Генеральный директор Vercel Гильермо Рауш о критически важном разделении между моделями и агентами

По мере того как индустрия ИИ переходит от экспериментального прототипирования к готовым к эксплуатации приложениям, инфраструктура, обеспечивающая работу этих инструментов, претерпевает масштабные изменения. Генеральный директор Vercel Гильермо Рауш утверждает, что будущее ИИ заключается в разделении базовых моделей и агентов, выполняющих задачи, что ведет к созданию модульной экосистемы.

Переход от прототипирования к промышленной эксплуатации

В прошлом году ландшафт ИИ определялся «выпуском агентов на волю» и тестированием границ возможного с помощью пилотных программ. Однако недавние данные Vercel указывают на значительное созревание подходов разработчиков к ИИ. В настоящее время компания управляет 6 миллионами развертываний ежедневно, причем более 50% из них инициированы агентами для написания кода. Кроме того, через AI gateway Vercel ежедневно проходит более 1 триллиона токенов.

По словам Рауша, индустрия миновала фазу «нет предела совершенству» и теперь сталкивается с реалиями промышленной эксплуатации: безопасностью, доступом к данным и возможностью аудита. Этот сдвиг выделил два основных «killer apps» для агентов: помощников по написанию кода и внутренних корпоративных агентов, предназначенных для автоматизации бизнес-процессов.

Решение дилеммы безопасности: песочницы и контроль данных

Одним из самых серьезных препятствий при развертывании автономных агентов является риск утечки данных. Рауш подчеркивает критическую проблему для таких предприятий, как Airbus: если разработчик использует интегрированную с ИИ IDE, такую как Cursor или Devin, без надлежащих мер защиты, проприетарный код может непреднамеренно быть использован для обучения публичных моделей.

Чтобы минимизировать эти риски, Vercel разрабатывает специализированную инфраструктуру. Их фреймворк Eve позволяет пользователям определять инструкции и навыки агента с помощью естественного языка, в то время как Vercel Sandbox предоставляет агенту «клетку». Эта песочница позволяет агенту проявлять интеллект, применяя при этом строгие политики в отношении того, к каким данным можно получить доступ и, что более важно, каким данным разрешено покидать среду.

Конец разрозненных хранилищ данных SaaS

Рост популярности агентов также создает фундаментальный конфликт с традиционными бизнес-моделями SaaS. Многие гиганты программного обеспечения строили свою ценность на «удержании» пользовательских данных внутри проприетарных экосистем. Рауш отмечает, что эта модель по своей сути несовместима с агентами, которым для эффективной работы требуется беспрепятственный доступ к данным через API.

Будь то торговый представитель, использующий агента для запроса сложных данных из Salesforce, или команда R&D, автоматизирующая рабочие процессы, — агентам требуется открытая архитектура. Этот сдвиг заставляет компании уделять приоритетное внимание доступности данных, что будет иметь долгосрочные последствия для того, как создается и продается корпоративное программное обеспечение.

Борьба за открытую ИИ-инфраструктуру

Поскольку крупнейшие ИИ-лаборатории, такие как OpenAI, расширяют свои возможности (например, выпуская инструменты, которые публикуют контент напрямую в веб), платформенные компании, такие как Vercel, сталкиваются с прямой конкуренцией. Рауш рассматривает это как битву за то, будут ли «модель» и «агент» связаны или разделены.

Vercel позиционирует себя как «AWS этого поколения», выступая за модульный подход, при котором разработчики могут менять компоненты, как детали LEGO. Вместо того чтобы быть привязанными к одному провайдеру, разработчики все чаще оптимизируют затраты и производительность, комбинируя модели от OpenAI, Anthropic, Google Gemini и open-source модели, такие как DeepSeek.

Основные выводы

• Промышленная эксплуатация важнее прототипирования: Индустрия ИИ переходит от экспериментальных пилотных проектов к масштабному производству, о чем свидетельствует показатель Vercel в 1 триллион токенов в день.
• Безопасность превыше всего: Такие инструменты, как Vercel Sandbox, необходимы для предотвращения утечки проприетарных данных в наборы данных для обучения моделей.
• Модульная архитектура: Будущее программного обеспечения в сфере ИИ зависит от разделения моделей и агентов, что позволит разработчикам оптимизировать стоимость и производительность, используя мультимодельный подход.