Reportrip - Información turística líder en Latam

Durante los últimos tres años, las compañías turísticas han competido por incorporar inteligencia artificial generativa a sus productos. Primero llegaron los chatbots y planificadores capaces de mantener conversaciones; después aparecieron los resúmenes de opiniones, búsquedas en lenguaje natural y herramientas para responder preguntas sobre hoteles. La siguiente etapa empieza a ser bastante diferente: ya no consiste solamente en conseguir que una IA responda mejor, sino en proporcionarle herramientas para que pueda decidir qué hacer y conectarla con los sistemas capaces de hacerlo.

Booking.com lleva trabajando en esa transición desde hace tiempo, pero acaba de revelar una de las piezas tecnológicas más importantes que existen detrás de ella. La compañía ha desarrollado AgentHub, una plataforma interna concebida para que equipos de producto, desarrolladores y otros profesionales puedan construir agentes de inteligencia artificial sin tener que crear desde cero toda la infraestructura necesaria para cada nuevo caso de uso. Según la compañía, esos agentes pueden llegar a desplegarse “en cuestión de horas”.

La idea parece sencilla, pero supone un cambio importante respecto a la primera generación de IA generativa. Booking.com ya disponía de enormes plataformas de machine learning para ordenar resultados, realizar recomendaciones, interpretar contenido y gestionar información sobre millones de alojamientos. AgentHub no pretende sustituirlas, sino colocar encima una nueva capa capaz de razonar sobre una tarea y decidir cuándo debe utilizar cada una de esas capacidades.

Para una empresa cuya tecnología ha sido construida durante décadas alrededor de búsquedas, reglas, modelos predictivos y flujos cuidadosamente definidos, la diferencia es considerable.

De programar el camino a permitir que la IA elija el camino

Un sistema tradicional necesita que alguien determine previamente la secuencia que debe seguir. Si un viajero pregunta si un hotel está cerca de una estación, por ejemplo, el software puede estar programado para identificar el establecimiento, consultar determinada fuente de información, localizar la estación, calcular la distancia y construir una respuesta.

Un agente funciona de otra manera. Recibe un objetivo, dispone de una colección de herramientas y decide cuáles necesita utilizar y en qué orden para intentar resolverlo. Puede consultar información sobre un establecimiento, recuperar contenido, utilizar recomendaciones, acceder a una API interna o externa y combinar diferentes resultados antes de responder.

Guy Nadav, director de machine learning e IA de Booking.com, explica que la proliferación de proyectos generativos dentro de la compañía terminó planteando una pregunta bastante lógica: si cada vez más equipos estaban desarrollando productos basados en IA, ¿tenía sentido que todos resolvieran una y otra vez los mismos problemas tecnológicos?

AgentHub nace precisamente para evitar esa duplicación. En lugar de construir para cada proyecto conexiones con modelos, herramientas, recuperación de información, gestión del contexto, evaluación y otros componentes, la plataforma proporciona una infraestructura compartida y configurable. Los equipos pueden concentrarse en definir qué debe conseguir su agente y qué capacidades necesita para hacerlo.

Es una evolución parecida a la que experimentó el desarrollo de software con la llegada de las plataformas cloud: la infraestructura deja de construirse específicamente para cada producto y empieza a convertirse en una capacidad común que diferentes equipos pueden reutilizar.

Uno de los primeros agentes ya responde preguntas sobre hoteles

Booking.com ha utilizado esta arquitectura para reconstruir una de las funciones de su AI Trip Planner: el sistema que responde preguntas específicas sobre los alojamientos.

El problema resulta bastante más complejo de lo que parece. Si un viajero pregunta, por ejemplo, si un determinado hotel está cerca del Louvre o cuánto tardará en llegar desde el establecimiento hasta una estación, el agente tiene que comprender a qué alojamiento se refiere, relacionarlo con el identificador correcto dentro de Booking.com, recuperar información relevante de los sistemas internos y calcular distancias o tiempos de desplazamiento hacia puntos de interés o nodos de transporte.

Booking.com ya disponía de un flujo determinista para realizar parte de ese trabajo. La diferencia introducida con AgentHub consiste en permitir que sea el propio agente quien decida qué sistemas debe consultar para responder a cada pregunta. Según la compañía, el cambio ha permitido mejorar la relevancia de las respuestas y del contexto utilizado, aumentar la precisión factual y reducir la tasa de rechazo del modelo de lenguaje.

El ejemplo ayuda a entender por qué la inteligencia artificial agéntica interesa tanto a las empresas turísticas. El valor no procede únicamente de generar una respuesta con lenguaje natural, sino de conectar el razonamiento del modelo con información fiable y herramientas especializadas. Un modelo de lenguaje puede intentar responder cuánto tarda un huésped en llegar desde un hotel hasta el aeropuerto; un agente conectado correctamente puede identificar el hotel exacto, consultar su ubicación, seleccionar el aeropuerto correspondiente, utilizar una herramienta de cálculo de rutas y construir la respuesta utilizando datos actualizados.

Booking.com lleva tres años preparando el terreno

AgentHub no aparece de la nada. Booking.com lanzó su AI Trip Planner en junio de 2023, inicialmente para un grupo de viajeros estadounidenses, utilizando tecnología de OpenAI combinada con los modelos de machine learning y los datos propios de la plataforma. Aquel producto permitía conversar sobre destinos, buscar alojamientos y construir itinerarios, pero seguía estando muy cerca de la lógica de un asistente generativo.

Posteriormente llegaron funciones mucho más específicas. Smart Filter permite describir mediante lenguaje natural el alojamiento deseado para que la IA traduzca la petición en filtros; Property Q&A responde preguntas concretas utilizando información del establecimiento, opiniones y fotografías; y Review Summaries sintetiza grandes cantidades de comentarios para facilitar la comparación.

En 2025 la compañía dio otro paso con Smart Messenger y Auto-Reply, sus primeras funciones presentadas explícitamente como IA agéntica para la comunicación entre alojamientos y huéspedes. Smart Messenger puede reunir información sobre la reserva, el establecimiento y el cliente para decidir qué información necesita y qué respuesta resulta adecuada, mientras Auto-Reply permite automatizar determinadas consultas definidas por el alojamiento.

Vistas individualmente, estas herramientas pueden parecer una colección de funcionalidades de IA. AgentHub permite entender una estrategia diferente: convertir muchas de esas capacidades en piezas reutilizables que puedan combinarse para construir nuevos agentes.

La verdadera ventaja de Booking no está necesariamente en el modelo de lenguaje

Este enfoque ayuda también a explicar una de las grandes cuestiones estratégicas de la inteligencia artificial aplicada a viajes. Booking.com no necesita construir desde cero un modelo fundacional capaz de competir con OpenAI, Google o Anthropic. Puede utilizar modelos externos y concentrar su ventaja en aquello que una empresa generalista de IA no posee con la misma profundidad: datos turísticos, inventario, precios, disponibilidad, comportamiento del consumidor, recomendaciones, contenido de establecimientos, sistemas de pago y una infraestructura capaz de procesar reservas a enorme escala.

Booking.com lleva más de una década utilizando machine learning y ha desarrollado sistemas especializados para decidir qué alojamientos mostrar, ordenar fotografías, seleccionar opiniones relevantes o recomendar destinos. La colaboración con OpenAI para su AI Trip Planner siguió precisamente esa lógica: combinar los modelos lingüísticos con la infraestructura y los datos propios de Booking.com. La primera versión del planificador pudo construirse en unas diez semanas porque gran parte de las capacidades necesarias ya existían.

AgentHub profundiza en ese planteamiento. El modelo de lenguaje aporta capacidad para comprender intenciones, razonar y decidir qué hacer; Booking aporta las herramientas con las que puede actuar. Esa combinación puede resultar más importante que disponer del modelo más avanzado del mercado. Dos compañías pueden utilizar exactamente el mismo LLM y obtener productos radicalmente diferentes si una de ellas dispone de mejores datos, herramientas, integraciones, memoria, evaluaciones y capacidad transaccional.

El objetivo no es construir un agente, sino muchos

La propia arquitectura de AgentHub apunta hacia un futuro modular. Booking.com trabaja para incorporar colaboración entre múltiples agentes, capacidades multimodales que permitan interpretar imágenes y otros formatos, memoria a largo plazo, mayor personalización y sistemas más sofisticados para utilizar herramientas.

La evolución hacia múltiples agentes resulta especialmente lógica en viajes porque organizar unas vacaciones contiene numerosos problemas diferentes. Inspirar un destino, buscar un hotel, comparar dos habitaciones, interpretar miles de opiniones, construir un itinerario, modificar una reserva, resolver una cancelación aérea o encontrar una actividad son tareas relacionadas, pero no necesariamente deberían ser resueltas por el mismo agente.

Un sistema especializado en comparar alojamientos puede necesitar herramientas y criterios diferentes de otro encargado de gestionar cambios en una reserva. Del mismo modo, un agente de atención al cliente necesita restricciones y permisos diferentes de otro que simplemente recomienda restaurantes.

Booking.com parece prepararse así para una arquitectura en la que diferentes especialistas puedan colaborar, compartir contexto y delegarse tareas. Una oferta de empleo de la propia compañía para su Agentic Modeling Team describe precisamente ese objetivo: desarrollar estrategias de planificación iterativa, autocorrección, razonamiento multietapa, memoria de sesión y de largo plazo y patrones multiagente que permitan a agentes especializados compartir contexto y delegar subtareas.

El detalle es importante porque muestra que AgentHub no es únicamente un experimento de laboratorio. Booking.com está construyendo equipos específicamente destinados a convertir esta arquitectura en infraestructura de producción.

Expedia está llegando a una conclusión sorprendentemente parecida

La estrategia de su principal competidor refuerza la sensación de que la industria está convergiendo hacia este modelo. Xavier Amatriain, Chief AI and Data Officer de Expedia Group, ha descrito el futuro de su tecnología como un “sistema compuesto de múltiples agentes” en lugar de un único asistente monolítico capaz de resolver todo el viaje.

La compañía imagina agentes especializados en comprender intención, descubrir destinos, comparar alojamientos, construir itinerarios, responder preguntas sobre reservas o ayudar cuando cambian los planes. Una capa superior puede coordinar esos especialistas para ofrecer al viajero una experiencia aparentemente continua.

La arquitectura aporta también ventajas prácticas. Un agente estrechamente especializado resulta más fácil de probar, medir y controlar que un sistema al que se permite hacer prácticamente cualquier cosa. Expedia está construyendo alrededor de estos agentes una infraestructura común para acceso a modelos, evaluaciones, gobernanza de MCP, seguridad y observabilidad, con diferentes niveles de control según el riesgo asociado a cada tarea.

Que Booking.com y Expedia estén avanzando hacia planteamientos parecidos es probablemente más significativo que cualquier demostración individual de un chatbot. Las dos grandes OTA están empezando a considerar la inteligencia artificial no como una funcionalidad incorporada a sus webs, sino como una nueva capa de arquitectura sobre la que pueden reconstruirse muchos de sus productos.

Del Connected Trip al Connected Agent

La estrategia encaja especialmente bien con una de las grandes ambiciones históricas de Booking Holdings: el Connected Trip. La compañía lleva años intentando conectar alojamiento, vuelos, coches, restaurantes y actividades para que el viajero pueda gestionar distintas partes de un mismo viaje dentro de su ecosistema.

Los resultados empiezan a crecer, aunque todavía desde una base limitada. En el segundo trimestre de 2026, las transacciones que incluían más de una vertical representaban un porcentaje de doble dígito bajo del total y crecían a doble dígito, más rápidamente que el conjunto de las transacciones. Booking Holdings continúa considerando el Connected Trip, la inteligencia artificial y las experiencias personalizadas como pilares de su estrategia de crecimiento.

El problema siempre ha sido conectar experiencias construidas originalmente como productos separados. El usuario busca un hotel de una manera, un vuelo de otra y un coche de alquiler mediante otro flujo. Una arquitectura de agentes puede convertirse en una capa capaz de ocultar esa complejidad.

El viajero no necesita saber qué sistema resuelve cada petición. Puede explicar que viajará a Nueva York el jueves, que necesita hotel cerca de Midtown, que quiere trasladarse desde JFK y que busca una actividad para el viernes por la tarde. Diferentes agentes pueden resolver cada parte utilizando herramientas distintas mientras la interfaz mantiene una conversación aparentemente única.

En ese sentido, la inteligencia artificial podría terminar proporcionando a Booking la interfaz que durante años ha buscado para hacer realidad el Connected Trip.

El gran reto será decidir cuánto puede hacer cada agente

Permitir que una IA utilice herramientas introduce, sin embargo, una dificultad que apenas existía con los primeros chatbots. Una respuesta incorrecta puede resultar molesta; una acción incorrecta puede tener consecuencias económicas.

No es lo mismo permitir que un modelo resuma opiniones sobre un hotel que autorizarlo a cancelar una reserva, modificar fechas, procesar un pago o solicitar una devolución. Cuanto más avanza la industria desde la generación de información hacia la ejecución de tareas, más importantes resultan permisos, verificaciones, evaluaciones y mecanismos de supervisión.

La aproximación modular puede ayudar precisamente a controlar ese riesgo. Cada agente puede disponer solamente de las herramientas necesarias para su función y operar bajo reglas específicas. Un agente de inspiración puede tener acceso a recomendaciones sin capacidad transaccional; otro puede consultar una reserva pero no modificarla; un tercero podría ejecutar determinados cambios después de recibir una confirmación explícita del usuario.

Expedia ha descrito públicamente un planteamiento de este tipo: las decisiones con consecuencias importantes deben mantener al viajero en el control final y cada agente pasa por mecanismos de evaluación y lanzamiento adaptados a su nivel de riesgo. Booking.com no ha detallado públicamente toda su arquitectura de gobernanza, pero su plataforma persigue igualmente agentes preparados para producción, donde fiabilidad, latencia y evaluación forman parte del ciclo de desarrollo.

La próxima gran innovación turística puede depender tanto de estos mecanismos invisibles como de la calidad de los modelos.

La plataforma también cambia quién puede construir IA dentro de Booking

Existe otro aspecto de AgentHub menos visible para el consumidor pero posiblemente igual de importante. Booking.com asegura que la configuración compartida permite que perfiles diferentes —desde desarrolladores hasta responsables de producto o profesionales de experiencia de usuario— participen más rápidamente en la construcción e iteración de agentes.

La compañía lleva tiempo trabajando precisamente en democratizar internamente el acceso a la IA. En junio explicó que su plataforma generativa daba soporte a más de 3.000 desarrolladores, mediante infraestructura común, acceso gobernado a MCP, capacidades reutilizables y herramientas para proporcionar el contexto adecuado a cada tarea. Booking.com afirmó además que determinadas técnicas de carga dinámica habían reducido en más de un 80% el consumo de tokens destinado simplemente a describir herramientas disponibles.

Esto introduce una transformación organizativa además de tecnológica. Cuando crear un nuevo agente deja de exigir montar toda una infraestructura específica, muchos más equipos pueden experimentar con casos de uso. El cuello de botella se desplaza desde la ingeniería básica hacia encontrar problemas que realmente merezca la pena resolver.

Es la misma transición que estamos viendo en otras compañías: la ventaja ya no consiste en permitir que los empleados accedan a un modelo de IA, sino en construir una plataforma común que permita hacerlo de forma segura, repetible y medible.

Mientras tanto, ChatGPT todavía genera muy pocas reservas para Booking

Toda esta inversión convive con una realidad que ayuda a poner el fenómeno en perspectiva. Durante la presentación de resultados del segundo trimestre, Booking Holdings reveló que las referencias procedentes de grandes modelos de lenguaje —sumando tráfico orgánico y pagado— continuaban representando menos del 1% de sus noches de hotel y apenas habían variado durante los últimos meses.

Glenn Fogel, CEO de Booking Holdings, no parece interpretar esa cifra como una razón para reducir la inversión. La compañía observa que sus marcas aparecen con frecuencia en las respuestas de los grandes modelos y trabaja simultáneamente para estar presente dentro de plataformas externas y conseguir que los consumidores sigan utilizando directamente sus propias marcas. En el segundo trimestre, aproximadamente dos tercios del negocio B2C continuaba llegando directamente a las plataformas del grupo.

Fogel ha señalado además que construir técnicamente un agente capaz de reservar un viaje no constituye necesariamente la parte más difícil del problema. Su argumento es que las empresas establecidas poseen ventajas relacionadas con confianza, pagos, atención al cliente, inventario y capacidad para resolver problemas cuando algo sale mal.

AgentHub encaja perfectamente con esa tesis. Booking no pretende competir únicamente en la conversación. Quiere conectar esa conversación con toda la maquinaria que ya existe detrás de una de las mayores plataformas turísticas del mundo.

La IA empieza a producir también resultados internos

Booking Holdings sostiene además que la inteligencia artificial está generando beneficios incluso antes de convertirse en un canal significativo de adquisición. Fogel explicó durante los últimos resultados que el coste de atención al cliente por reserva está disminuyendo a un ritmo de doble dígito y aseguró que la compañía observa mejoras relacionadas con IA en áreas que van desde operaciones hasta finanzas y comunicación corporativa.

Este punto resulta relevante porque modifica la forma de calcular el retorno de la inversión. Una compañía no necesita esperar a que ChatGPT genere millones de reservas para obtener valor de la inteligencia artificial. Puede utilizarla para reducir costes de soporte, aumentar productividad, acelerar desarrollo, mejorar recomendaciones o automatizar tareas internas.

AgentHub amplía precisamente esa lógica: si cada equipo puede reutilizar la misma infraestructura para construir agentes, el coste marginal de experimentar con nuevos casos de uso disminuye. El valor de la plataforma no dependerá únicamente de un asistente estrella visible para el consumidor, sino de cuántos procesos pueda mejorar por debajo de la superficie.

Para los hoteles hay una lectura especialmente importante

Aunque AgentHub sea una herramienta interna de Booking.com, su evolución tiene implicaciones directas para los alojamientos que distribuyen su inventario en la plataforma. En una arquitectura tradicional, buena parte de la visibilidad depende de algoritmos que ordenan resultados utilizando una combinación de relevancia, disponibilidad, precio, conversión y otros factores.

En un entorno de agentes, la selección puede volverse mucho más contextual. Un viajero puede pedir un hotel tranquilo para trabajar tres días, cerca de transporte público, con gimnasio abierto temprano, restaurante adecuado para una reunión y posibilidad de cargar un coche eléctrico. El agente necesita identificar qué establecimientos cumplen realmente esas condiciones utilizando información procedente de diferentes fuentes.

Cuanto más sofisticada sea la pregunta, mayor será la importancia de que los datos del hotel sean completos, estructurados, actualizados y accesibles para las herramientas que utiliza el agente. Descripciones genéricas o servicios mal etiquetados dejan de ser únicamente un problema de merchandising: pueden provocar que el establecimiento simplemente no sea seleccionado para determinadas intenciones.

La optimización para la era de los agentes será, por tanto, algo más complejo que intentar aparecer mencionado en ChatGPT. Los hoteles necesitarán asegurarse de que las máquinas pueden comprender con precisión qué venden, para quién resulta relevante y bajo qué condiciones está disponible.

De la web construida con páginas a la plataforma construida con agentes

La revelación de AgentHub permite observar algo que normalmente permanece oculto detrás de las interfaces de inteligencia artificial. El viajero ve una conversación aparentemente sencilla, pero debajo puede existir una arquitectura formada por modelos de lenguaje, motores de recomendación, sistemas de recuperación, bases de datos, APIs, memoria, herramientas de cálculo y diferentes agentes especializados.

La evolución recuerda en cierta medida a la transformación de internet. Las primeras webs eran colecciones relativamente sencillas de páginas; después se convirtieron en plataformas formadas por cientos de servicios que interactuaban entre sí. La inteligencia artificial puede estar recorriendo ahora un camino parecido: del chatbot monolítico hacia ecosistemas de agentes especializados coordinados mediante una infraestructura común.

Booking.com y Expedia parecen estar llegando por caminos diferentes a una conclusión muy similar. La próxima generación de distribución turística probablemente no estará construida alrededor de un gran cerebro artificial que sabe hacerlo todo, sino de numerosos especialistas que saben hacer muy bien una cosa, disponen de herramientas específicas y pueden colaborar cuando el viaje exige combinar varias.

Por eso AgentHub puede resultar más relevante que cualquier nuevo chatbot de Booking.com. No es un producto concreto que el viajero vaya a encontrar mañana en la aplicación, sino la infraestructura destinada a fabricar muchos de esos productos.

Durante años, las OTA construyeron enormes plataformas capaces de buscar y reservar viajes. Ahora están añadiendo una capa capaz de decidir cómo utilizar esas plataformas en nombre del viajero. Y ahí puede estar el verdadero salto entre la inteligencia artificial generativa que hemos conocido durante los últimos tres años y la inteligencia artificial agéntica que empieza a llegar al turismo.