Análisis del CEO de Vercel: las alianzas de IA con un solo laboratorio están obsoletas

El mazo de alianzas de IA antes tenía espacio para un logo. Ahora necesita un plano de asientos. Guillermo Rauch, CEO de Vercel, dice que las empresas están yendo más allá de elegir un solo laboratorio de IA, según un artículo de AOL que recoge información de Business Insider. Para quienes construyen productos, lo interesante no es el chisme sobre qué laboratorio recibe invitación a almorzar. Es la arquitectura: los equipos de producto están aprendiendo que la elección del modelo pertenece a la plomería, no a la declaración de misión.

AOL: La lealtad a un solo laboratorio se encuentra con

la realidad de producción AOL, en su informe de Business Insider, dice que Rauch sostuvo que las empresas ya no dependen de un solo laboratorio de IA para todas sus necesidades. El mismo informe dice que las empresas están recurriendo a distintos laboratorios para distintas partes de su pila de IA, mientras piensan en cómo gastar en IA de manera más eficaz. También describe el patrón del año pasado como equipos que elegían un laboratorio socio y planeaban construirlo todo sobre OpenAI o Anthropic. Era una diapositiva limpia, y las diapositivas limpias han traicionado más hojas de ruta que un WiFi inestable. La lección práctica es que los prototipos y la producción premian comportamientos distintos. Durante la creación de prototipos, un proveedor puede mantener al equipo avanzando y evitarles a todos una sopa de integraciones. En producción, la pregunta pasa a ser si un proveedor encaja bien con una función específica, un perfil de costos y una expectativa de fiabilidad. Apostarlo todo a un solo laboratorio puede parecer simple, pero la simplicidad no es lo mismo que la resiliencia, como sabe cualquiera que alguna vez haya desplegado un viernes mientras le susurraba a un panel de control.

Hyper AI: La pila modular de IA se vuelve real

Hyper AI informa que Rauch describió a las empresas adoptando estrategias multimodelo construidas alrededor de una pila modular de IA. En ese relato, los componentes que van desde modelos base hasta pasarelas se vuelven intercambiables, que es la frase arquitectónica clave escondida bajo el titular ejecutivo. Hyper AI dice que las empresas pueden integrar OpenAI, Anthropic y Gemini de Google dentro de un solo flujo de trabajo. También dice que Rauch señaló un fuerte crecimiento en los modelos Gemini debido a su relación precio-rendimiento a escala, junto con la adopción de alternativas como DeepSeek y GLM-5.2 de Z.ai. Eso no significa que cada app deba lanzar solicitudes al azar entre modelos como un cañón de confeti con una clave de API. Significa que la capa de modelos se está convirtiendo en una dependencia reemplazable, más cercana a la infraestructura que a la identidad. Hyper AI también informa que la industria está pasando del enfoque del año pasado en crear prototipos y construir agentes a los desafíos de producción y la eficiencia operativa. Ahí es donde entra el control de costos, con zapatos sensatos y cargando la hoja de cálculo que nadie quiere pero todos necesitan. Hyper AI conecta el cambio con una corrección más amplia en los gastos de IA, señalando que gastar más no se traduce automáticamente en valor para el cliente. El informe dice que el énfasis anterior en maximizar el uso de tokens está dando paso a un control de costos más estricto. Rauch también trazó un paralelismo con la computación en la nube, donde las empresas pasaron de depender de un proveedor a usar arquitecturas multinube para reducir riesgos y costos, según Hyper AI. La versión de IA no es idéntica, pero la advertencia rima: si tu pila no puede intercambiar piezas, tu estrategia de proveedores es básicamente un tatuaje.

Axios: Las pilas multiproveedor necesitan mejores mediciones Axios informa que

los métodos existentes para probar y evaluar modelos de IA de frontera necesitan reescribirse, especialmente a medida que los modelos superan las pruebas de sus capacidades de hackeo. El medio dice que, sin nuevas pruebas, los responsables de políticas y los equipos de seguridad corporativa no tendrán una forma clara de predecir qué pueden hacer los modelos o si pueden desplegarse de forma segura. Le dejaré la ópera completa de amenazas a Sam, que lleva el tema de seguridad y, supongo, tiene una taza de café más grande. Para esta columna, la lección para quienes construyen es más acotada: la elección del modelo solo se vuelve útil cuando la medición se pone al día. Una arquitectura multiproveedor da opciones a los equipos, pero las opciones sin evaluación son solo un bufé donde nada tiene etiqueta. Si las empresas van a mezclar proveedores dentro de un solo flujo de trabajo, necesitan saber qué modelo está realmente mejor preparado para la tarea que tiene delante, no qué logo se veía mejor en una presentación principal. El argumento de Rauch, según lo reportado por AOL y Hyper AI, trata menos sobre drama entre laboratorios y más sobre madurez operativa. Espera ver que las plataformas de IA compitan en enrutamiento, pasarelas intercambiables y visibilidad de costos, porque la pila ganadora podría ser la que haga que cambiar modelos sea aburrido. En infraestructura de IA, aburrido no es un insulto. Es lo que ocurre justo antes de que algo funcione.