Vercel sta diventando una delle piattaforme più centrali nell’infrastruttura software dell’intelligenza artificiale. L’azienda registra oggi 6 milioni di deployment al giorno, con circa la metà attivata da agenti di coding, mentre più di mille miliardi di token passano quotidianamente dal suo AI gateway. È un dato che racconta il passaggio dalla fase sperimentale degli agenti alla loro integrazione nei flussi produttivi delle imprese.
Il quadro tracciato dall’amministratore delegato Guillermo Rauch, dopo la conferenza ShipNYC, è quello di un mercato che nel giro di un anno ha cambiato priorità. Il 2025 era stato l’anno dei prototipi, della spinta a liberare gli agenti e a costruire rapidamente. Dentro Vercel, ha spiegato Rauch, sono nati e finiti in produzione centinaia di agenti sviluppati in modo organico, un’esperienza che ha portato alla superficie i problemi concreti: sicurezza, governance, accesso ai dati e controllo delle azioni svolte dai sistemi autonomi.
Per Rauch i casi d’uso più forti sono due. Il primo è il coding agent, che alimenta una quota rilevante del consumo globale di token e produce software a una velocità tale da richiedere piattaforme capaci di ospitarlo e distribuirlo. Il secondo è l’agente interno d’impresa, pensato per aiutare le funzioni aziendali a lavorare sui dati e sui processi. Qui la questione non è soltanto l’automazione, ma la possibilità di sapere a quali informazioni l’agente accede, quali strumenti usa e quale traccia lascia lungo il percorso.
Per affrontare questo nodo, Vercel ha sviluppato Eve, un framework in cui istruzioni e competenze degli agenti possono essere definite in linguaggio naturale. Accanto a Eve c’è Vercel Sandbox, pensato per confinare l’agente in un ambiente controllato: abbastanza libero da svolgere il proprio compito, ma soggetto a policy su quali dati può leggere e su quali informazioni possono uscire dal perimetro. Rauch lega questo approccio a un rischio molto concreto: strumenti di sviluppo AI configurati male possono esporre interi codebase al cloud e, potenzialmente, all’addestramento dei modelli.
L’esempio citato riguarda strumenti come Devin o Cursor, che in determinati contesti potrebbero accedere a basi di codice altamente sensibili. Rauch ha richiamato una conversazione con il presidente di Airbus, descrivendo il valore di decenni di codice C++ specifico per l’ingegneria aerospaziale. In uno scenario del genere, l’adozione superficiale di un tool sbagliato non è un semplice problema IT: può trasformarsi in perdita di controllo su proprietà intellettuale critica.
Il caso dell’agente interno chiarisce anche il tema della produttività. Rauch ha descritto il lavoro di una rappresentante commerciale di Vercel impegnata sulla crescita degli account esistenti: il collo di bottiglia non era la capacità di relazione o l’intelligenza commerciale, ma l’accesso ai dati. Una domanda semplice, come individuare i cinque account che hanno aggiunto più postazioni nelle ultime due settimane, in passato richiedeva l’attesa di un nuovo dashboard. Con un agente collegato alle API, la stessa richiesta può diventare operativa molto prima, spingendo le aziende ad aprire sistemi e dati che molti grandi vendor SaaS hanno storicamente tenuto chiusi.
La stessa logica si riflette nel rapporto con i grandi laboratori AI. Secondo Rauch, l’idea di costruire tutto su un solo partner, come OpenAI o Anthropic, sta lasciando spazio a un’architettura più modulare: modello, harness, data platform, sandbox e gateway diventano componenti intercambiabili. In produzione, le aziende guardano sempre più al rapporto prezzo-prestazioni, e Rauch segnala la crescita di Gemini, insieme all’ascesa di modelli aperti come DeepSeek e GLM-5.2. La competizione con i laboratori resta però diretta, perché quando le piattaforme AI aggiungono hosting e pubblicazione web entrano nel territorio delle infrastrutture esistenti.
La posta in gioco, per Vercel, è decidere se modello e agente resteranno accoppiati o se l’industria andrà verso protocolli aperti e componenti componibili. Rauch colloca l’azienda in questa seconda traiettoria, paragonando l’ambizione di Vercel a quella di diventare l’AWS di questa generazione. In questa visione, l’intelligenza non arriva da un unico fornitore chiuso, ma da moduli che le imprese possono combinare, governare e sostituire. È una lettura che sposta il baricentro dell’AI generativa: dal modello in sé all’infrastruttura che permette agli agenti di lavorare davvero dentro le aziende.