Rillet triplica su ritmo de entrega con agentes en Vercel

Un equipo de dos personas cerró 800+ tickets en cuatro meses

Rillet triplicó su ritmo de entrega de software en tres meses. El dato que lo explica no es una ronda ni un cambio de stack: es que su equipo de frontend, dos personas dirigidas por Anthony Liang y formado apenas unos meses atrás, cerró más de 800 tickets de Linear en sus primeros cuatro meses de vida.

Para un founder, la pregunta relevante no es si los agentes de IA funcionan en abstracto, sino cuánto tarda su equipo en convertir la petición de un cliente en un cambio en producción. En Rillet, según el blog de Vercel, ese lapso puede ser de dos horas.

¿Qué es eve y por qué un agente es un directorio?

eve es el framework open source de Vercel para construir, ejecutar y escalar agentes. Su idea central: un agente deja de ser un script suelto y se convierte en una carpeta con estructura fija. Instrucciones en instructions.md, herramientas en tools/, conocimiento en skills/, agentes delegados en subagents/, canales de interacción en channels/ y tareas programadas en schedules/.

La consecuencia práctica es de gobernanza, no de elegancia técnica. Quien sabe qué debe hacer el agente —un contador, alguien de soporte— puede ajustar su comportamiento escribiendo markdown, sin tocar TypeScript. Liang describe la sensación como la que tuvo con Next.js: cualquiera que se suma al equipo entiende cómo está construido un agente.

Vercel presentó eve en su conferencia Ship y lo describió como el Next.js para agentes, según el anuncio recogido por Business Wire. El framework salió en vista previa pública y ya se usa internamente para operar más de 100 agentes en producción, según InfoQ.

Del ticket de soporte al pull request, sin intermediarios

El cambio de proceso es lo más interesante del caso. Antes, una petición de un cliente se dispersaba entre un ticket de Linear, un hilo de Slack y una conversación que alguien tenía que reconstruir después. Para cuando el contexto estaba completo, lo más rápido del trabajo ya era escribir el código.

Ahora el equipo de customer success abre una extensión de Chrome junto a la app de Rillet, señala lo que ve el cliente y describe el cambio. Si la modificación es segura y está bien acotada, un agente la entrega a un agente de código que escribe la especificación, hace el cambio y abre un pull request asignado a Liang. Los agentes además levantan un navegador en un sandbox para probar el resultado y adjuntan capturas como evidencia.

• El humano más cercano al cliente captura el contexto; no hace falta un ingeniero para traducirlo.
• El agente hace el trabajo repetitivo y entrega pruebas, no excusas.
• El humano revisa, aprueba y mergea.

Rillet conecta a sus agentes con Slack y Linear mediante Vercel Connect, que entrega tokens de corta duración en tiempo de ejecución y evita guardar credenciales de larga vida en cada aplicación. Su equipo de CPA usa el agente interno Nebula para desplegar peticiones de clientes en menos de dos horas. Un cliente resumió el efecto diciendo que Rillet le arruinó las expectativas sobre la velocidad con que un proveedor de software debería hacer cambios.

¿Cómo se elige el modelo? Cambiando un string

Cuando más gente en la empresa empezó a construir agentes, conectar cada proveedor por separado se volvió un cuello de botella. AI Gateway enruta las peticiones a modelos de Anthropic y OpenAI con una sola integración. En eve, basta con cambiar el string del modelo en la configuración del agente —el ejemplo del blog usa zai/glm-5.3— sin rehacer nada más.

La escala del fenómeno ayuda a dimensionar la apuesta. En Ship, Vercel dijo que el volumen de tokens que atraviesa su AI Gateway creció de unos dos billones a veinte billones por mes, y que los despliegues disparados por agentes de código pasaron de menos del 3% a más de la mitad del total, según el anuncio reportado por Business Wire. Su CEO, Guillermo Rauch, dijo a TechCrunch que la compañía ve 6 millones de despliegues por día, la mitad originados por agentes.

¿Quién es Rillet y por qué su velocidad importa?

Rillet es una plataforma ERP nativa de IA con más de 600 clientes. En agosto de 2026 anunció una Serie C de US$100 millones liderada por ICONIQ a una valoración de US$1.000 millones —su tercera ronda en un año—, que llevó el total levantado a más de US$200 millones, según el comunicado de la compañía. TechCrunch reportó que la operación se cerró en 48 horas y que entre sus inversores están Andreessen Horowitz y Sequoia.

El contexto de mercado explica por qué este caso importa más allá de la anécdota técnica. Business Insider detalló que Rillet sirve a más de 600 clientes públicos y privados, que el 40% de su base está fuera del sector tech y que la mitad de sus clientes vienen de ERPs tradicionales como NetSuite, Workday, Oracle Fusion y Sage Intacct. Un análisis de Andreessen Horowitz sobre 56 clientes de Rillet encontró que el 87% tenía menos del 1% de sus asientos contables pendientes de revisión al cierre de mes.

Hay además una razón estructural: TechCrunch citó un informe del Controllers Council según el cual el 61% de los líderes financieros ha tenido problemas para encontrar talento contable en el último año, mientras que la Oficina de Estadísticas Laborales de EE. UU. proyecta que la demanda del sector crecerá al menos un 5%, con 72.800 empleos adicionales hacia 2034. Menos gente disponible para tareas repetitivas es exactamente el terreno donde un agente bien acotado rinde.

¿Qué significa esto para tu startup?

1. Estandariza convenciones antes de escalar la adopción. El valor de eve no está en el framework en sí, sino en que las decisiones de arquitectura dejan de ser individuales: dónde viven las instrucciones, cómo se registran las herramientas, cómo llega el agente a Slack. Si cada persona de tu equipo construye su propio agente isla, terminas con diez integraciones que nadie puede mantener. Empieza por un caso de uso con retorno medible —tickets, incidencias, soporte— y no por el agente que hace todo.

2. Ataca el salto de contexto, no el modelo. Rillet no ganó velocidad porque eligió un modelo mejor, sino porque eliminó la cadena de traducción entre el cliente, el ticket y el código. Antes de comprar herramientas, mapea dónde se pierde el contexto en tu operación. Si tu equipo de soporte tiene que explicarle a un ingeniero lo que el cliente ya explicó dos veces, ahí está tu cuello de botella.

3. Da identidad y permisos gestionados desde el día uno. Rillet usó Enterprise Managed Users con single sign-on de Google Workspace y sincronización de directorio, para que el acceso de cada builder siga el directorio de la empresa en lugar de cuentas personales. La lección aplica igual a un equipo de cinco personas en Ciudad de México o Madrid: tokens de corta duración y accesos revocables pesan más que la comodidad de una API key eterna en un archivo de entorno.

Un matiz honesto: varios desarrolladores señalaron en InfoQ dudas sobre cuán portable será eve fuera del ecosistema de Vercel. Si tu infraestructura vive en otro proveedor de nube, conviene evaluar ese costo de salida antes de estandarizar toda tu operación sobre este framework.

Conclusión

El caso de Rillet no es una historia sobre elegir la herramienta correcta. Es una historia sobre rediseñar un proceso para que el agente ocupe el lugar donde antes había una cola de espera. Tres veces más entregas con un equipo de dos personas no salió de escribir mejores prompts, sino de decidir que el contexto se captura una sola vez, que el trabajo repetitivo lo hace una máquina y que el humano se reserva la aprobación. Esa decisión de diseño está al alcance de cualquier equipo, con o sin presupuesto de unicornio.

Fuentes

• Vercel: How Rillet ships 3x faster with AI agents on Vercel
• TechCrunch: How AI accounting startup Rillet raised $100M and became a unicorn in 48 hours
• Business Wire: Rillet Raises $100M Series C at $1B Valuation
• Business Insider: The CEO of the unicorn AI accounting startup, Rillet
• Business Wire: Vercel Brings New Agent Framework and Enterprise Controls
• TechCrunch: Vercel CEO Guillermo Rauch on the fight to split off models from agents
• InfoQ: Vercel Introduces Eve, an Open-Source Framework for Building AI Agents