한눈에
Latent Space가 Airbnb CTO Ahmad Al-Dahle를 인터뷰했다. Meta에서 Llama를 이끌다 1월에 합류했다. 회사를 AI-native로 바꾸는 이야기를 ‘안에서 밖으로’로 묶는다.
내부에서 제품 개발 속도를 올린 뒤, 같은 역량을 게스트 경험으로 밀어 올린다는 구조다.
배경
Al-Dahle는 모델 세대 개선 플라이휠은 이미 익숙해졌고, 다음 난제는 대규모 배포라고 말한다. 시가총액 약 930억 달러 규모 조직을 한꺼번에 바꾸려는 시도다.
무슨 일 / 핵심 내용
숫자부터 보면, 코드의 약 60%가 AI 작성이고, 기능·개선은 전년 대비 약 80% 늘었으며, 엔지니어 평균 PR 처리량은 약 1.6배라고 했다. 고객지원은 티켓의 약 절반을 AI가 처리한다. Q2 실적 공개의 약 45%와 같은 선이라고 글이 덧붙인다. 안전 이슈 등은 일부러 사람이 맡긴다.
조직 프로세스는 PRD·피그마 핸드오프를 줄이고, 프로토타입·코드로 바로 간다. “코드가 곧 산출물”이라는 표현이다. 내부 컨텍스트 그래프 Everest(LLM·임베딩·검색)로 조직 지식을 붙인다. 식료품 배송이 8–9개월 걸렸고, 그 학습이 Everest에 쌓인 뒤 공항 픽업은 약 6주에 냈다고 Q2 실적 서술을 인용한다.
모델은 멀티모델이다. 오픈 모델을 자체 포스트트레이닝·RL로 맞춘 맞춤 모델이 최소 10개, 코딩처럼 실수 비용이 큰 일은 최강 프론티어를 쓴다. 검색처럼 지연에 민감한 일은 작은 특화 모델이 때로 프론티어를 이긴다고 한다.
다음 단계로 이벤트에 뜨는 비동기 온콜 에이전트를 키운다. Grafana 알림이 뜨면 에이전트가 초동하고, 사람은 PR을 리뷰한다. AI가 만든 PR도 엔지니어가 설명할 수 있어야 한다고 강하게 민다.
왜 중요한가
소비재·마켓플레이스 대기업이 AI-native를 ‘모델 교체’가 아니라 조직 산출물·컨텍스트 그래프·지원 범위로 정의하는 현장 기록을 남긴다.
그래서 뭐
비슷한 전환을 짜는 팀은 60%·1.6x·티켓 절반 같은 숫자보다, Everest식 컨텍스트와 ‘설명 가능한 PR’ 규칙을 자기 조직에 옮길 수 있는지부터 보면 된다. 전문은 Latent Space 원문에 있다.