O CEO da Vercel, Guillermo Rauch, sobre a Divisão Crucial entre Modelos e Agentes
À medida que a indústria de IA transita de prototipagem experimental para aplicações prontas para produção, a infraestrutura que alimenta essas ferramentas está passando por uma mudança massiva. O CEO da Vercel, Guillermo Rauch, argumenta que o futuro da IA reside no desacoplamento dos modelos subjacentes dos agentes que executam tarefas, movendo-se em direção a um ecossistema modular.
A Transição da Prototipagem para a Produção
No ano passado, o cenário da IA era definido por "liberar agentes" e testar os limites do que era possível por meio de programas piloto. No entanto, dados recentes da Vercel indicam uma maturação significativa na forma como os desenvolvedores abordam a IA. A empresa gerencia atualmente 6 milhões de implantações diariamente, com mais de 50% delas acionadas por agentes de codificação. Além disso, mais de 1 trilhão de tokens fluem pelo gateway de IA da Vercel todos os dias.
Segundo Rauch, a indústria superou a fase do "o céu é o limite" e agora está lidando com as realidades da produção: segurança, acesso a dados e auditabilidade. Essa mudança destacou dois principais "killer apps" para agentes: assistentes de codificação e agentes corporativos internos projetados para automatizar fluxos de trabalho de negócios.
Resolvendo o Dilema da Segurança: Sandboxes e Controle de Dados
Um dos obstáculos mais significativos na implantação de agentes autônomos é o risco de vazamento de dados. Rauch destaca uma preocupação crítica para empresas como a Airbus: se um desenvolvedor usar uma IDE integrada com IA, como Cursor ou Devin, sem as devidas salvaguardas, o código proprietário poderá ser usado inadvertidamente para treinar modelos públicos.
Para mitigar esses riscos, a Vercel está desenvolvendo infraestrutura especializada. Seu framework Eve permite que os usuários definam as instruções e habilidades de um agente usando linguagem natural, enquanto o Vercel Sandbox fornece uma "gaiola" para o agente. Este sandbox permite que o agente exerça inteligência enquanto aplica políticas rigorosas sobre quais dados podem ser acessados e, mais importante, quais dados têm permissão para sair do ambiente.
O Fim dos Silos de Dados de SaaS
A ascensão dos agentes também está criando um conflito fundamental com os modelos de negócios SaaS tradicionais. Muitos gigantes do software construíram seu valor "aprisionando" os dados dos usuários dentro de ecossistemas proprietários. Rauch observa que esse modelo é inerentemente incompatível com agentes, que exigem um acesso fluido e orientado por APIs aos dados para serem eficazes.
Seja um representante de vendas usando um agente para consultar dados complexos do Salesforce ou uma equipe de P&D automatizando fluxos de trabalho, os agentes exigem uma arquitetura aberta. Essa mudança está forçando as empresas a priorizar a acessibilidade dos dados, o que terá implicações de longo prazo sobre como o software empresarial é construído e vendido.
A Luta por uma Infraestrutura de IA Aberta
À medida que os principais laboratórios de IA, como a OpenAI, expandem suas capacidades — como o lançamento de ferramentas que publicam diretamente na web — empresas de plataforma como a Vercel enfrentam competição direta. Rauch vê isso como uma batalha sobre se o "modelo" e o "agente" serão acoplados ou desacoplados.
A Vercel está se posicionando como o "AWS desta geração", defendendo uma abordagem modular onde os desenvolvedores podem trocar componentes como peças de LEGO. Em vez de ficarem presos a um único provedor, os desenvolvedores estão otimizando cada vez mais o preço e o desempenho ao misturar modelos da OpenAI, Anthropic, Gemini do Google e modelos de código aberto como o DeepSeek.
Principais Conclusões
- Produção em vez de Prototipagem: A indústria de IA está passando de pilotos experimentais para produção em larga escala, como evidenciado pelos 1 trilhão de tokens diários da Vercel.
- Segurança é Primordial: Ferramentas como o Vercel Sandbox são essenciais para evitar que dados proprietários vazem para conjuntos de treinamento de modelos.
- Arquitetura Modular: O futuro do software de IA depende do desacoplamento de modelos e agentes, permitindo que os desenvolvedores otimizem custo e desempenho usando uma abordagem de múltiplos modelos.