Booking.com 称其自研的 AI 工具，本希望能直接买到现成的

事件核心：发生了什么

9 月 23 日，Booking.com 首席商务官 James Waters 与帝亚吉欧（Diageo）首席数字官 Susan Jones 在 Amsterdam 的 HumanX 大会同台，讨论规模化部署 AI 的成本，主持人为彭博 Amsterdam 分社社长 Dasha Afanasieva。

Waters 明确表示，Booking.com 曾自建 AI 编排（orchestration）等工具，但前沿模型厂商随后交付了相同能力，他把这部分工作称为”遗憾的工作”。如果放到今天，公司会直接采购现成工具，专注解决客户问题和自身独有的数据。他给出的判断是：模型与 agent 的迭代速度远超两年前的预期。

数据层面，Booking.com 调研显示 89% 的人愿意用 AI 做旅行研究，但只有 6% 信任 AI 替自己做决定。Waters 认为大模型已成为增长最快的旅行研究工具，但用户尚未用它完成下单，旅行因时间、金钱和情感成本高，可能是最晚转向 agentic commerce 的品类之一。

帝亚吉欧方面，Jones 介绍其规模最大的工具是虚拟内容工作室，覆盖 200 多个品牌、每个国家；内容工具 Pencil 被定位为激发创意的跳板，而非”用更少成本产出更多内容”，每个最终决策仍由营销人员拍板。

为什么重要

这是一个少见的反向信号：过去两年企业普遍担心”不自研就落后”，Booking.com 的复盘说明，在模型能力快速商品化的领域，自建可能变成沉没成本。它把竞争焦点重新划分——通用编排、agent 框架等基础设施交给前沿模型厂商，企业的护城河转向专有数据、客户理解和流程改造。

数据上的 89% 对 6% 也很关键：需求意愿与信任之间存在巨大缺口。这意味着短期内 AI 在旅行等高客单价、高情绪成本场景中，更像研究助手而非交易入口。7 月两家酒店集团接入 ChatGPT 但未开放站内支付，8 月 Google Maps 的 Ask Maps agent 开始提供酒店预订，都是同一逻辑的注脚。

Waters 还把风险比作自动驾驶：一次事故会让所有车下路，而人类驾驶事故更多却没人叫停。对 Booking.com 而言，这个”事故”就是无关内容或错误价格。

对用户/开发者/创作者的影响

对企业采购与开发团队：通用 AI 编排、agent 调用层这类能力正快速被闭源大模型和云厂商补齐，自研前建议先做”买还是建”的硬性评估，把自研预算留给专有数据和业务逻辑。Booking.com 还让产品和研发团队暂停 backlog 两个 sprint 专门探索 AI，并设立中央专家团队负责工具、知识库、培训，其 KPI 之一是”不依赖该团队交付的生成式 AI 用例占比”——过高说明核心团队没在创新，过低说明业务没学会。这套组织方法比工具本身更值得借鉴。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对创作者与营销团队：帝亚吉欧的 Pencil 把合规护栏内置，但保留人工终审，方向是把 AI 当创意起点而非产能机器。Jones 提醒，早期把 AI 叠加在旧流程上的实验没有奏效，必须先修流程和数据。

对投资者：Waters 明确表示没人有精确的 AI ROI 数字，Booking.com 也不需要——作为纯数字业务，它能精确测算某次产品改动的成本与收益，其他领域则设一个可接受的支出上限。他也认为用”AI 写了多少代码”衡量价值没有意义。

值得关注的后续

1. Booking.com 是否会在首页上线基于大模型的对话入口，以及”连接”这一难点（价格准确性、内容相关性）如何解决。

2. 旅行品类何时出现真正可支付的 agentic commerce 闭环，ChatGPT、Google Maps 等入口是否补齐支付与售后。

3. 帝亚吉欧的中央审查机制能否持续筛出值得规模化的 agent 工具，以及”先修流程再上 AI”是否成为大企业标准动作。

来源：The Next Web