Agentes de IA já fazem um terço dos deploys na Vercel no lugar de humanos

Em três meses, o número de deploys na Vercel iniciados por agentes de IA dobrou. Hoje, os agentes publicam 30% de todos os projetos; um ano atrás, esse número estava mais perto de 3%. É um salto enorme, e ele expôs um problema antigo: a infraestrutura foi projetada para pessoas. Ela pressupõe que alguém vai configurar servidores, clicar no botão de deploy e ler logs. Só que agora quem age é uma máquina, e isso exige uma abordagem completamente diferente.

Máquinas programam mais rápido

Projetos publicados por agentes acessam serviços de IA (como OpenAI, Anthropic ou Claude) 20 vezes mais do que projetos escritos por humanos. Ou seja, agentes de IA escrevem código que usa IA e, com frequência, escrevem o código de outros agentes de IA. Esse software roda a toda velocidade: testa a si mesmo e vai para produção sem esperar aprovação.

O Claude Code responde por 75% desses deploys automáticos na Vercel. Ele vai além de um editor de código: é um player de infraestrutura de pleno direito. Em seguida vêm Lovable e v0 (6%) e, depois, o Cursor (1.5%). Mas o principal é que, em seis meses, esses números cresceram 1000%. O que era exceção está virando regra.

A infraestrutura precisa ser outra

Quando uma pessoa escreve e publica o código, ela precisa de controle e visibilidade. Quando um agente faz isso, ele precisa de velocidade. Se entre o código e o sistema de produção houver cliques na interface web da nuvem ou gerenciamento manual de Terraform, o ciclo autônomo quebra. Agentes precisam de APIs limpas para deploy, preview URLs para verificar o resultado e rollbacks instantâneos.

Isso muda radicalmente os requisitos. Immutable deployments, instant rollbacks e preview URLs a cada commit deixaram de ser conveniências para desenvolvedores e passaram a ser uma necessidade absoluta no desenvolvimento feito por máquinas. Sem isso, o agente simplesmente não consegue verificar o que escreveu.

Há ainda uma segunda camada de complexidade: os próprios agentes viram long-lived workloads. Eles exigem orquestração em várias etapas, roteamento entre modelos e controle de custos. Cada API chamada, cada requisição pelo AI Gateway e cada execução no Sandbox gera despesa. A infraestrutura precisa ser capaz de pausar, retomar, repetir, salvar estado e registrar em log tudo o que aconteceu.

A solução em três camadas da Vercel

A Vercel apresentou uma stack integrada de ferramentas:

• AI SDK — base única para desenvolver aplicações de IA. A versão 6 adiciona uma abstração para agentes, permitindo definir um agente uma vez e usá-lo em qualquer lugar
• Chat SDK — acesso a dezenas de plataformas de chat a partir de um único código
• AI Gateway — ponto único para centenas de modelos, com orçamentos, monitoramento, fallbacks e lógica de retry
• Fluid Compute — otimizado para as fases atípicas de AI-workloads (latências, requisições simultâneas, tempo ocioso)
• Workflows e Queues — pausa, retomada, nova tentativa e persistência de estado
• Sandbox — ambiente isolado para código não confiável
• Observability — monitoramento de custos e do comportamento dos agentes em produção

O que isso significa

Durante cinquenta anos, a infraestrutura partiu do princípio de que uma pessoa iria configurá-la, clicar no botão de deploy e ler os logs. Cada geração de software exigiu uma nova geração de infraestrutura. A nuvem transformou a infraestrutura em API. Depois, ela passou a ser derivada da própria aplicação. Agora acontece a terceira virada: a infraestrutura se adapta ao fato de que seu usuário final não é uma pessoa, e sim uma máquina autônoma. E isso não está acontecendo devagar. Em três meses, tudo mudou.