La promesa de los agentes autónomos choca con la realidad de la operación en producción. Para Guillermo Rauch, CEO de Vercel, la pregunta central que define esta etapa no es qué modelo de lenguaje usar, sino si los modelos y los agentes deben estar acoplados o separados. Y su respuesta es contundente: el futuro no es un bloque monolítico, sino un ecosistema de componentes intercambiables.
En una entrevista reciente con TechCrunch, Rauch describió cómo Vercel procesa más de 1 billón de tokens diarios a través de su puerta de enlace de IA y registra seis millones de despliegues al día, de los cuales la mitad son iniciados por agentes de codificación. La magnitud operativa del dato revela una tendencia que trasciende a una sola empresa: los agentes ya no son experimentos de laboratorio. Son infraestructura en producción, y eso cambia las reglas del juego.
El cambio de fase: de prototipos a producción
Rauch distingue dos momentos. El año pasado, dice, fue el de la experimentación sin límites: “el cielo es el techo, liberen a los agentes, todos pueden construir”. Vercel mismo desarrolló y desplegó cientos de agentes internos. Pero al llevarlos a producción, surgieron los problemas reales: cómo auditar lo que hace un agente, cómo controlar a qué datos accede y cómo dejar un rastro de cada llamada a una herramienta. Son preguntas de gobernanza, no de algoritmo.
La respuesta de la compañía se materializó en dos herramientas. La primera es Eve, un marco que permite definir instrucciones y habilidades de agentes en lenguaje natural. La segunda, Vercel Sandbox, es un entorno aislado —una “jaula”, en palabras de Rauch— donde el agente conserva su capacidad de razonar pero con políticas estrictas sobre qué datos puede leer y cuáles puede enviar fuera del recinto. El control de datos es, para él, la ventaja principal.
El riesgo que describe es concreto: “cuando tienes un IDE de codificación como Devin o Cursor, si no está bien configurado, puede entrenar con todo tu código fuente”. Rauch recuerda una conversación con el presidente de Airbus sobre décadas de código C++ especializado en ingeniería aeroespacial. “Alguien instala la herramienta equivocada y boom, todo el código sale a la nube para entrenamiento”.
La trampa de los datos y el segundo caso de uso
Rauch identifica dos aplicaciones asesinas de los agentes. Una es el agente de codificación, que ya impulsa buena parte del consumo global de tokens. La otra, menos visible pero igual de transformadora, es el agente interno que ayuda a operar la empresa.
En Vercel, un vendedor de cuenta creciente quería saber qué cinco clientes habían sumado más asientos en las últimas dos semanas para priorizar su trabajo. Antes, esa pregunta requería esperar un proyecto de tres meses para un nuevo panel de ventas. Hoy, con Eve, la respuesta llega en segundos. “Los agentes están forzando a las compañías a abrirse”, dice Rauch, y añade una crítica incisiva: “Muchos gigantes SaaS construyeron sus reinos atrapando tus datos. Eso es incompatible con los agentes”.
La implicación estratégica es directa: los sistemas que no puedan exponer sus datos de forma segura y auditable quedarán fuera del circuito de los agentes. Para empresas latinoamericanas que dependen de ERPs y CRMs propietarios, la pregunta no es si adoptarán agentes, sino si sus plataformas actuales se lo permitirán sin tener que reemplazar toda la pila tecnológica.
Modelos desacoplados y la competencia con los grandes laboratorios
Rauch observa un cambio en la relación de los clientes con los grandes laboratorios. “El año pasado, mucha gente elegía un solo socio y construía todo sobre OpenAI o Anthropic. Ahora entienden que modelo, plataforma de datos, sandbox y puerta de enlace son piezas enchufables”.
El costo es el catalizador. “Cuando optimizas para producción, miras la relación precio/rendimiento”, afirma. Gemini de Google está creciendo precisamente por eso, al igual que modelos abiertos como DeepSeek y GLM-5.2. La fragmentación no es un accidente: es una respuesta al costo real de operar modelos a escala.
El punto más fino del análisis de Rauch es la competencia directa con los propios laboratorios. OpenAI lanzó herramientas que publican sitios web sin salir de su entorno. Rauch lo ve como una oportunidad: si la gente usa ChatGPT para crear sitios y luego pregunta por hosting, Vercel aparece como recomendación. Pero reconoce que “a medida que los modelos suman capacidades, compiten directamente con las plataformas de infraestructura”.
La disyuntiva de fondo, dice, es si el modelo y el agente van a estar acoplados. “¿Obtienes toda tu inteligencia de un solo lugar o tomas un módulo de un proveedor y construyes encima? Eso es más parecido a como siempre ha sido la ingeniería de software”. Y ahí está la apuesta de Vercel: ser la AWS de esta generación, peleando por un mundo de protocolos abiertos.
Lo que significa para América Latina
La separación de modelos y agentes no es una abstracción teórica para equipos de tecnología en la región. Es una decisión de arquitectura con impacto directo en costos, seguridad y dependencia tecnológica. Empresas que hoy evalúan soluciones de IA deben preguntarse si su proveedor de modelo les permite elegir libremente o si los ata a un ecosistema cerrado.
Adoptar un enfoque de componentes intercambiables implica, además, capacitar equipos en habilidades de integración y auditoría. No basta con conectar un LLM: hay que diseñar políticas de acceso, mecanismos de sandbox y trazabilidad de decisiones del agente. Para startups y empresas consolidadas, la ventana de oportunidad está en construir esa capa de gobernanza antes de que los costos se disparen y los datos queden expuestos.
