Jev: el modelo de IA rápido y económico que decide

Hasta ahora, para que una IA tomara una decisión dentro de un proceso había que usar un modelo de lenguaje: se le planteaba la pregunta, razonaba, contestaba con una frase y, después, un trozo de código tenía que leer esa frase y deducir qué había decidido. Funciona, pero es lento, caro y frágil.

Jev, de TypeSafe AI, funciona de otro modo: decide, no redacta. Recibe la situación y las respuestas posibles, y devuelve la elegida con su nivel de confianza, en un formato que el programa siguiente puede procesar directamente.

Un modelo de IA más rápido y económico que decide en lugar de escribir

Un modelo de lenguaje piensa en voz alta, palabra por palabra. Es lo que hace falta para redactar un informe o explicar un razonamiento, y por eso tarda y cuesta. Pero muchas de las decisiones de una empresa no necesitan razonar: ¿este correo es una queja o un pedido?, ¿este contacto encaja con lo que buscamos?, ¿este valor del sensor es normal? Una persona las contesta en medio segundo.

Un modelo como Jev resuelve ese tipo de decisión directamente, sin pasar por todas las capas de razonamiento de un modelo de lenguaje. Es lo que se llama un modelo de “Sistema 1”. Para una empresa, se traduce en tres ventajas:

• Es más rápido y más barato. Lo bastante como para usarlo cientos de veces seguidas con un coste asumible, que es lo que requiere un proceso con mucho volumen.
• La respuesta no hay que interpretarla. Llega como una opción concreta, no como un “Sí, claro, parece urgente” que el programa siguiente no sabe leer. Ese error, habitual en las automatizaciones con IA, desaparece.
• La confianza viene con la respuesta. Permite diseñar el circuito necesario: por encima de cierta confianza, el sistema decide solo; por debajo, lo revisa una persona.

Jev no sustituye a los modelos de lenguaje: los complementa

Para redactar, resumir o razonar, los modelos de lenguaje siguen siendo la herramienta. Lo que aporta un modelo que solo decide es abrir casos de uso que hasta ahora no se podían resolver del mismo modo: revisar miles de elementos al día, uno por uno, con un modelo de lenguaje era demasiado lento y demasiado caro para que compensara.

Por eso lo habitual no es elegir uno de los dos, sino trabajar por capas: el modelo que decide filtra y clasifica todo lo que entra, y el modelo de lenguaje solo trabaja sobre lo que ha pasado el filtro. Cada uno hace lo que mejor sabe hacer, y los recursos se gastan donde aportan.

Cómo beneficia Jev a las automatizaciones

En una automatización con IA, el flujo de trabajo está decidido de antemano (si pasa A, luego B) y la IA resuelve pasos concretos. Cuando un paso es una decisión, un modelo así encaja de forma natural:

• Clasificar y repartir lo que entra. Correos, tickets, incidencias o pedidos: a qué área van y con qué prioridad.
• Validar datos antes de pasarlos a otro programa. Que lo que entra en el ERP o en la facturación sea válido, no solo que el campo esté relleno.
• Puntuar los contactos que llegan de la web, para que el equipo comercial empiece por los que encajan.
• Filtrar grandes volúmenes de convocatorias, noticias, currículums o documentos antes de que un modelo de lenguaje lea nada.

Jev en los agentes de IA

Un agente de IA decide el camino por su cuenta, y cada paso es una decisión. Con un modelo que solo decide, el agente:

• Elige el siguiente paso o la herramienta sin pasar cada vez por un modelo de lenguaje.
• Sabe cuándo pedir aprobación. Lo que está claro sigue adelante, y lo dudoso lo revisa una persona.
• Tiene barreras. Sus acciones se revisan antes de ejecutarse, y las arriesgadas se frenan antes de que pasen.

Jev con datos de máquina

En una planta, los datos llegan cada pocos segundos y la decisión tiene que llegar igual de rápido: si un valor es normal o si una parada merece un aviso. Es una aplicación clara de la IA en la industria: en una cadena de montaje no hace falta una IA que genere texto, sino una inteligencia rápida que revise y decida.

Caso de uso real: filtrar licitaciones públicas por capas con Jev

Para ver cómo encajan las piezas, veamos un caso de uso real aplicado a una herramienta propia, un buscador de licitaciones inteligente:

1. Un agente busca. Cada cierto tiempo, revisa las convocatorias y licitaciones que se publican en internet.
2. Jev decide si encaja. Compara cada licitación con los parámetros de la empresa que quiere presentarse y devuelve si encaja y en qué porcentaje. Las que no encajan se descartan en ese paso y no se registran en la herramienta.
3. Una automatización descarga los pliegos de las licitaciones que han pasado el filtro.
4. Un modelo de lenguaje comercial los analiza. Lee los pliegos, estima el porcentaje de dificultad de presentarse y escribe un resumen.
5. Y la persona que lleva las licitaciones decide, con el resumen y los dos porcentajes delante, si vale la pena participar.

Jev procesa y filtra los datos publicados; el modelo de lenguaje, que es el caro, solo lee lo que ha pasado el primer filtro. Por eso procesar más fuentes no multiplica el coste en la misma proporción: el filtro inicial es la parte barata.

El mismo patrón sirve para cualquier pregunta del tipo ¿cuánto se parece esto a lo que busco?: proveedores frente a unos requisitos, datos nuevos frente a los que ya están almacenados o incidencias frente a las que ya se han resuelto.

Cuándo no encaja un modelo que solo decide

Cuando hay que escribir: redactar un correo, resumir un acta, mantener una conversación o explicar un razonamiento. Ese trabajo sigue siendo de un modelo de lenguaje.

Tampoco cuando la decisión es única e importante. Un modelo así rinde en el volumen, en miles de decisiones pequeñas; para la que se toma una vez al año, el cuello de botella no es la velocidad.

Dónde integrar Jev: software a medida, aplicaciones móviles y datos

Jev no es una herramienta de chat: se integra en otros programas a través de su API. La aplicación envía el dato y las opciones posibles, y recibe la opción elegida con su confianza en menos de un segundo. Admite tres tipos de pregunta: elegir entre varias opciones, puntuar según unos criterios y estimar si una afirmación es cierta.

En software a medida

Las aplicaciones de gestión toman decisiones repetitivas que hoy dependen de una persona o de una regla fija: asignar una tarea, priorizar una incidencia o marcar un pedido para revisión. En un software a medida, Jev puede tomarlas en el momento en que se registra el dato. Las decisiones con una confianza baja quedan pendientes de revisión.

Ejemplo: en una aplicación de incidencias, cada incidencia se asigna a un técnico y a una prioridad al crearla.

En aplicaciones móviles

En una app, la decisión tiene que llegar mientras el usuario espera: Jev responde en menos de un segundo, y un modelo de lenguaje tarda varios. En las aplicaciones móviles, la llamada se hace desde el servidor de la aplicación, no desde el teléfono, para no exponer la clave de acceso ni enviar más datos de los necesarios.

Ejemplo: en una app de partes de trabajo, el técnico escribe una nota y la app propone el tipo de intervención (avería, mantenimiento o presupuesto) y la prioridad.

En la clasificación de documentos y productos

Jev asigna cada elemento a una de las categorías que define la empresa: tipos de documento, familias de producto o motivos de consulta. Se aplica en un gestor documental o en un catálogo de productos.

Ejemplo: a partir del texto de cada documento que se sube al gestor documental, Jev indica si es una factura, un contrato, un albarán o un presupuesto, y la aplicación propone la carpeta donde archivarlo.

En la limpieza y la normalización de datos

En una migración o en una auditoría de la calidad de los datos, los campos de texto libre pasan a ser listas cerradas. Jev asigna cada valor escrito a mano a una opción de la lista.

Ejemplo: en la migración de un CRM, el campo “sector” contiene cientos de variantes, como “hostelería”, “restauración” o “bar-restaurante”. Jev asigna cada una a un sector de la lista del sistema nuevo; las que no tienen una correspondencia clara quedan para revisión.

En la detección de datos inválidos

Las validaciones de formato comprueban que un campo tenga forma de teléfono o de dirección, pero no que el contenido tenga sentido. Para eso, Jev evalúa afirmaciones como “esta descripción corresponde a este producto” o “este texto es una dirección”, y devuelve una probabilidad.

Ejemplo: en una importación de proveedores, antes de que los datos entren en el ERP, se marcan los registros con el nombre de la empresa en el campo de la persona de contacto o con una descripción que no corresponde a la categoría.

Qué hay que definir antes de integrar Jev

• Las preguntas. Jev da mejores resultados con preguntas concretas y separadas que con una pregunta compleja, por lo que cada decisión se descompone en varias. Las preguntas se evalúan en paralelo, así que añadir más apenas cambia el tiempo de respuesta.
• Las respuestas posibles, cerradas y conocidas de antemano.
• El umbral de confianza a partir del cual el sistema actúa sin revisión.
• Los datos que se envían, porque Jev es un servicio externo.

Preguntas frecuentes sobre Jev