A Vercel está fazendo uma defesa mais incisiva de como a IA corporativa deve ser construída: manter o modelo separado do agente e tratar a pilha ao redor como infraestrutura intercambiável, em vez de um pacote fechado de um único fornecedor. Em entrevista à TechCrunch AI após o evento ShipNYC da empresa, o CEO Guillermo Rauch disse que os clientes estão passando da experimentação inicial para os trade-offs de produção envolvendo custo, governança e confiabilidade.

Isso importa porque a Vercel já não fala apenas sobre deploy de frontend. Segundo os comentários de Rauch à TechCrunch AI, a empresa agora lida com 6 milhões de deploys por dia, metade acionada por agentes de código, e mais de 1 trilhão de tokens passando diariamente por sua gateway de IA. Se esses números se mantiverem, eles sugerem que a Vercel está se posicionando como uma camada de controle de como as aplicações de IA são construídas e entregues, especialmente para equipes que não querem se prender a um único provedor de modelos.

O argumento mais amplo de Rauch é tanto estratégico quanto técnico. À medida que os laboratórios de IA adicionam mais recursos de ponta a ponta, incluindo ferramentas que podem gerar e publicar software diretamente, fornecedores de infraestrutura como a Vercel correm o risco de serem espremidos para fora. A resposta de Rauch é defender um mercado modular no qual “modelo, harness, plataforma de dados, sandbox, gateway” continuem sendo componentes plug-and-play. Para builders e compradores corporativos, isso é, na prática, um debate sobre lock-in, economia e quem controla o comportamento do aplicativo em produção.

Do hype de protótipos às restrições de produção

Rauch disse à TechCrunch AI que o entusiasmo com IA em 2025 estava centrado em ampla experimentação, enquanto o momento atual é mais operacional. Na visão dele, as empresas primeiro liberaram agentes amplamente e depois esbarraram nas realidades do uso em produção: limites de segurança, acesso a dados, trilhas de auditoria e o custo prático de executar grandes volumes de inferência.

Ele identificou dois “killer apps” para agentes dentro da experiência da Vercel. O primeiro é o agente de código, que, segundo ele, já está impulsionando uma grande fatia do uso de tokens. Isso acompanha o foco mais amplo do mercado em ferramentas para desenvolvedores, no qual produtos como Devin e Cursor se tornaram sinônimos de fluxos de trabalho autônomos ou semiautônomos de geração de código. O segundo, argumentou ele, é o agente corporativo interno que ajuda a operar a própria empresa.

É nessa segunda categoria que a Vercel tenta se diferenciar. Rauch descreveu usuários internos, como equipes de vendas, consultando dados operacionais diretamente em vez de esperar por dashboards ou projetos de relatórios personalizados. O ponto não é tanto que agentes substituam sistemas SaaS como Salesforce, mas que eles atuem por cima deles, transformando dados corporativos armazenados em uma interface conversacional e em uma camada de ação.

Para equipes corporativas, essa promessa só é atraente se o acesso puder ser controlado. Os comentários de Rauch sugerem que a Vercel vê governança, e não apenas inteligência do modelo, como o fator decisivo para uma adoção mais ampla. Quanto mais um agente puder fazer entre departamentos, mais os compradores se preocupam com permissões, rastreabilidade e com impedir que dados sensíveis fluam para o pipeline de treinamento errado.

O argumento de produto da Vercel: plano de controle acima da lealdade ao modelo

Para sustentar essa posição, Rauch apontou duas ferramentas da Vercel discutidas com a TechCrunch AI: Eve e Vercel Sandbox. Ele descreveu Eve como uma estrutura para definir instruções e habilidades de agentes em linguagem natural, e a Vercel Sandbox como um ambiente restrito em que um agente pode operar sob controles de política para acesso e saída de dados.

Esses detalhes importam porque mostram onde a Vercel quer se posicionar na pilha. A empresa não se apresenta como desenvolvedora de modelo fundacional. Em vez disso, tenta controlar o runtime, a orquestração e as fronteiras de segurança ao redor dos modelos. É um playbook de infraestrutura familiar, mas aplicado a agentes de IA em vez de cargas de trabalho cloud convencionais.

Rauch também conectou o argumento do sandbox a um temor corporativo que se tornou central na aquisição de IA: exposição acidental de código proprietário ou dados internos. Ele usou ferramentas de código como Devin ou Cursor como exemplos de ambientes em que, com as configurações erradas, bases de código sensíveis poderiam ser usadas de formas não pretendidas pelo cliente. O cenário específico que descreveu foi anedótico e enquadrado por uma conversa com um executivo da Airbus, não como um incidente divulgado. Ainda assim, reflete uma preocupação comum de compra em IA corporativa: se recursos de conveniência escondem risco de governança de dados.

A mensagem da Vercel, então, é que a infraestrutura de agentes deve tornar a inteligência portátil enquanto mantém a política local. É assim que a empresa está tentando transformar IA de uma camada de recursos em um motivo para comprar mais infraestrutura.

Por que Rauch está destacando a escolha de modelos agora

Uma das partes mais notáveis da entrevista foi a descrição de Rauch sobre a mudança de comportamento dos clientes em relação aos provedores de modelos. Segundo ele, no ano passado muitas equipes escolheram um único laboratório, muitas vezes OpenAI ou Anthropic, e tentaram construir a maior parte de seu roadmap de IA em torno desse parceiro. Agora, disse ele, os clientes veem a pilha como modular e escolhem modelos com base nas necessidades da carga de trabalho.

Rauch afirmou especificamente que a Vercel está vendo crescimento no uso do Gemini, porque equipes que otimizam para produção estão olhando para preço e desempenho, não para manchetes. Ele também disse que modelos abertos estão ganhando tração, citando DeepSeek e GLM-5.2. Essas observações são importantes, mas devem ser lidas com cuidado: a TechCrunch AI as reportou como comentários executivos de Rauch, e não como dados de participação de mercado verificados independentemente.

Mesmo assim, a lógica bate com o que muitos times de produto estão enfrentando. Quando uma aplicação chega à escala de produção, a questão não é mais só capacidade. Passa a ser se um modelo mais barato ou mais rápido consegue dar conta de trabalho suficiente, se um modelo mais avançado deve ser reservado para casos de fallback e se o roteamento entre provedores pode reduzir custos sem quebrar a qualidade.

Esse é exatamente o tipo de arquitetura que beneficia a Vercel. Se clientes usam OpenAI, Anthropic, Gemini, DeepSeek e GLM-5.2 por meio de uma gateway e uma camada de políticas compartilhadas, a plataforma de infraestrutura se torna mais difícil de substituir. A gateway de IA da Vercel, como descrita por Rauch, faz parte dessa tese.

A competição com os laboratórios está se tornando explícita

Rauch não evitou a tensão óbvia: à medida que os grandes laboratórios adicionam recursos de aplicação e deploy, eles se aproximam do território de empresas de nuvem e plataformas para desenvolvedores. Ele mencionou ferramentas recentes da OpenAI que podem publicar diretamente na web sem sair do ambiente da OpenAI, enquadrando esse movimento tanto como competição direta quanto como canal de descoberta para a Vercel.

Sua resposta foi, essencialmente, que o mercado está decidindo se o modelo e o agente continuarão fortemente acoplados. Em uma versão do mercado, os clientes compram um sistema tudo-em-um em que um laboratório fornece o modelo, as ferramentas, a superfície de deploy e talvez até o aplicativo voltado ao usuário. Na outra versão, os clientes montam sistemas a partir de componentes e trocam provedores de inteligência conforme necessário.

A Vercel claramente quer o segundo desfecho. Rauch disse à TechCrunch AI que a empresa está “lutando por um mundo de protocolos abertos” e apresentou a Vercel como infraestrutura fundamental para esta geração de software de IA. Isso é uma afirmação estratégica, não um fato consolidado de mercado, mas explica por que a Vercel está enfatizando tanto a interoperabilidade.

Para compradores, isso vai além da retórica do fornecedor. Sistemas acoplados podem ser mais simples de adotar, mas mais difíceis de governar e mais caros de mudar depois. Sistemas modulares podem reduzir a dependência de um único fornecedor, mas podem exigir disciplina interna de engenharia mais forte. A divisão entre essas abordagens provavelmente definirá as decisões de compra em IA corporativa nos próximos 12 a 24 meses.

Evidências, alegações e o que ainda não foi verificado

Os fatos mais sólidos desta história vêm da entrevista da TechCrunch AI com Guillermo Rauch. Os números operacionais — 6 milhões de deploys por dia, metade acionada por agentes, e mais de 1 trilhão de tokens passando pela gateway de IA diariamente — foram atribuídos à Vercel por meio dos comentários de Rauch. São significativos, mas continuam sendo métricas reportadas pela empresa, não divulgações auditadas de forma independente.

A mesma cautela se aplica às declarações de Rauch sobre o aumento do uso de Gemini, DeepSeek e GLM-5.2, e sobre mudanças na forma como clientes avaliam OpenAI e Anthropic. Esses comentários são sinais de mercado úteis de um operador de plataforma com visibilidade sobre workloads, mas a TechCrunch não apresentou validação de terceiros no material fornecido aqui.

As descrições de produto de Eve e Vercel Sandbox também chegam por meio da forma como Rauch as enquadrou na entrevista. Elas indicam a direção da estratégia de plataforma da Vercel, especialmente em torno de política e controle de agentes, mas a fonte não inclui documentação técnica detalhada, preços ou estudos de caso de clientes. Isso deixa em aberto questões sobre maturidade, diferenciação e quão amplamente essas ferramentas são usadas fora da própria Vercel.

O que isso significa para builders e compradores corporativos

Para builders, a principal conclusão é arquitetural. Se a Vercel estiver certa de que o mercado está separando modelos de agentes, os times de produto devem pensar em seus sistemas de IA como serviços em camadas: seleção de modelos, roteamento, observabilidade, permissões e controles de execução. Isso favorece fornecedores que conseguem unificar deploy e governança sem forçar uma única escolha de modelo.

Para compradores de IA corporativa, a entrevista destaca dois critérios de compra que estão se tornando mais concretos. O primeiro é controle de dados: se dados internos podem ser consultados e acionados sem vazar para sistemas externos ou processos de treinamento opacos. O segundo é flexibilidade econômica: se aplicações podem migrar entre OpenAI, Anthropic, Gemini ou modelos abertos conforme preço e qualidade mudam.

Para o mercado, a postura da Vercel também mostra como “ferramentas para desenvolvedores” estão rapidamente se tornando infraestrutura de fluxo de trabalho corporativo. A mesma pilha usada para fazer deploy de apps agora é apresentada como o lugar para rodar agentes de código, governar agentes internos e mediar acesso a sistemas como Salesforce. Se isso se mantiver, o conjunto competitivo em torno da Vercel vai se expandir muito além de hospedagem e plataformas frontend.

O que observar a seguir

O próximo sinal útil será se a Vercel publicar evidências mais concretas para sustentar as alegações de Rauch, especialmente sobre a gateway de IA e a adoção de Eve e Vercel Sandbox. Referências de clientes importariam mais do que números brutos de tokens.

Também valerá acompanhar se a Vercel aprofunda integrações com provedores de modelos como OpenAI, Anthropic e Gemini, ao mesmo tempo em que mantém suporte para modelos abertos como DeepSeek e GLM-5.2. Se a empresa conseguir tornar a troca ou o roteamento entre eles operacionalmente simples, seu argumento de modularidade fica mais forte.

Outro sinal é a resposta competitiva. Se os laboratórios continuarem expandindo fluxos de trabalho de ponta a ponta para deploy, codificação e hospedagem, a linha entre provedor de modelo e plataforma de infraestrutura vai ficar ainda mais borrada. Se as empresas vão aceitar esses ambientes empacotados ou insistir em camadas de controle mais abertas determinará quem captura mais valor.

Perspectiva da Creati.ai

A entrevista de Rauch é notável porque enquadra a próxima batalha das plataformas de IA menos em supremacia de modelo e mais em design de sistema. A Vercel está apostando que as empresas não vão querer que um único fornecedor controle inteligência, execução, deploy e fronteiras de dados ao mesmo tempo. É uma tese plausível, especialmente para equipes reguladas e grandes organizações de engenharia que esperam troca de modelos e querem alavancagem sobre custos.

Mas a empresa ainda precisa provar que sua camada de controle não é apenas conceitualmente atraente, mas operacionalmente indispensável. Os números de escala reportados chamam atenção, mas uso informado pelo fornecedor não se traduz automaticamente em poder duradouro de plataforma. O teste real é se a Vercel pode se tornar o lugar padrão onde agentes de IA são governados, e não apenas implantados, à medida que os clientes misturam OpenAI, Anthropic, Gemini, DeepSeek e GLM-5.2 em produção.