QCon London 2026: Booking.comのAI進化の裏側：磨かれていない物語

Booking.com のシニアプリンシパルエンジニアである Jabez Eliezer Manuel 氏は、QCon London 2026 で「Behind Booking.com's AI Evolution: The Unpolished Story」と題した講演を行い、過去 20 年間にわたり Booking.com がどのように進化し、AI を取り入れる過程でどのような課題に直面してきたかについて議論しました。 QCon London の第 20 回大会を称えるため、Manuel 氏は講演の冒頭で 2005 年の技術状況を紹介しました。特に、Motorola Razr V3 は人気のある携帯電話であり、Web 2.0 が台頭し始め、Booking.com も設立から 9 年目でした。 2005 年 2 月、Booking.com は最初の A/B テスト（A/B testing）実験を開始しました。当時、並行して 1000 件以上の実験を行い、累計で 15 万件の実験を遂行していました。しかし、成功率は 25% に満たないことが観察されました。Manuel 氏は、目標は正解を出すことではなく、素早く学ぶことにあったと述べています。これらの実験が最終的に、同社のデータ駆動型 DNA を構築しました。 Manuel 氏の講演は、データ管理（Data Management）、機械学習エンジニアリング（Machine Learning Engineering）、ドメインインテリジェンスの 3 つのレイヤーをカバーするものでした。 データ管理 Booking.com の初期の技術スタックは、Perl ライブラリと MySQL を基盤として構築されており、非同期レプリケーションと商用サポートを提供していました。2005 年にはマスターデータベースが 1 つだけでしたが、2020 年までに約 6800 のデータベースインスタンスに成長しました。同社の MySQL 設定はユニークで、専用ハードウェア、ストアドプロシージャ、ユーザー定義関数（UDF）、データベースビュー、キャッシュ層を持っていません。 マヌエル氏が「秘密のソース」と表現したものは、非揮発性メモリ Express (NVMe) ソリッドステートドライブに収まる小規模なデータベース（2TB 制限）で構成されていました。彼らは 350 マイクロ秒未満のポイントクエリを観測しました。 このモデルはデータが膨大になるまで成功を収めていましたが、その課題に対処するため、Booking.com は大規模な分散ストレージと処理のために Apache Hadoop を導入しました。2011 年までに、同社はそれぞれ約 6 万コアと 200 ペタバイトのハードディスク容量を備えたオンプレミス環境の Hadoop クラスターを 2 つ運用していました。 Hadoop は長年にわたり機械学習パイプラインを支えてきましたが、システムにひび割れが生じたことが判明しました。機械学習科学者の視点から見ると、これらのひび割れには、1 つの不良クエリがクラスターを詰まらせる「ノイジーな隣人」問題、GPU サポートの欠如、ピーク時の過負荷や障害を引き起こすキャパシティの問題が含まれていました。2018 年に Hadoop の廃止が決定されましたが、Hadoop から移行しアップグレードするプロセスには約 7 年を要しました。 Booking.com の移行戦略には 5 つのフェーズがありました： - 全エコシステムのマッピング - スコープ縮小のための利用状況分析 - Google Search PageRank アルゴリズムの適用 - ウェーブによる段階的移行 - Hadoop の段階的廃止 マヌエル氏は、成功の鍵は統合されたコマンドセンターにあったと述べています。 機械学習エンジニアリング Booking.com の機械学習スタックの進化は、2005 年の Perl ライブラリと MySQL から始まり、2025 年にはエージェント型システムへと移行しました。その間には、Python を用いた Apache Oozie、MLlib を備えた Apache Spark、H2O.ai、ディープラーニング、そして生成 AI（GenAI）が導入されました。 Manuel は、2015 年が Booking.com にとって決定的な年であったと主張しました。その理由は、大規模なオンライン推論によるリアルタイム予測の実現と、トレーニングおよび推論のための特徴量エンジニアリングという 2 つの核心的課題を解決したからです。 2024 年現在、同社の機械学習推論プラットフォームは、480 以上の機械学習モデル、1 日あたり 4,000 億回の予測処理、そして 20 ミリ秒未満のレイテンシを誇っています。 ドメインインテリジェンス Manuel は、4 つのドメイン固有の機械学習プラットフォームとそれぞれのユースケースについて議論しました。最初の 3 つは以下の通りです：トリッププランニング、スマートフィルター、レビュー要約などのユースケースを持つ生成 AI（GenAI）；ホテルの詳細コンテンツなどを含む画像およびレビュー分析、テキスト生成を担う機械学習コンテンツハブであるコンテンツインテリジェンス；顧客向けにパーソナライズされたコンテンツを表示するためのユースケースを持つレコメンデーションです。 パーソナライズされたリアルタイム順序付けのための 4 つ目のドメイン固有プラットフォームであるランキングは、より複雑な課題でした。Booking.com の 3 軸最適化の課題には、「選択と価値」、「露出と成長」、「効率性と収益」が含まれていました。 彼らの2005年のランキングアルゴリズムは、予約数や閲覧数といったパラメータと乱数関数を組み合わせた単純な関数でした。その後、キャンセル率、距離に基づくランキング、部屋の空き状況、ホテルの評価といった要素を取り入れてアルゴリズムの進化を試みました。しかし、機械学習を用いてランキングアルゴリズムを置き換えようとした際、インフラストラクチャの制約により、マヌエルが指摘したようにそのアルゴリズムは「無敵」であることが判明しました。 彼らの実験は通常2〜4週間行われましたが、改善点を模索していました。A/Bテストの実験手法を適応させ、インターリービング（interleaving）という技術を導入しました。これは各実験セットの50%を実質的に1つの実験に織り交ぜる手法です。これにより、より少ないトラフィックで多様なバリアントをテストできるようになりました。そこで、インターリービングによる事前選定を行い、A/Bテストで検証するという方針が決定されました。 マヌエルは、ドメイン固有のプラットフォームがオーケストレーション層のために統合された現状について述べてプレゼンテーションを終えました。 著者紹介 マイケル・レッドリッチ（Michael Redlich）氏は、過去25年にわたりJavaコミュニティで活動しています。2001年にはガーデンステイトJavaユーザーグループ（旧ACGNJ Java Users Group）を設立し、現在も継続して運営されています。 2016 年以来、マイクは InfoQ の Java コミュニティニュース編集者を務めており、その貢献には月次ニュース記事、技術文書の作成、技術レビューが含まれます。彼は Oracle Code One、エンタープライズ向け新興技術カンファレンス、トレントン・コンピュータフェスティバル (TCF)、TCF IT プロフェッショナル会議、および多数の Java ユーザーグループなどで登壇してきました。マイクは Jakarta NoSQL および Jakarta Data の仕様におけるコミッターを務め、Jakarta EE アンバサダーのリーダーシップ評議会にも参加しています。彼は 2023 年 4 月に Java チャンピオンに選出されました。 33 年半にわたる勤務の後、マイクはニュージャージー州クリントンにあるエクソンモービル・テクノロジー&エンジニアリングを最近退職しました。そこではカスタムの科学実験室用アプリケーションや Web アプリケーションの開発における経験があります。また、Ai-Logix, Inc.（現在の AudioCodes）でテクニカルサポートエンジニアとして勤務した経験もあり、顧客向けに技術サポートを提供し、電話通話アプリケーションを開発していました。 もっと見る 表示を隠す

QCon London 2026: Booking.comのAI進化の裏側：磨かれていない物語

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト