CEO Vercel Guillermo Rauch tentang Pemisahan Krusial antara Model dan Agen

Seiring industri AI bertransisi dari pembuatan prototipe eksperimental ke aplikasi yang siap produksi, infrastruktur yang mendukung alat-alat ini sedang mengalami pergeseran besar. CEO Vercel Guillermo Rauch berpendapat bahwa masa depan AI terletak pada pemisahan (decoupling) model dasar dari agen yang mengeksekusi tugas, bergerak menuju ekosistem modular.

Pergeseran dari Prototyping ke Produksi

Tahun lalu, lanskap AI ditentukan oleh "pelepasan agen" dan pengujian batas-batas kemungkinan melalui program percontohan. Namun, data terbaru Vercel menunjukkan kematangan yang signifikan dalam cara pengembang mendekati AI. Perusahaan saat ini mengelola 6 juta deployment setiap hari, dengan lebih dari 50% di antaranya dipicu oleh agen pengkodean (coding agents). Selain itu, lebih dari 1 triliun token mengalir melalui AI gateway Vercel setiap harinya.

Menurut Rauch, industri telah melewati fase "langit adalah batasnya" (sky's the limit) dan kini tengah bergulat dengan realitas produksi: keamanan, akses data, dan auditabilitas. Pergeseran ini telah menyoroti dua "killer apps" utama untuk agen: asisten pengkodean dan agen korporat internal yang dirancang untuk mengotomatisasi alur kerja bisnis.

Menyelesaikan Dilema Keamanan: Sandbox dan Kontrol Data

Salah satu hambatan paling signifikan dalam menerapkan agen otonom adalah risiko kebocoran data. Rauch menyoroti kekhawatiran kritis bagi perusahaan seperti Airbus: jika seorang pengembang menggunakan IDE yang terintegrasi dengan AI seperti Cursor atau Devin tanpa pengamanan yang tepat, kode milik perusahaan (proprietary code) dapat secara tidak sengaja digunakan untuk melatih model publik.

Untuk memitigasi risiko ini, Vercel sedang mengembangkan infrastruktur khusus. Framework Eve mereka memungkinkan pengguna untuk menentukan instruksi dan keahlian agen menggunakan bahasa alami, sementara Vercel Sandbox menyediakan "sangkar" (cage) bagi agen tersebut. Sandbox ini memungkinkan agen untuk menggunakan kecerdasannya sambil menerapkan kebijakan ketat tentang data apa yang dapat diakses dan, yang lebih penting, data apa yang diizinkan untuk keluar dari lingkungan tersebut.

Akhir dari Silo Data SaaS

Kebangkitan agen juga menciptakan konflik mendasar dengan model bisnis SaaS tradisional. Banyak raksasa perangkat lunak telah membangun nilai mereka dengan "mengurung" data pengguna di dalam ekosistem milik mereka sendiri. Rauch mencatat bahwa model ini secara inheren tidak kompatibel dengan agen, yang membutuhkan akses data yang mulus dan berbasis API agar dapat bekerja secara efektif.

Baik itu perwakilan penjualan yang menggunakan agen untuk menanyakan data Salesforce yang kompleks atau tim R&D yang mengotomatisasi alur kerja, agen menuntut arsitektur yang terbuka. Pergeseran ini memaksa perusahaan untuk memprioritaskan aksesibilitas data, yang akan memiliki implikasi jangka panjang pada bagaimana perangkat lunak perusahaan dibangun dan dijual.

Perjuangan untuk Infrastruktur AI yang Terbuka

Saat lab AI besar seperti OpenAI memperluas kemampuan mereka—seperti merilis alat yang dapat mempublikasikan konten langsung ke web—perusahaan platform seperti Vercel menghadapi persaingan langsung. Rauch memandang hal ini sebagai pertempuran tentang apakah "model" dan "agen" akan digabungkan atau dipisahkan.

Vercel memposisikan dirinya sebagai "AWS dari generasi ini," mengadvokasi pendekatan modular di mana pengembang dapat menukar komponen layaknya balok LEGO. Alih-alih terkunci pada satu penyedia saja, pengembang semakin mengoptimalkan harga dan performa dengan mencampur model dari OpenAI, Anthropic, Gemini milik Google, dan model sumber terbuka (open-source) seperti DeepSeek.

Poin-Poin Penting

  • Produksi di atas Prototyping: Industri AI sedang bergerak dari uji coba eksperimental ke produksi skala tinggi, terbukti dari 1 triliun token harian Vercel.
  • Keamanan adalah yang Utama: Alat seperti Vercel Sandbox sangat penting untuk mencegah data milik perusahaan bocor ke dalam set pelatihan model.
  • Arsitektur Modular: Masa depan perangkat lunak AI bergantung pada pemisahan model dari agen, yang memungkinkan pengembang untuk mengoptimalkan biaya dan performa menggunakan pendekatan multi-model.