Генеральний директор Vercel Гільєрмо Раух про вирішальний поділ між моделями та агентами
Оскільки індустрія ШІ переходить від експериментального прототипування до готових до експлуатації застосунків, інфраструктура, що забезпечує роботу цих інструментів, зазнає масштабних змін. Генеральний директор Vercel Гільєрмо Раух стверджує, що майбутнє ШІ полягає у роз'єднанні базових моделей та агентів, які виконують завдання, що веде до створення модульної екосистеми.
Перехід від прототипування до виробництва
Минулого року ландшафт ШІ визначався «випуском агентів на волю» та тестуванням меж можливого через пілотні програми. Однак нещодавні дані Vercel вказують на значне дорослішання підходу розробників до ШІ. Зараз компанія керує 6 мільйонами розгортань щодня, причому понад 50% із них ініційовані агентами для написання коду. Крім того, через Vercel AI gateway щодня проходить понад 1 трильйон токенів.
За словами Рауха, індустрія пройшла фазу «необмежених можливостей» і тепер стикається з реаліями виробництва: безпекою, доступом до даних та можливістю аудиту. Цей перехід виділив два основні «killer apps» для агентів: помічників із написання коду та внутрішніх корпоративних агентів, призначених для автоматизації бізнес-процесів.
Вирішення дилеми безпеки: пісочниці та контроль даних
Одним із найзначніших перешкод у розгортанні автономних агентів є ризик витоку даних. Раух наголошує на критичній проблемі для таких підприємств, як Airbus: якщо розробник використовує інтегровану з ШІ IDE, таку як Cursor або Devin, без належних заходів безпеки, пропрієтарний код може ненавмисно бути використаний для навчання публічних моделей.
Щоб пом'якшити ці ризики, Vercel розробляє спеціалізовану інфраструктуру. Їхній фреймворк Eve дозволяє користувачам визначати інструкції та навички агента за допомогою природної мови, тоді як Vercel Sandbox забезпечує «клітку» для агента. Ця пісочниця дозволяє агенту проявляти інтелект, одночасно застосовуючи суворі політики щодо того, до яких даних можна мати доступ і, що важливіше, які дані дозволено виводити за межі середовища.
Кінець ізольованих сховищ даних SaaS
Розвиток агентів також створює фундаментальний конфлікт із традиційними бізнес-моделями SaaS. Багато програмних гігантів побудували свою цінність на «ув'язненні» даних користувачів у межах власних екосистем. Раух зазначає, що ця модель за своєю суттю несумісна з агентами, яким для ефективної роботи потрібен безперешкодний доступ до даних через API.
Незалежно від того, чи це торговий представник, який використовує агента для запитів до складних даних Salesforce, чи команда R&D, що автоматизує робочі процеси, агенти вимагають відкритої архітектури. Цей зсув змушує компанії надавати пріоритет доступності даних, що матиме довгострокові наслідки для того, як створюється та продається корпоративне програмне забезпечення.
Битва за відкриту інфраструктуру ШІ
Оскільки великі ШІ-лабораторії, такі як OpenAI, розширюють свої можливості — наприклад, випускаючи інструменти, які публікують контент безпосередньо в веб — компанії-платформи, такі як Vercel, стикаються з прямою конкуренцією. Раух розглядає це як битву за те, чи будуть «модель» і «агент» поєднані, чи розділені.
Vercel позиціонує себе як «AWS цього покоління», виступаючи за модульний підхід, де розробники можуть замінювати компоненти, наче деталі LEGO. Замість того, щоб бути прив'язаними до одного постачальника, розробники все частіше оптимізують витрати та продуктивність, комбінуючи моделі від OpenAI, Anthropic, Google Gemini та моделі з відкритим кодом, такі як DeepSeek.
Основні висновки
- Виробництво замість прототипування: Індустрія ШІ переходить від експериментальних пілотних проєктів до масштабного виробництва, про що свідчать 1 трильйон щоденних токенів у Vercel.
- Безпека понад усе: Такі інструменти, як Vercel Sandbox, є необхідними для запобігання витоку пропрієтарних даних у набори даних для навчання моделей.
- Модульна архітектура: Майбутнє програмного забезпечення для ШІ залежить від роз'єднання моделей та агентів, що дозволяє розробникам оптимізувати витрати та продуктивність, використовуючи мультимодельний підхід.