Los agentes de IA ya hacen un tercio de los despliegues en Vercel

En tres meses, el número de despliegues en Vercel iniciados por agentes de IA se ha duplicado. Hoy los agentes lanzan el 30% de todos los proyectos; hace un año, la cifra rondaba el 3%. Es un salto enorme, y ha sacado a la luz un viejo problema: la infraestructura se diseñó para personas. Daba por hecho que alguien configuraría los servidores, pulsaría el botón de deploy y leería los logs. Pero ahora quien actúa es una máquina, y eso exige un enfoque completamente distinto.

Las máquinas programan más rápido

Los proyectos desplegados por agentes recurren a servicios de IA (como OpenAI, Anthropic o Claude) 20 veces más que los proyectos escritos por personas. Es decir, los agentes de IA escriben código que usa IA y, con frecuencia, escriben el código de otros agentes de IA. Este software funciona a toda velocidad: se prueba a sí mismo y pasa a producción sin esperar aprobación.

Claude Code es responsable del 75% de estos despliegues automáticos en Vercel. Ya funciona como un actor de infraestructura de pleno derecho, más allá de un simple editor de código. Le siguen Lovable y v0 (6%) y, después, Cursor (1.5%). Pero lo más relevante es que estas cifras crecieron un 1000% en seis meses. Lo que era una excepción se está convirtiendo en la norma.

La infraestructura debe ser distinta

Cuando una persona escribe y despliega el código, necesita control y visibilidad. Cuando lo hace un agente, necesita velocidad. Si entre el código y el sistema de producción hay clics en la interfaz web de la nube o gestión manual de Terraform, el ciclo autónomo se rompe. Los agentes necesitan APIs limpias para desplegar, preview URLs para verificar el resultado y reversiones instantáneas.

Esto cambia radicalmente los requisitos. Los immutable deployments, los instant rollbacks y las preview URLs en cada commit han dejado de ser comodidades para desarrolladores y se han convertido en una necesidad absoluta para el desarrollo hecho por máquinas. De lo contrario, el agente simplemente no podrá comprobar lo que ha escrito.

El segundo nivel de complejidad: los propios agentes se convierten en long-lived workloads. Requieren orquestación en varias etapas, enrutamiento entre modelos y control de costes. Cada API invocada, cada llamada a través de AI Gateway y cada ejecución en Sandbox suponen un gasto. La infraestructura debe poder pausar, reanudar, reintentar, conservar el estado y registrar todo lo ocurrido.

La solución de tres capas de Vercel

Vercel ha propuesto un stack integrado de herramientas:

• AI SDK: la base unificada para desarrollar aplicaciones de IA. La versión 6 añade una abstracción para agentes que permite definir un agente una vez y usarlo en cualquier lugar
• Chat SDK: acceso a decenas de plataformas de chat desde un mismo código
• AI Gateway: un punto único para cientos de modelos, con presupuestos, monitorización, fallbacks y lógica de retry
• Fluid Compute: optimizado para las fases atípicas de los AI workloads (latencias, solicitudes simultáneas, tiempo idle)
• Workflows y Queues: pausa, reanudación, reintento y conservación del estado
• Sandbox: un entorno aislado para código no confiable
• Observability: monitorización de los costes y del comportamiento de los agentes en producción

Qué significa esto

Durante cincuenta años, la infraestructura dio por hecho que una persona la configuraría, pulsaría el botón de deploy y leería los logs. Cada generación de software exigió una nueva generación de infraestructura. La nube la convirtió en una API. Después, la infraestructura empezó a derivarse de la propia aplicación.

Ahora se produce el tercer cambio: la infraestructura se adapta a que su usuario final ya no es una persona, sino una máquina autónoma. Y no está ocurriendo despacio. En tres meses, todo ha cambiado.