OpenEvidence usa Vercel e Next.js para atender 650 mil médicos com deploys em cerca de cinco minutos

O caso da OpenEvidence mostra um fluxo de deploy simples sustentando um produto em que indisponibilidade custa caro. A aplicação voltada a médicos é feita com Next.js. Ao dar push numa branch de desenvolvimento, a Vercel gera um preview com link para demos e testes com colegas. Push ou merge na branch de produção dispara o build e o deploy, e dá para fazer rollback para um deploy anterior. Isso sustenta várias releases por dia.

Um detalhe técnico chama atenção: a equipe é majoritariamente de Python e machine learning, e Andy Yoon, Engineering Lead, era praticamente o único engenheiro com formação em frontend. Na parte de custo, a empresa ativou o Fluid compute e diz ter cortado o gasto com serverless em 90%, mantendo a mesma performance. A Vercel representa menos de 5% do gasto total de infraestrutura, mesmo com crescimento de 1000x, segundo Micah Smith, VP de Engineering. O Fluid compute deixa várias requisições compartilharem a mesma instância de função, e com Active CPU pricing o tempo de espera por banco de dados ou backend de IA não gera cobrança de CPU (a memória continua sendo cobrada).

O padrão se repete no Take Home, primeiro aplicativo para pacientes: cada app é um projeto Vercel próprio, com domínio próprio, o que permite atualizar a experiência do paciente sem tocar nos demais.

Para quem opera um produto com pouca gente de frontend, a leitura é que preview por branch, rollback e um projeto isolado por aplicação reduzem o trabalho de infraestrutura. Já os números de custo e de pico de tráfego vêm da própria empresa e do fornecedor, então vale medir o seu caso antes de projetar ganho parecido, sobretudo em cargas que passam muito tempo esperando serviços externos.