Introdução
A arquitetura de soluções de inteligência artificial está passando por uma transformação fundamental. Em entrevista exclusiva ao TechCrunch, Guillermo Rauch, CEO da Vercel, revelou detalhes sobre uma das tendências mais críticas do setor: a separação entre modelos de IA e agentes. Esta mudança não é apenas técnica – ela redefine como empresas brasileiras e globais vão construir, escalar e otimizar custos de suas aplicações de IA em produção.
A Vercel, conhecida por sua infraestrutura de nuvem que permite aos desenvolvedores implantar agentes sem gerenciar servidores, tornou-se silenciosamente uma das empresas mais centrais no ecossistema de software de IA. Com 6 milhões de implantações diárias – metade delas disparadas por agentes de codificação – e mais de 1 trilhão de tokens fluindo através de seu gateway de IA diariamente, a empresa tem uma visão privilegiada sobre como a IA está sendo realmente utilizada em escala.
A evolução do mercado: de protótipos para produção
Rauch observa uma mudança significativa no mercado em relação ao ano anterior. “O ano passado foi sobre prototipagem. O céu era o limite, libere os agentes, todos podem construir”, explica o executivo. Essa fase inicial de experimentação trouxe aprendizados valiosos, mas também revelou os desafios reais de colocar agentes em produção.
Para empresas brasileiras que estão saindo da fase de proof of concept e entrando em implementações reais, essa transição é particularmente relevante. O foco agora não é mais apenas o que é possível fazer com IA, mas como fazer funcionar de forma confiável, segura e economicamente viável em ambientes de produção.
Os dois casos de uso matadores
A Vercel identificou duas aplicações principais que estão dominando o uso de agentes em produção. A primeira, não surpreendentemente, são os agentes de codificação. Estes sistemas estão consumindo uma parcela significativa da capacidade global de processamento de tokens, automatizando tarefas de desenvolvimento e acelerando a produção de software.
O segundo caso de uso, talvez mais interessante para executivos brasileiros, são os agentes internos que ajudam a operar empresas. Rauch compartilha um exemplo concreto: uma representante de vendas da Vercel que trabalha com contas existentes. Seu maior desafio não era criatividade ou habilidade de relacionamento, mas acesso a dados. “Ela não conseguia perguntar: ‘Me dê as cinco contas que mais adicionaram assentos nas últimas duas semanas para que eu possa priorizar meu trabalho’. Ela precisava esperar até um projeto trimestral para um novo dashboard de vendas ser concluído.”
Segurança e controle: os desafios reais da IA corporativa
Um dos aspectos mais críticos revelados por Rauch é o risco de vazamento de dados corporativos através de ferramentas de IA. Ele cita uma conversa com o presidente da Airbus: “Você tem décadas de código C++ muito específico para engenharia aeroespacial. Alguém entra e instala a ferramenta de desenvolvimento errada e boom, todo o código vai para a nuvem para treinamento.”
Para resolver esses desafios, a Vercel desenvolveu duas ferramentas principais. A primeira é o framework Eve, que permite definir instruções e habilidades de agentes em linguagem natural. A segunda é o Vercel Sandbox, que coloca o agente em um ambiente controlado – “uma pequena jaula” onde ele ainda pode expressar sua inteligência, mas com políticas aplicadas sobre quais dados pode acessar e quais informações podem sair do sandbox.
A importância do controle de dados
Para empresas brasileiras, especialmente aquelas em setores regulados como financeiro e saúde, essa questão é fundamental. A capacidade de implementar agentes de IA mantendo controle total sobre dados sensíveis pode ser a diferença entre adotar ou não essas tecnologias. O modelo de sandbox proposto pela Vercel oferece um caminho para empresas que querem os benefícios da IA sem comprometer a segurança de seus ativos digitais.
A mudança no relacionamento com laboratórios de IA
Uma das observações mais perspicazes de Rauch é sobre como as empresas estão mudando sua abordagem em relação aos grandes laboratórios de IA. “No ano passado, havia muitas pessoas escolhendo um parceiro de laboratório – dizendo que construiriam tudo na OpenAI ou Anthropic”, relata. “Agora eles estão dizendo: eu entendo como tudo isso funciona – modelo, harness, plataforma de dados, sandbox, gateway – cada peça é plug and play.”
Esta modularização tem implicações profundas. Empresas não estão mais presas a um único fornecedor. Podem usar OpenAI para certas tarefas, Anthropic para outras, ou Gemini quando a relação preço/performance for mais favorável. Rauch destaca que o Gemini, apesar de receber menos atenção da mídia, está crescendo significativamente porque “quando você está otimizando para produção, você começa a olhar para preço/performance, e os modelos Gemini têm características de preço/performance impressionantes.”
Modelos open source como DeepSeek e GLM-5.2 também estão ganhando tração, especialmente em cenários onde o controle sobre o modelo ou custos de operação são críticos. Para o mercado brasileiro, onde otimização de custos é frequentemente uma prioridade, essa flexibilidade é essencial.
A batalha pela arquitetura: modelos acoplados vs. desacoplados
O ponto central da visão de Rauch é a questão fundamental sobre a arquitetura futura da IA: “Realmente acho que neste ponto estamos decidindo se o modelo e o agente vão ser acoplados. Você obtém toda sua inteligência de um lugar? Ou você obtém um módulo ou biblioteca ou bloco de construção de um provedor, e então constrói em cima disso?”
Esta não é apenas uma questão técnica – é uma questão estratégica que afetará como empresas constroem capacidades de IA nos próximos anos. O modelo desacoplado, defendido pela Vercel, segue os princípios tradicionais de engenharia de software: modularidade, interoperabilidade e evitar vendor lock-in.
Rauch é claro sobre a ambição da Vercel neste contexto: “Vamos ser a AWS desta geração, então obviamente estamos lutando por um mundo de protocolos abertos.” Esta comparação não é casual – assim como a AWS democratizou o acesso à infraestrutura de computação, a Vercel busca fazer o mesmo com a infraestrutura de IA.
Competição direta com laboratórios de IA
Um desenvolvimento interessante é como plataformas de infraestrutura estão entrando em competição direta com laboratórios de IA. Rauch menciona o lançamento recente da OpenAI de ferramentas que publicam diretamente na web sem sair do ambiente OpenAI. “É um próximo passo natural para eles hospedar pequenos websites”, observa.
Mas ele vê isso como uma oportunidade: “É uma grande abertura para nós, porque agora as pessoas pensarão no ChatGPT como uma ferramenta para fazer websites. E então, se continuarem fazendo perguntas ao modelo sobre hospedagem web, o modelo nos recomenda.”
Esta dinâmica ilustra a complexidade do ecossistema de IA emergente, onde colaboração e competição coexistem, e onde o sucesso depende não apenas de tecnologia, mas de posicionamento estratégico e parcerias.
O que isso significa para o mercado brasileiro
Para CTOs e gestores de tecnologia no Brasil, as revelações de Rauch oferecem insights valiosos. Primeiro, a importância de pensar em IA não como uma solução monolítica, mas como um conjunto de componentes que podem ser otimizados independentemente. Isso permite começar pequeno, testar diferentes fornecedores e escalar de forma mais controlada.
Segundo, a necessidade de estabelecer governança e controles de segurança desde o início. As ferramentas como sandboxes não são luxos – são necessidades para qualquer implementação corporativa séria de IA.
Terceiro, a oportunidade de aproveitar a competição entre fornecedores. Com múltiplos laboratórios e modelos disponíveis, empresas brasileiras podem negociar melhores termos e escolher soluções baseadas em suas necessidades específicas de preço e performance.
Implicações para desenvolvedores e startups
Para o ecossistema de startups brasileiro, a visão de Rauch sugere oportunidades significativas. A separação entre modelos e agentes cria espaço para empresas especializadas em cada camada da stack. Startups podem focar em criar agentes especializados para indústrias específicas, ferramentas de orquestração, ou soluções de segurança e governança.
A ênfase em agentes internos também abre um mercado imenso. Cada empresa tem processos únicos que podem ser otimizados com IA, criando demanda por soluções customizadas ou facilmente adaptáveis.
Conclusão
A entrevista de Guillermo Rauch revela um momento de inflexão no mercado de IA. A transição de experimentação para produção está forçando uma reavaliação de como arquitetamos e implementamos soluções de inteligência artificial. Para o mercado brasileiro, isso representa tanto um desafio quanto uma oportunidade.
O desafio está em acompanhar a velocidade de mudança e desenvolver as competências necessárias para implementar essas arquiteturas modulares. A oportunidade está em aproveitar a flexibilidade e competição no mercado para construir soluções mais eficientes e adequadas às necessidades locais.
À medida que a batalha entre modelos acoplados e desacoplados se desenrola, empresas que entenderem e aproveitarem essa modularidade estarão melhor posicionadas para extrair valor real da IA. O futuro pertence não necessariamente a quem tem o melhor modelo, mas a quem souber orquestrar os melhores componentes para resolver problemas reais de negócio.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria publicada em TechCrunch, disponível em https://techcrunch.com/2026/07/06/vercel-ceo-guillermo-rauch-on-the-fight-to-split-off-models-from-agents/.
