Cómo Vercel usa agentes de IA: 96% marketing, 93% soporte

La industria tecnológica está viviendo una transformación silenciosa pero profunda: el paso de las aplicaciones tradicionales centradas en interfaces de usuario hacia sistemas autónomos que operan sin intervención humana directa. Empresas como Vercel, lideradas por figuras que construyeron infraestructuras a escala planetaria en Facebook y Google, están demostrando que los agentes de inteligencia artificial no son una promesa futura, sino una realidad operativa con métricas contundentes. Vercel ha desplegado cientos de agentes para su propio uso interno, obteniendo resultados que cualquier organización debería estudiar: el 96% de su contenido de marketing se genera inicialmente a través de un agente, y el 93% de las consultas de soporte al cliente se resuelven sin intervención humana. Estas cifras no son un truco de relaciones públicas; son el fruto de años de obsesión por eliminar lo que Tom Occhino denomina 'pérdida de calor indiferenciada', es decir, todo el esfuerzo que las empresas dedican a infraestructura genérica en lugar de a lo que realmente las diferencia.

El modelo mental cambia radicalmente cuando se entiende que los agentes no son simplemente una nueva capa sobre el software existente. Durante décadas, el software se construyó alrededor de una interfaz de usuario: cada acción, cada consulta, cada transacción pasaba por una pantalla diseñada a medida. Los agentes invierten esta lógica. La interfaz se convierte en un nodo menor; el tronco principal es un motor autónomo que actúa por cuenta propia, reacciona a eventos y solo escala a un humano cuando es estrictamente necesario. Para las empresas, esto implica replantearse cómo invierten su talento y su presupuesto: ya no se trata de comprar un agente prefabricado (esa idea ha fracasado en la práctica), sino de adquirir la infraestructura que permita construir agentes propios de forma rápida y segura.

Vercel construyó agentes para sí misma antes de vender las herramientas a terceros. Su agente comercial DealOne, por ejemplo, ingiere automáticamente todas las llamadas de ventas, genera resúmenes estructurados con acciones concretas, publica sugerencias de coaching en Slack, actualiza el CRM y realiza autopsias de cada oportunidad perdida. Todo esto ocurre sin que el equipo de ventas tenga que aprender una nueva herramienta: trabajan donde ya trabajan. La arquitectura subyacente es un ejemplo de cómo debería funcionar la integración de inteligencia artificial en entornos empresariales: un webhook dispara un flujo de trabajo duradero, se extrae el contenido mediante un modelo de lenguaje, se indexa en una base híbrida vectorial y de palabras clave, y se expone a través de un servidor MCP seguro para que cualquier agente acceda al mismo contexto con una sola autenticación. Esta no es una solución mágica: es ingeniería sólida que resuelve problemas reales de orquestación, fiabilidad y seguridad.

Las lecciones que extraemos de esta experiencia son aplicables a cualquier organización que quiera dar el salto hacia la IA operativa. La primera lección es que lo que un agente no puede manejar es, paradójicamente, el output más valioso. Vercel mide que el 7% de las consultas de soporte que escapan al agente no son fallos, sino señales de producto: indican configuraciones incorrectas o carencias funcionales que merecen atención humana. La segunda lección es que el cuello de botella no es el modelo de IA, sino la documentación de los procesos. Documentar con precisión cómo debe realizarse una tarea es el verdadero trabajo; sin esa base, ningún modelo puede actuar correctamente. La tercera lección es que el debate 'construir versus comprar' no ha muerto, sino que se ha desplazado a un nivel superior: las empresas deben comprar la base (SDKs, pasarelas de modelos, entornos aislados, motores de flujos de trabajo) y construir solo la capa delgada que las diferencia.

Para las empresas que buscan adoptar este enfoque, es fundamental contar con un socio tecnológico que entienda tanto la infraestructura como la estrategia de negocio. En Q2BSTUDIO desarrollamos soluciones de inteligencia artificial para empresas que integran agentes IA de forma segura y escalable, aprovechando servicios cloud AWS y Azure, aplicaciones a medida y capacidades de inteligencia de negocio como Power BI. Nuestra experiencia en ciberseguridad garantiza que cada interacción con los agentes esté protegida, y nuestro enfoque en software a medida permite adaptar la tecnología a los procesos reales de cada organización, no al revés. La automatización de procesos, la orquestación de flujos de trabajo y la integración con sistemas legacy son competencias que marcan la diferencia entre un piloto técnico y una implantación productiva.

El camino hacia los agentes de IA no empieza por el problema más brillante, sino por el más repetitivo. Vercel recomienda comenzar con tareas de bajo valor que se realicen docenas de veces por semana: triaje de soporte, extracción de datos, cualificación de leads. Documentar el proceso en detalle, luego entregárselo a un agente de código (como Claude Code o v0) y repetir hasta que funcione en producción. El primer agente no necesita ser perfecto; necesita ser útil y seguro. A partir de ahí, las organizaciones aprenden cómo se comporta la IA en su ecosistema, qué tipo de fallos ocurren y cómo ajustar la supervisión humana. La compañía ya ofrece servicios de automatización de procesos que pueden servir como base para este tipo de iniciativas, combinando inteligencia artificial con orquestación robusta.

En definitiva, la era de los agentes IA no es una distopía de reemplazo masivo de empleados, sino una oportunidad para redistribuir el talento hacia tareas que realmente generan valor compuesto. Las métricas de Vercel son un faro: cuando los humanos dejan de hacer trabajo mecánico y se dedican a mejorar el producto, la cultura y la estrategia, la empresa entera se acelera. La pregunta para cualquier directivo ya no es si adoptar agentes, sino cómo empezar a hacerlo con la infraestructura, la metodología y el acompañamiento adecuados.