Airbnb信任产品与运营总监Naba Banerjee在TechCrunch Disrupt 2023大会上表示：“你会发现，世界上99.9%的人其实都非常好。当他们使用你的产品时，都是出于正当的理由。但偶尔当坏事发生时，也会让人觉得‘这也太离谱了’。”
Banerjee对此深有体会：在她于2020年加入Airbnb的信任与安全团队之前不久，该公司在一场由平台房源举办的万圣节派对导致五人丧生后，宣布禁止“派对房屋”并采取了其他措施。
自那以后，这位高管在一家CNBC近期报道中被形容为有点像个“扫兴的人”。该报道指出，“作为负责Airbnb全球禁止聚会的负责人，Naba Banerjee花了三年多的时间研究如何打击用户间的聚会‘串通’行为、标记‘反复举办聚会的房屋’，以及最重要的是设计一套反聚会AI系统。”
正是这一AI元素让我在与Banerjee及其同席嘉宾Remote首席执行官Job van der Voort在Disrupt的Builders Stage上讨论时感到特别有趣。尽管Remote发展迅速，但其绝大多数用户的行为仍完全符合预期。然而，就连Airbnb这样规模的公司，实际上也缺乏关于违规行为的足够数据。
Airbnb知道某些模式会大大增加某人试图举办非法派对的概率：例如，年龄小于25岁、预订距离自己家不太远的较大房源，且仅预订一晚。最终，公司禁止了上述某些组合，但没过多久，一些用户就找到了变通方法，比如预订两晚或三晚。
借助AI，Airbnb能够考虑更多可能预示潜在派对举办者的因素——例如即将到来的生日。但更重要的是，该公司发现像初创企业一样将检测问题颠倒过来处理非常有用。
“我们确实拥有大量关于优质用户的数据，以及良好行为的表现形式，”Banerjee解释道。“我们知道，用户会按时入住、按时退房、留下评论、将房源保持得非常整洁、提前预订，并且很可能在平台上拥有很长的历史记录。因此，我们开始致力于理解什么是卓越行为，并将其与我们的风险模型相结合，这确实让我们变得更加智能。”
然而，有时你无法判断某种行为是否合法——无论你使用的是机器学习还是自己的直觉。
以Remote处理工资发放的情况为例：一笔过高的奖金是否意味着雇主遭到黑客攻击，且付款将被重定向到诈骗犯的账户？不一定，van der Voort表示；一些远程工作者 do 偶尔会获得巨额奖金，对此他们相当满意，谢谢。
这里的诀窍不在于机器学习，而在于一通电话。“有时我们不得不打电话给某人，问：‘你真的打算给某人发这么一大笔奖金吗？’”van der Voort说。“这是我们不断学习和探索如何有效执行的事情。”
若想进一步了解他们两人关于如何构建能随业务扩展的智能运营的见解，请观看完整的小组讨论：