 才會實現。

Steenbergen 告訴投資人，AI 將讓旅遊規劃更容易、行銷更便宜，同時堅持飯店、航空公司與租車維持不變；更大的機會在於把交易型平台轉為更高頻的平台，透過在行程受擾時主動管理旅程來實現。他也透露自己個人使用兩個 AI 代理——一個用於董事會簡報的「策略思考夥伴」，一個用於財報電話會議準備的「批判性股票研究代理」——並在公司內部公開談論他的「AI 教練」。所有數字均出自財務長本人，來自該訪談與 Booking 2026 年第二季法說會。