Rogo leva código escrito por agentes de IA à produção em 5 minutos no Vercel

A Vercel publicou um case sobre a Rogo, startup que constrói a Felix, um agente de IA↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI → usado por boa parte das maiores instituições financeiras do mundo para gerar decks, modelos financeiros e relatórios. O material é curto, mas o dado central chama atenção: segundo a Vercel, a equipe da Rogo reestruturou suas aplicações internas de forma que código escrito por agentes de IA chega à produção em cinco minutos. É um número concreto, mas vale separar o que ele prova do que ele sugere.

Um ponto que passa fácil batido: o case fala em "internal applications", não na Felix em si. Ou seja, o que está sendo automatizado em cinco minutos é a esteira de ferramentas internas da Rogo (painéis, integrações, fluxos de operação), não necessariamente o motor que gera modelos financeiros para os clientes bancários. Essa distinção importa porque o apetite para deixar um agente publicar sozinho muda muito dependendo de quem recebe o resultado.

O que cabe dentro dos "5 minutos"

A Vercel não detalha o que entra nesse intervalo: só o build e o deploy, ou também a geração do código pelo agente antes do push? Essa ambiguidade é relevante porque cinco minutos de build e deploy já é um número bom, mas normal, para quem usa deploys atômicos e rollback instantâneo da Vercel com qualquer código, humano ou não. O diferencial que a Rogo está vendendo é outro: a confiança (ou a estrutura de guardrails) para deixar esse pipeline receber commits de um agente sem alguém revisando linha por linha antes de promover para produção.

Isso é o tipo de mudança que front-end sente primeiro. Preview deployments por pull request, aliases imutáveis e promoção instantânea existem na Vercel há anos; o que muda aqui é quem escreve o diff. Se um agente consegue abrir PR, passar pela esteira e chegar à produção em cinco minutos, a pergunta que fica em aberto é: que portão ficou entre o commit do agente e o usuário final? O case não lista testes automatizados, checagem de regressão visual ou validação de acessibilidade↳Acessibilidade11 conteúdosO que é Acessibilidade Web e como tornar seu site mais acessívelDev (Back & Front) · mar 2019Design para veteranos digitais: acessibilidade para nós mesmosProduto & UX · jan 2020Dicas de Front-End para usabilidade, acessibilidade, performance e responsividadeProduto & UX · fev 2025Ver tudo em Produto & UX → como parte desse fluxo, e essa ausência diz tanto quanto o número de cinco minutos.

Seis agentes em produção, do churn ao deal desk

A Rogo roda hoje seis agentes de IA em produção fazendo trabalho que vai de análise de churn a apoio ao deal desk (a equipe comercial que fecha negócios complexos). São tarefas operacionais, não geração de interface: o tipo de automação que historicamente seria um script cron ou uma planilha com fórmula pesada, agora reescrito como agente que toma decisão e, pelo visto, também escreve e publica seu próprio código de suporte.

Em resumo: a Rogo não tem um agente generalista escrevendo qualquer coisa; tem agentes especializados por função de negócio, cada um com escopo definido. Isso é uma escolha de arquitetura mais defensável do que "deixar a IA codar o produto", porque reduz a superfície de erro a domínios conhecidos.

Enxames de agentes cuidando dos próprios incidentes

O ponto mais ousado do case é outro: quando um incidente acontece em produção, enxames de agentes construídos sobre o AI SDK da Vercel (o pacote open source ai, usado para orquestrar chamadas a modelos e ferramentas) fazem o triagem e a remediação sem intervenção manual. A Vercel resume isso como "zero manual triage".

O texto não detalha o que "remediar" significa na prática: reverter para o deploy anterior, aplicar um hotfix gerado por outro agente, ou só isolar o problema e abrir um ticket. Essas três coisas têm riscos muito diferentes. Reverter é seguro e reversível; gerar e publicar um hotfix sozinho, em produção, sem humano no circuito, é a parte que eu gostaria de ver com mais transparência antes de replicar isso num time que atende banco.

O volume que sustenta a narrativa: 73 mil deploys por mês

O outro número do case é 73.000+ deployments num único mês. Dividido por 30 dias, são mais de 2.400 deploys por dia. Isso só é possível com deploys atômicos, build cacheado e, quase certamente, boa parte desse volume vindo de preview deployments (cada PR, cada iteração de agente, gera um ambiente novo), não só de produção.

Esse volume é coerente com o resto do case: se agentes escrevem código o tempo todo e cada tentativa gera um deploy de preview para validação antes de promover, o número de deploys explode rápido comparado a um time só humano. Não é um indicador isolado de velocidade de produção; é um indicador de quantas vezes a esteira inteira (preview + produção) é exercitada por mês.

O que fica em aberto pra quem constrói front-end

O case da Vercel é, antes de tudo, material de marketing de cliente, e isso explica por que ele lista conquistas sem listar os freios. Para quem decide adotar um modelo parecido, as perguntas que o texto não responde são as que mais importam:

• Que testes (unitários, E2E, visuais) correm antes de um commit de agente ser promovido?
• Existe checagem de acessibilidade ou é só funcional?
• Quem revisa o código do agente antes do deploy, ou a revisão é só pós-fato, via observabilidade↳Observabilidade11 conteúdosObservabilidade para APIs: os desafios e benefícios dessa abordagemDev (Back & Front) · jan 2025Falhas em Observabilidade afetam os Apps e a Segurança das OrganizaçõesDev (Back & Front) · nov 2023ADK Java 1.0: O Google quer que você pare de gambiarra Python no seu backendMarketing Tech · abr 2026Ver tudo em DevSecOps →?
• O que acontece quando o agente de remediação erra o diagnóstico do próprio incidente?

Nenhuma dessas perguntas invalida o que a Rogo fez. A infraestrutura de deploy atômico e rollback instantâneo da Vercel é real e já ajuda qualquer time, com ou sem agente escrevendo código. Mas o salto de "deploy rápido" para "agente publica e também apaga o próprio incêndio sem humano" exige guardrails que o case não mostra, e é aí que qualquer equipe de front-end deveria gastar o tempo antes de copiar o modelo, especialmente se o produto final chega às mãos de um usuário final e não só a um painel interno.

Fonte: Vercel Changelog