Vercel está defendiendo con más claridad cómo debería construirse la IA empresarial: mantener el modelo separado del agente y tratar la pila que lo rodea como infraestructura intercambiable, en lugar de un único paquete cerrado de un proveedor. En una entrevista con TechCrunch AI después del evento ShipNYC de la compañía, el director ejecutivo Guillermo Rauch dijo que los clientes están dejando atrás la experimentación temprana y entrando en decisiones de producción en torno al coste, la gobernanza y la fiabilidad.

Eso importa porque Vercel ya no habla solo de despliegue frontend. Según los comentarios de Rauch a TechCrunch AI, la empresa gestiona ahora 6 millones de despliegues al día, con la mitad activados por agentes de programación, y más de 1 billón de tokens pasan diariamente por su puerta de enlace de IA. Si esas cifras se mantienen, sugieren que Vercel se está posicionando como una capa de control sobre cómo se construyen y lanzan las aplicaciones de IA, especialmente para equipos que no quieren quedar atados a un único proveedor de modelos.

El argumento más amplio de Rauch es tanto estratégico como técnico. A medida que los laboratorios de IA añaden más funciones de extremo a extremo, incluidas herramientas que pueden generar y publicar software directamente, proveedores de infraestructura como Vercel se enfrentan al riesgo de quedar relegados. La respuesta de Rauch es defender un mercado modular en el que el «modelo, harness, plataforma de datos, sandbox, gateway» sigan siendo componentes plug-and-play. Para los constructores y compradores empresariales, en realidad se trata de un debate sobre dependencia del proveedor, economía y quién controla el comportamiento de las aplicaciones en producción.

Del entusiasmo por los prototipos a las restricciones de producción

Rauch dijo a TechCrunch AI que el entusiasmo por la IA en 2025 se centraba en la experimentación amplia, mientras que el momento actual es más operativo. Según su relato, las empresas primero desplegaron agentes de forma generalizada y luego chocaron con las realidades del uso en producción: límites de seguridad, acceso a datos, trazas de auditoría y el coste práctico de ejecutar grandes volúmenes de inferencia.

Identificó dos «killer apps» para los agentes dentro de la experiencia de Vercel. La primera es el agente de programación, que según él ya impulsa una gran parte del uso de tokens. Eso encaja con el foco más amplio del mercado en herramientas para desarrolladores, donde productos como Devin y Cursor se han convertido en sinónimo de flujos de trabajo autónomos o semiautónomos de generación de código. La segunda, argumentó, es el agente interno de la empresa que ayuda a gestionar la propia compañía.

Es en esa segunda categoría donde Vercel intenta diferenciarse. Rauch describió a usuarios internos, como el personal de ventas, consultando datos operativos directamente en lugar de esperar paneles o proyectos de informes personalizados. La idea no es tanto que los agentes reemplacen sistemas SaaS como Salesforce, sino que se sitúen por encima de ellos, convirtiendo los datos almacenados de la empresa en una interfaz conversacional y una capa de acción.

Para los equipos empresariales, esa promesa solo resulta atractiva si el acceso puede controlarse. Los comentarios de Rauch sugieren que Vercel ve la gobernanza, no solo la inteligencia del modelo, como el factor decisivo para una adopción más amplia. Cuanto más pueda hacer un agente entre departamentos, más se preocuparán los compradores por los permisos, la trazabilidad y por evitar que datos sensibles fluyan hacia el canal de entrenamiento equivocado.

El argumento de producto de Vercel: plano de control por encima de la lealtad al modelo

Para respaldar esa postura, Rauch señaló dos herramientas de Vercel comentadas con TechCrunch AI: Eve y Vercel Sandbox. Describió Eve como un marco para definir instrucciones y habilidades de agentes en lenguaje natural, y Vercel Sandbox como un entorno restringido en el que un agente puede operar bajo controles de política para el acceso y la salida de datos.

Estos detalles importan porque muestran dónde quiere situarse Vercel en la pila. La empresa no se presenta como desarrolladora de un modelo fundacional. En su lugar, intenta adueñarse del tiempo de ejecución, la orquestación y los límites de seguridad alrededor de los modelos. Es una estrategia de infraestructura familiar, pero aplicada a agentes de IA en lugar de a cargas de trabajo cloud convencionales.

Rauch también vinculó el argumento del sandbox con un temor empresarial que se ha vuelto central en la adquisición de IA: la exposición accidental de código propietario o datos internos. Utilizó herramientas de programación como Devin o Cursor como ejemplos de entornos en los que, con la configuración incorrecta, bases de código sensibles podrían usarse de formas no deseadas por el cliente. El escenario concreto que describió fue anecdótico y se enmarcó en una conversación con un ejecutivo de Airbus, no como un incidente revelado. Aun así, refleja una preocupación habitual de compra en la IA empresarial: si las funciones de comodidad ocultan riesgos de gobernanza de datos.

Así, el mensaje de Vercel es que la infraestructura de agentes debería hacer portátil la inteligencia mientras mantiene local la política. Así es como la compañía intenta convertir la IA de una capa de funcionalidad en un motivo para comprar más infraestructura.

Por qué Rauch está destacando ahora la elección de modelos

Una de las partes más destacadas de la entrevista fue la descripción de Rauch sobre el cambio de comportamiento de los clientes hacia los proveedores de modelos. Según él, el año pasado muchos equipos eligieron un único laboratorio, a menudo OpenAI o Anthropic, e intentaron construir la mayor parte de su hoja de ruta de IA en torno a ese socio. Ahora, dijo, los clientes ven cada vez más la pila como modular y eligen modelos en función de las necesidades de carga de trabajo.

Rauch dijo específicamente que Vercel está viendo crecimiento en el uso de Gemini porque los equipos que optimizan para producción están mirando el precio y el rendimiento, no los titulares. También afirmó que los modelos abiertos están ganando tracción, nombrando DeepSeek y GLM-5.2. Estos comentarios son importantes, pero deben leerse con cuidado: TechCrunch AI los publicó como declaraciones ejecutivas de Rauch, no como datos de cuota de mercado verificados de forma independiente.

Aun así, la lógica coincide con lo que muchos equipos de producto están afrontando. Una vez que una aplicación alcanza escala de producción, la cuestión ya no es solo la capacidad. Se trata de si un modelo más barato o más rápido puede encargarse de suficiente trabajo, si un modelo de gama alta debería reservarse para casos de respaldo y si el enrutamiento entre proveedores puede reducir costes sin romper la calidad.

Ese es exactamente el tipo de arquitectura que beneficia a Vercel. Si los clientes usan OpenAI, Anthropic, Gemini, DeepSeek y GLM-5.2 a través de una pasarela y una capa de políticas compartidas, la plataforma de infraestructura se vuelve más difícil de desplazar. La puerta de enlace de IA de Vercel, tal como la describió Rauch, forma parte de esa tesis.

La competencia con los laboratorios se está volviendo explícita

Rauch no evitó la tensión evidente: a medida que los grandes laboratorios añaden funciones de aplicación y despliegue, se acercan al terreno de las empresas de nube y plataformas para desarrolladores. Citó herramientas recientes de OpenAI que pueden publicar directamente en la web sin salir del entorno de OpenAI, enmarcando ese movimiento tanto como competencia directa como canal de descubrimiento para Vercel.

Su respuesta fue, esencialmente, que el mercado está decidiendo si el modelo y el agente seguirán estando estrechamente acoplados. En una versión del mercado, los clientes compran un sistema todo en uno en el que un laboratorio proporciona el modelo, las herramientas, la superficie de despliegue e incluso quizá la aplicación orientada al usuario. En la otra versión, los clientes ensamblan sistemas a partir de componentes y cambian de proveedor de inteligencia según lo necesiten.

Vercel claramente quiere el segundo resultado. Rauch dijo a TechCrunch AI que la empresa está «luchando por un mundo de protocolos abiertos» y presentó a Vercel como infraestructura fundamental para esta generación de software de IA. Es una afirmación estratégica, no un hecho consolidado del mercado, pero explica por qué Vercel está haciendo tanto hincapié en la interoperabilidad.

Para los compradores, esto es más que retórica de proveedor. Los sistemas acoplados pueden ser más simples de adoptar, pero más difíciles de gobernar y más costosos de cambiar después. Los sistemas modulares pueden reducir la dependencia de un único proveedor, pero pueden requerir una disciplina de ingeniería interna más fuerte. La división entre esos enfoques probablemente definirá las decisiones de compra en la IA empresarial durante los próximos 12 a 24 meses.

Evidencias, afirmaciones y lo que sigue sin verificarse

Los hechos más sólidos de esta historia provienen de la entrevista de TechCrunch AI con Guillermo Rauch. Las cifras operativas —6 millones de despliegues al día, la mitad activados por agentes, y más de 1 billón de tokens fluyendo a través de la puerta de enlace de IA cada día— fueron atribuidas a Vercel a través de los comentarios de Rauch. Son significativas, pero siguen siendo métricas informadas por la empresa y no divulgaciones auditadas de forma independiente.

La misma cautela aplica a las declaraciones de Rauch sobre el aumento del uso de Gemini, DeepSeek y GLM-5.2, y sobre los cambios en cómo los clientes evalúan a OpenAI y Anthropic. Estos comentarios son señales de mercado útiles de un operador de plataforma con visibilidad sobre las cargas de trabajo, pero TechCrunch no presentó validación de terceros en el material proporcionado aquí.

Las descripciones de producto de Eve y Vercel Sandbox también llegan a través del encuadre de Rauch en la entrevista. Indican la dirección de la estrategia de plataforma de Vercel, especialmente en torno a la política y el control de agentes, pero la evidencia de la fuente no incluye documentación técnica detallada, precios ni casos de despliegue de clientes. Eso deja abiertas preguntas sobre madurez, diferenciación y hasta qué punto estas herramientas se usan fuera de la propia Vercel.

Qué significa esto para constructores y compradores empresariales

Para los constructores, la conclusión inmediata es arquitectónica. Si Vercel tiene razón al decir que el mercado está separando los modelos de los agentes, los equipos de producto deberían pensar en sus sistemas de IA como servicios en capas: selección de modelos, enrutamiento, observabilidad, permisos y controles de ejecución. Eso favorece a los proveedores que pueden unificar el despliegue y la gobernanza sin forzar una única elección de modelo.

Para los compradores de IA empresarial, la entrevista subraya dos criterios de compra que se están volviendo más concretos. El primero es el control de datos: si los datos internos pueden consultarse y utilizarse sin filtrarse en sistemas externos o procesos de entrenamiento opacos. El segundo es la flexibilidad económica: si las aplicaciones pueden moverse entre OpenAI, Anthropic, Gemini o modelos abiertos a medida que cambian el precio y la calidad.

Para el mercado, la postura de Vercel también muestra lo rápido que las «herramientas para desarrolladores» se están convirtiendo en infraestructura de flujos de trabajo empresariales. La misma pila utilizada para desplegar aplicaciones ahora se promociona como el lugar donde ejecutar agentes de programación, gobernar agentes internos y mediar el acceso a sistemas como Salesforce. Si eso se confirma, el conjunto competitivo en torno a Vercel se expandirá mucho más allá del hosting y las plataformas frontend.

Qué observar a continuación

La siguiente señal útil será si Vercel publica pruebas más concretas que respalden las afirmaciones de Rauch sobre el uso, especialmente en torno a la puerta de enlace de IA y la adopción de Eve y Vercel Sandbox. Las referencias de clientes importarían más que los recuentos brutos de tokens.

También merecerá la pena observar si Vercel profundiza las integraciones entre proveedores de modelos como OpenAI, Anthropic y Gemini, al tiempo que mantiene el soporte para modelos abiertos como DeepSeek y GLM-5.2. Si la empresa puede hacer que cambiar o enrutar entre ellos sea operativamente sencillo, su argumento de modularidad se fortalece.

Otra señal es la respuesta competitiva. Si los laboratorios siguen ampliando flujos de trabajo de extremo a extremo para despliegue, programación y alojamiento, la línea entre proveedor de modelos y plataforma de infraestructura se difuminará aún más. Si las empresas aceptan esos entornos empaquetados o insisten en capas de control más abiertas determinará quién captura más valor.

Perspectiva de Creati.ai

La entrevista de Rauch es notable porque enmarca la próxima batalla de las plataformas de IA menos en la supremacía del modelo y más en el diseño del sistema. Vercel apuesta a que las empresas no querrán que un solo proveedor controle a la vez la inteligencia, la ejecución, el despliegue y los límites de datos. Es una tesis creíble, especialmente para equipos regulados y grandes organizaciones de ingeniería que esperan cambios de modelo y quieren apalancamiento sobre el coste.

Pero la empresa aún tiene que demostrar que su capa de control no solo es conceptualmente atractiva, sino operativamente indispensable. Las cifras de escala informadas llaman la atención, pero el uso reportado por el proveedor no se traduce automáticamente en un poder de plataforma duradero. La verdadera prueba es si Vercel puede convertirse en el lugar predeterminado donde se gobiernan, y no solo se despliegan, los agentes de IA, mientras los clientes mezclan OpenAI, Anthropic, Gemini, DeepSeek y GLM-5.2 en producción.