Nos últimos anos, a integração da inteligência artificial (IA) nas operações de grandes empresas tem sido cada vez mais evidente. Um exemplo notável é a Booking.com, que, em sua palestra no QCon London 2026, revelou a fascinante trajetória de sua evolução em IA. Jabez Eliezer Manuel, um dos engenheiros seniores da empresa, abordou os desafios enfrentados ao longo de duas décadas e como a arquiteturra de Software e o Desenvolvimento de Sistemas foram fundamentais nesse processo.
Desafios Iniciais e a Gênese do A/B Testing
No início de sua jornada, em 2005, a Booking.com começou a realizar experimentos de A/B testing que, embora ambiciosos, apresentavam uma taxa de sucesso de menos de 25%. O foco não era simplesmente acertar, mas sim aprender rapidamente com os erros. Essa mentalidade de aprendizado rápido foi crucial para moldar o que hoje chamamos de DNA orientado a dados.
A Evolução do gerenciamneto de Dados
O stack tecnológico original da Booking.com era construído sobre bibliotecas Perl e MySQL, um setup que, à primeira vista, parecia simples. Contudo, com o aumento dos dados, essa estrutura se mostrou insuficiente. A solução veio com a adoção do Apache Hadoop, que permitiu um armazenamento distribuído e processamento em larga escala. Mas nem tudo foram flores. A empresa enfrentou problemas como querys barulhentas que afetavam o desempenho do cluster e a falta de suporte a GPU, o que resultou na decisão de descontinuar o Hadoop após sete anos de migração.
Machine Learning: Da Teoria à Prática
A evolução do stack de machine learning da Booking.com também é digna de nota. O que começou com Perl e MySQL em 2005 evoluiu para sistemas mais sofisticados, utilizando tecnologias como Apache Spark e deep learning até alcançar mais de 480 modelos de machine learning em 2024, com uma latência de menos de 20 milissegundos. Essa trajetória mostra como a engenharia de machine learning precisa ser adaptável e responsiva às mudanças de demanda e tecnologia.
Plataformas de Inteligência de Domínio
Manuel destacou quatro plataformas específicas de machine learning que a Booking.com desenvolveu, cada uma com seu conjunto de casos de uso. Desde a GenAI para planejamento de viagens até o Content Intelligence, que gerencia análises de imagens e textos, a empresa tem se mostrado inovadora em personalização. Porém, a verdadeira complexidade. veio com a otimização de rankings. A antiga fórmula de 2005, que considerava apenas reservas e visualizações, precisou ser reformulada para incluir novos fatores como cancelamentos e disponibilidade de quartos.
Dicas Avançadas para Arquitetura de IA em Sistemas Escaláveis
Se você está pensando em implementar soluções de IA em sua arquitetura, aqui vão algumas dicas que podem ajudar:
- Teste e aprenda: Como a Booking.com, priorize o aprendizado rápido sobre a precisão imediata. A/B testing é uma ferramenta poderosa.
- Seja flexível com seus dados: Adote uma arquitetura que permita a escalabilidade. A transição de Hadoop para soluções mais modernas é um exemplo de adaptação necessária.
- Otimize continuamente: Não se acomode com a primeira solução. Mantenha seus modelos de machine learning atualizados e testados com frequência.
- Interleaving: Experimente técnicas de interleaving em seus testes para obter resultados mais precisos com menos tráfego.
Conclusão
A evolução da inteligência artificial na Booking.com é um exemplo claro de como a arquitetura de software deve evoluir constantemente para atender às novas demandas do mercado. A integração de diferentes tecnologias e a disposição para aprender com os erros foram e continuam sendo fundamentais. Para aqueles que estão no campo da tecnologia, a lição é clara: a inovação não é um destino, mas uma jornada contínua. E, quem sabe, a próxima grande ideia pode estar bem ao seu alcance.