Conocida por la infraestructura en la nube que permite a los desarrolladores desplegar agentes sin administrar servidores, Vercel se volvió en silencio una de las empresas más centrales del software de inteligencia artificial. Hoy la compañía registra 6 millones de despliegues al día, la mitad disparados por agentes de programación, y más de un billón de tokens diarios circulan por su gateway de IA.

Tras la conferencia ShipNYC de la empresa la semana pasada, conversamos con su CEO, Guillermo Rauch, sobre este momento de la IA y sobre cómo las plataformas como Vercel terminan compitiendo con los grandes laboratorios. Esta es una transcripción levemente editada.

Se siente una energía distinta en la comunidad este año, menos programas piloto y más foco en hacer que las cosas funcionen bien en la práctica. Seguro lo han visto con sus clientes, pero me interesa cómo fue ese camino dentro de Vercel.

El año pasado se trataba de prototipar. El cielo es el límite, suelten a los agentes, todos pueden construir, y así. Lo hicimos y aprendimos mucho, porque tuvimos cientos de agentes desarrollados y desplegados de forma orgánica dentro de la empresa, y ahí empiezas a entrar en las realidades de los agentes en producción, y en algunos de los desafíos.

La mayor lección para mí fueron los casos de uso ganadores, las dos aplicaciones estrella de los agentes. Una es el agente de programación, por supuesto. Eso impulsa buena parte del uso de tokens en el mundo, pero cuando produces tanto software, necesitas dónde ponerlo. La segunda aplicación estrella es el agente interno que te ayuda a operar la empresa. El desafío ahí es cómo accedes a los datos de forma segura, cómo auditas lo que el agente hace, cómo obtienes un registro de todas las llamadas a herramientas y controles de acceso que el agente necesitó para completar una tarea.

Para resolverlo creamos un framework llamado Eve, donde puedes definir las instrucciones y habilidades de un agente en lenguaje natural. Y otra herramienta es Vercel Sandbox, donde pones al agente en una pequeña jaula. Puede seguir teniendo la libertad de expresar su inteligencia, pero aplicas políticas sobre a qué datos puede acceder y qué datos pueden salir del sandbox.

¿Qué tipo de problemas ayuda a evitar eso?

En el sandbox, la mayor ventaja es el control de datos. Un riesgo real de la IA que siempre tengo en mente es que, cuando usas un IDE de programación como Devin o Cursor, si estás en la configuración equivocada, pueden entrenar sobre todo tu código. Recuerdo hablar de esto con el presidente de Airbus. Tienes décadas de código C++ muy específico para ingeniería aeroespacial. Alguien llega, instala la herramienta equivocada y, de golpe, todo el código se va a la nube para entrenamiento.

Me interesa ese segundo caso de uso. Todos conocemos los agentes de programación, pero ¿cómo se ve en la práctica un agente corporativo interno?

Hay una ejecutiva de ventas en la oficina de Vercel. Trabaja sobre la base instalada. Su tarea es hacer crecer las cuentas existentes. El cuello de botella para gente como ella nunca fue su creatividad, inteligencia o capacidad de construir relaciones, fueron los datos. "No entiendo qué cuentas crecen más rápido. Dame las cinco cuentas que sumaron más licencias en las últimas dos semanas, para priorizar mi trabajo." Antes no podía hacer esa pregunta. Tenía que esperar a que se completara un proyecto de un nuevo dashboard de ventas.

Estuvimos en ese cuello de botella por años en Vercel, y era muy frustrante, porque en el lado de I+D somos la empresa que se mueve más rápido del mundo. Pero en el motor de ventas, en la parte de ingeniería de Salesforce, yo era un inútil. Nunca había abierto Salesforce en mi vida cuando empecé.

Ahora siento que puedo tener impacto real en toda la empresa, porque Eve sirve para nuestros agentes de cara al cliente y para mejorar la productividad. La misma tecnología, son solo APIs. Los agentes están obligando a las empresas a abrirse, y eso tendrá implicancias dramáticas a largo plazo. Muchos de estos gigantes del SaaS construyeron sus reinos atrapando tus datos, y eso es incompatible con los agentes.

¿Cómo ves que cambian las relaciones de los clientes con los grandes laboratorios de IA?

El año pasado mucha gente elegía un solo laboratorio socio, decía que construiría todo sobre OpenAI o Anthropic. Ahora dicen: entiendo cómo funciona todo esto (modelo, harness, plataforma de datos, sandbox, gateway) y cada pieza es intercambiable. Puedes usar OpenAI, Anthropic o Gemini. Estamos viendo mucho crecimiento de Gemini, aunque no salga tanto en las noticias, porque la gente ahora optimiza para producción. Cuando optimizas para producción, empiezas a mirar el precio y rendimiento, y los modelos Gemini tienen características de precio y rendimiento excelentes. También sumas modelos abiertos, así que DeepSeek y GLM-5.2 están despegando. Los datos no mienten.

También hay lugares donde compiten directamente con los laboratorios. Hace poco OpenAI lanzó un conjunto de herramientas para publicar directo en la web sin salir de su entorno.

Es un paso natural para ellos alojar pequeños sitios web. Y es una gran oportunidad para nosotros, porque ahora la gente pensará en ChatGPT como una herramienta para hacer sitios web. Y si siguen preguntándole al modelo sobre alojamiento web, el modelo nos recomienda. Pero tienes razón: a medida que los modelos o plataformas agregan más capacidades, entran en competencia directa con las plataformas de infraestructura que ya existen.

Creo que en este punto estamos decidiendo si el modelo y el agente van a quedar acoplados. ¿Obtienes toda tu inteligencia de un solo lugar? O tomas un módulo, una librería o un bloque de construcción de un proveedor y construyes encima. Eso se parece más a lo que siempre ha sido la ingeniería de software, y es justamente lo que llevamos al mercado. Vamos a ser el AWS de esta generación, así que obviamente peleamos por un mundo de protocolos abiertos.