Jev, de TypeSafe, es una IA que permite integrar en aplicaciones la evaluación, clasificación y puntuación de textos. En este artículo explicamos qué es Jev.
Jev no es un interlocutor conversacional, sino el encargado de tomar decisiones dentro de una aplicación
La forma más sencilla de entender Jev es pensar qué queremos que nos devuelva la IA. No se trata de «explica este texto», sino de preguntas como «¿es publicidad?», «¿es de trabajo o personal?» o «¿hasta qué punto es relevante como resultado de búsqueda?». Jev se ocupa de preguntas cuya respuesta puede tener un formato predefinido.
Las IA conversacionales suelen utilizarse para responder preguntas mediante textos. Jev, en cambio, está pensado para que los desarrolladores lo usen dentro del software. En lugar de conversar directamente con Jev, los usuarios cuentan con él para clasificar información o decidir cómo procesarla desde el segundo plano de las aplicaciones que utilizan a diario.
El punto de conexión es la API. Una API es una interfaz que permite a una aplicación solicitar una operación a otro servicio y recibir el resultado. Se envían a Jev un texto y una pregunta, se recibe una decisión y, a partir de ella, se determina el siguiente paso de la aplicación.
Devuelve decisiones, opciones o puntuaciones
Los materiales describen tres grandes usos: determinar, por ejemplo, si algo es publicidad; elegir entre varias opciones, como una carpeta donde guardar un archivo; y puntuar, por ejemplo, la relevancia de un resultado de búsqueda. Como son modelos que se encargan de tomar decisiones, este tipo de IA se presenta como «modelos de decisión».
Por ejemplo, una aplicación para organizar el correo podría recibir el cuerpo de un mensaje y elegir una categoría entre «trabajo», «personal» y «otros». Es un ejemplo para explicar el mecanismo: en lugar de leer una explicación larga y extraer después la categoría, la aplicación recibe directamente la respuesta que necesita.
Los modelos de lenguaje grandes convencionales también pueden clasificar y generar respuestas en un formato determinado. La diferencia no está en si pueden clasificar o no, sino en que Jev está diseñado y se ofrece principalmente para ese tipo de decisiones. Sin embargo, los materiales disponibles no permiten confirmar cómo funciona internamente Jev ni qué diferencias de rendimiento tiene respecto a los modelos de lenguaje habituales.
Reducir pequeñas molestias al buscar o ver vídeos
Entre los ejemplos de desarrollo citados figuran una extensión que salta los segmentos patrocinados de vídeos de YouTube, una función que elimina comentarios negativos de los chats, búsquedas en Gmail adaptadas a la intención del usuario y filtros para tareas. También se describen pruebas para modificar acciones como copiar y pegar, arrastrar y soltar o buscar dentro de una página.
Todos estos casos tienen algo en común: se trata más de seleccionar información que ya existe que de generar texto nuevo. Dejar lo que queremos ver, encontrar el correo que buscamos o acotar los elementos que hay que procesar. Puede decirse que la IA pasa de la pantalla de chat a las operaciones cotidianas.
No obstante, los ejemplos de desarrollo presentados no equivalen a funciones de producto estables. En el caso de eliminar «comentarios negativos», por ejemplo, el resultado depende de cómo se distinga el acoso de las críticas legítimas. Antes de implantar la función, hay que decidir qué se quiere excluir y comprobar los resultados, incluidos los casos eliminados por error.
La IA no se limita a generar texto
Unos materiales fechados el 10 de octubre de 2026 describen cómo varias empresas están ofreciendo modelos de decisión con un formato similar al de Jev. Estos devuelven respuestas que el software puede utilizar directamente, como la probabilidad de que se cumpla una condición, la elección entre varias opciones o una evaluación por etapas.
El motivo es que, cuando una IA lleva a cabo varias tareas, no necesita generar textos largos en todas las etapas. Para decidir qué operación realizar a continuación o si un resultado cumple una condición, basta con disponer de una opción o un valor de decisión para continuar el proceso.
El enfoque de Jev consiste en integrar funciones de decisión en las aplicaciones, en lugar de tratar la IA como un interlocutor. Sin embargo, que la respuesta tenga un formato sencillo no significa que la decisión en sí sea fácil. Los mismos materiales recogen evaluaciones preliminares que señalan que los modelos de decisión todavía presentan dificultades en cuanto a coherencia y toma de decisiones complejas.
Antes de implantarlo, conviene definir los límites de las decisiones, no priorizar la velocidad
Si se va a utilizar en la práctica, lo más sensato es empezar por distinguir «qué queremos que decida» de «qué ocurre si se equivoca». El impacto de un error no es el mismo al asignar etiquetas a correos que al ocultar comentarios automáticamente. También conviene plantearse un diseño que remita a una persona los casos dudosos.
Que la respuesta sea breve no significa necesariamente que vaya a reducirse el coste total del sistema. Los materiales también advierten de que integrar la compresión del historial de conversación de una IA de asistencia a la programación podría perjudicar un mecanismo que ahorra costes al reutilizar entradas anteriores.
Los materiales disponibles no incluyen una tarifa concreta de Jev, una verificación independiente de su precisión ni las condiciones de almacenamiento y uso de los datos. Antes de implantarlo para gestionar correos de trabajo o comentarios de clientes, hay que comprobar por separado estas condiciones y la tasa de errores con datos reales.
コメント