No dia 15 de setembro de 2026, a TypeSafe AI anunciou o Jev, um modelo de inteligência artificial que recebe informações, avalia perguntas e devolve respostas estruturadas para um programa usar. Seu grande diferencial é que ele não foi criado para conversar, escrever artigos ou gerar códigos. Sua proposta é escolher rapidamente entre as opções que foram previamente definidas pela aplicação e entregar uma resposta, sem gerar texto.
Isso levanta uma pergunta importante:
O que muda para nós quando a resposta de uma IA deixa de ser um texto e passa a ser uma decisão?
Neste artigo, vou explicar como o Jev funciona, onde ele pode ser útil e por que uma decisão, sem gerar texto para o desenvolvedor, ainda precisa ser avaliada por um humano.
Sumário
O que é o Jev e por que ele foi criado?
A TypeSafe AI é uma empresa fundada por Diogo Almeida, que trabalhou na OpenAI no desenvolvimento de métodos para ajudar os modelos de linguagem a seguir instruções e entregar resultados para os usuários, com IA Generativa.
Porém, atuando agora com o Jev, sua entrega é diferente. A TypeSafe chama-o de seu primeiro modelo System One, desenvolvido para fazer avaliações rápidas dentro de sistemas de software.
O modelo também já aparece na documentação da Vercel e da Cloudflare, que mostram formas de utilizá-lo em aplicações.
Para ilustrar, pense em uma aplicação que recebe solicitações de atendimento. Essa aplicação precisa identificar o assunto de cada mensagem e encaminhá-la para uma equipe responsável por respondê-la. Se o cliente já selecionou a opção “financeiro”, uma regra simples fará esse encaminhamento. Mas, se ele escolheu “outros“, alguém precisa interpretar essa mensagem manualmente. E é aqui que entra em ação o Jev, para fazer esse tipo de avaliação e devolver a resposta em algum formato já definido previamente.
Por exemplo, uma regra que envia para a equipe de suporte todas as mensagens que contêm a palavra “senha” deixaria de reconhecer alguém que escreveu apenas “não consigo acessar a minha conta”. O objetivo de adicionar uma avaliação por IA seria considerar o sentido da mensagem, sem exigir que tenhamos uma lista de vocabulário de palavras “fechadas” para atender a cada requisição, ampliando as situações do que o sistema consegue analisar.
Claro que o desenvolvedor ainda será o responsável por determinar as opções disponíveis e o que deve acontecer depois da resposta. Porém, este novo modelo ajudará a interpretar as informações que, se estivessem em uma regra fixa, não seriam possíveis de entender sozinho.
Como o Jev responde sem escrever uma frase
Vamos ilustrar hipoteticamente que um cliente envie a seguinte mensagem:
“Troquei minha senha e não consigo entrar na minha conta. O e-mail de recuperação também não chega para mim.”
A aplicação envia esse contexto ao Jev e informa previamente as opções disponíveis: cursos, financeiro ou suporte. Ela também formula a pergunta:
“Qual equipe deve receber este chamado?”
O diagrama abaixo mostra como o contexto e as perguntas chegam ao Jev e como a aplicação usa as respostas recebidas para decidir um caminho.
Nesse exemplo, o modelo devolveria uma das opções permitidas, além de informações sobre a probabilidade das alternativas. A aplicação receberia esse resultado e decidiria, conforme as regras que foram estabelecidas pelos desenvolvedores, se encaminharia o chamado ou se pediria uma intervenção humana.
Enquanto o Jev fornece a avaliação, a aplicação decide como utilizá-la.
Aliás, a documentação oficial do Jev apresenta três tipos de pergunta.
- Choice: escolhe uma opção de uma lista. Como, qual será a equipe responsável por responder ao chamado?
- Score: atribui uma pontuação seguindo os critérios definidos, por exemplo, para avaliar a urgência da mensagem.
- Noul: que informa, em uma escala de 0 a 1, a probabilidade atribuída.
No caso do Noul, a aplicação recebe uma estimativa, não uma ordem para agir. Por exemplo, se a pergunta for:
“Esta mensagem solicita um reembolso?”
O resultado do Noul indicará o quanto o modelo considera essa afirmação verdadeira, com base no contexto recebido. E cabe aos desenvolvedores estabelecerem o que fazer com a estimativa gerada e testar se ela está sendo útil para separar os casos para automatização, daqueles que precisam de uma intervenção humana.
Isso é chamado de respostas tipadas, porque a aplicação determina antecipadamente o formato que receberá e o programa não precisa procurar a categoria correta dentro de um parágrafo.
Onde o Jev pode ser usado?
O encaminhamento de chamados que citei é um exemplo. Outra possibilidade seria avaliar se um comentário contém sinais de spam e deve ser publicado ou enviado para revisão. A mesma lógica poderia ajudar a priorizar mensagens, classificar pedidos, sugerir músicas parecidas no seu player ou escolher o próximo passo de um atendimento.
Também penso que, a partir do momento em que o Jev começar a ficar popular, ele terá um grande impacto na classificação de mensagens. Se antes uma solicitação em algum momento tinha uma intervenção humana, ela diminuirá. E o cliente apenas enxergará o resultado, sem perceber que foi uma IA que participou daquele processo.
Considere outro exemplo prático, como em agentes de IA. Penso que o Jev poderia participar de decisões menores ao longo de uma tarefa, como escolher qual ferramenta consultar em seguida ou verificar se determinada etapa precisa da aprovação de uma pessoa, ou se o contexto recebido já é suficiente para decidir sozinho.
A Vercel explica mais sobre a divisão de responsabilidades, que, enquanto o modelo fornece uma avaliação da mensagem, é o código da aplicação que controla as permissões e executa as ações.
O que os testes de velocidade e custos mostram?
A TypeSafe AI informa que, em testes de fluxos de trabalho definidos pela própria empresa, o Jev chegou a ser 193,6 vezes mais rápido e 444,6 vezes mais barato que os modelos de linguagem usados na comparação.
Parte dessa rapidez vem do fato de que o Jev foi desenvolvido para retornar avaliações estruturadas, sem gerar uma resposta de texto.
Porém, a própria empresa reconhece que esses números provavelmente estão entre os maiores ganhos possíveis em situações reais e que os fluxos avaliados foram elaborados por integrantes de sua equipe. Ela também observou que uma de suas demonstrações usa uma entrada curta que favorece o Jev. Por isso, antes de usar esses resultados para estimar custo ou tempo de resposta, é necessário testar a tarefa e os dados da própria aplicação.
Também é preciso comparar tarefas equivalentes. Pedir a um modelo de linguagem que escreva uma justificativa completa leva mais trabalho do que pedir a outro que escolha uma categoria.
Quem responde por uma decisão errada?
Uma resposta no formato certo ainda pode ser classificada incorretamente. Conforme explica a Vercel, a garantia de formato diz respeito à estrutura da resposta, não à interpretação correta das informações. Saber que o modelo atribuiu uma probabilidade a uma opção também não explica, por si só, todos os motivos da escolha.
Por isso, antes de automatizar um processo, é preciso definir quais opções o modelo pode escolher, testar suas respostas com casos já resolvidos e decidir quando o resultado deve seguir para revisão humana.
Também ajuda registrar qual informação foi avaliada, qual resposta o modelo devolveu e qual ação o sistema executou. Assim, se um chamado for encaminhado incorretamente, os desenvolvedores poderão verificar onde o processo precisa de melhorias e ajustar suas regras ou seus critérios de revisão.
Em resumo, o Jev apresenta uma saída rápida de como uma aplicação pode usar a IA para tomar pequenas decisões estruturadas, sem que o usuário veja o modelo em ação. Por isso, ao aplicar essa tecnologia no seu projeto, além de medir a rapidez, é preciso verificar se as escolhas estão corretas e definir quando o sistema deverá solicitar uma revisão humana.
Pessoalmente, vejo o Jev como um recurso que pode trabalhar junto com agentes de IA, ajudando a avaliar o contexto de uma etapa e a escolher entre os caminhos que foram previamente definidos.
Estamos novamente presenciando uma nova fase da inteligência artificial, e o Jev abriu a porta para aumentar o desempenho das entregas, ao mesmo tempo que diminuirá em muitos projetos os custos das respostas.
E você, consegue enxergar a aplicação do Jev no seu próximo projeto? Compartilhe sua opinião nos comentários.
