Vercel научила AI-агентов понимать продуктовые решения, а не только копировать код

Vercel publicó una descripción detallada de su sistema product-design — un conjunto de herramientas que ayuda a los agentes de IA no solo a copiar estilos y patrones, sino a entender por qué un componente, frase o interacción particular se convirtió en el estándar del producto.

Los agentes no entienden el "por qué"

Los agentes de codificación modernos manejan tareas rápidamente: escriben UI funcional, copian estilos visuales, repiten patrones del repositorio. El problema está en otro lado — no entienden las razones detrás de estas decisiones. La lógica de un componente específico, redacción o interacción se almacena generalmente en hilos de Slack, comentarios de design review, observaciones en PRs y en la memoria de personas que estaban en esa reunión.

Para un agente, este contexto no existe: solo funciona con lo que llegó a la base de código. Vercel abordó el problema radicalmente: todas las decisiones de producto aceptadas ahora viven en el repositorio junto con el código. Se someten a revisión cuando cambian y están automáticamente disponibles para cualquier agente que trabaje en el proyecto.

Qué hay dentro del sistema

El sistema consta de tres componentes. La skill vive en `.agents/skills/product-design/` justo al lado del código que gobierna. Dentro hay dos secciones clave. `references/` contiene documentación sobre decisiones de producto, calidad de interfaz, resiliencia, copywriting, un glosario de términos, y `coverage-gaps.md` — una lista de áreas donde el estándar aún no se ha formado. `exemplars/` documenta decisiones de PRs anteriores que vale la pena repetir y errores a evitar. Los linters verifican automáticamente todo lo que puede ser verificado por máquina. Todo lo que puede ser verificado sin participación humana debe ser verificado sin ella. El ciclo de actualización recopila señales de Slack, Figma y GitHub, las agrega y prepara actualizaciones de directrices para aprobación final del equipo.

Cómo la skill enruta tareas

SKILL.md funciona como un router. Primero determina el modo de solicitud: shape, implement, review, copy o harden. Esto es fundamental — una auditoría no debe convertirse en edición, y una tarea de copywriting no debe expandirse en rediseño. La skill también omite tareas sin impacto visible en la UI: lógica backend-only, telemetría, archivos generados. Después de determinar el modo, la skill enruta a las fuentes apropiadas según el tipo de tarea y superficie específica:

• Los cambios en materiales de interfaz cargan `product-judgment.md` e `interface-quality.md`
• El trabajo con texto conduce a `copy.md` y formas verbales canónicas del producto
• Ventana modal — patrones para acciones destructivas y verbos canónicos
• Formulario de configuración — etiquetas, validación, progressive disclosure, orientación de accessible-name

La skill no duplica fuentes: Component API, reglas de design-system y criterios de accesibilidad permanecen con sus propietarios — la skill solo los referencia.

"El código muestra a los agentes qué fue lanzado — pero no por qué este componente o interacción particular se convirtió en el estándar," — de la documentación de

Vercel.

Qué significa esto

Vercel demostró una metodología concreta para escalar el conocimiento de producto en equipos con agentes de IA. En lugar de contar con que el agente "adivine" las intenciones de diseñadores y gerentes, la empresa las codificó y las hizo parte del repositorio — con historial de cambios, revisión y verificaciones automáticas. Según los autores, cualquier equipo puede construir la misma estructura alrededor de sus propios estándares.