Jev dari TypeSafe adalah AI yang dapat disematkan ke dalam aplikasi untuk menilai, mengklasifikasikan, dan memberi skor pada teks. Kali ini, kita akan membahas Jev.
Jev bukan teman bicara, melainkan pengambil keputusan di dalam aplikasi
Cara termudah memahami Jev adalah dengan memikirkan jawaban seperti apa yang diharapkan dari AI. Bukan “Jelaskan teks ini”, melainkan “Apakah teks ini iklan?”, “Apakah ini urusan pekerjaan atau pribadi?”, atau “Seberapa relevan hasil ini sebagai hasil pencarian?” Jev menangani pertanyaan seperti ini, yang format jawabannya dapat ditentukan sejak awal.
AI percakapan pada umumnya dikenal sebagai alat untuk menjawab pertanyaan dengan teks. Sementara itu, Jev dirancang untuk digunakan pengembang di dalam perangkat lunak. Alih-alih berinteraksi langsung dengan Jev, pengguna memanfaatkannya di balik layar aplikasi yang biasa mereka gunakan, untuk memilah informasi atau menentukan alur pemrosesan.
API menjadi penghubungnya. API adalah sarana bagi aplikasi untuk meminta suatu layanan lain melakukan pemrosesan dan menerima hasilnya. Aplikasi mengirim teks dan pertanyaan ke Jev, menerima hasil penilaian, lalu menggunakannya untuk menentukan tindakan berikutnya.
Hasilnya berupa penilaian, pilihan, atau skor
Materi yang memperkenalkan Jev menyebutkan tiga jenis penggunaan utama: menilai sesuatu, misalnya apakah itu iklan; memilih dari sejumlah opsi, misalnya folder penyimpanan; dan memberi skor, misalnya tingkat relevansi hasil pencarian. AI seperti ini disebut “model penilaian” karena bertugas mengambil keputusan.
Misalnya, aplikasi pengelola email dapat menerima isi pesan dan memilih kategori dari opsi “pekerjaan”, “pribadi”, atau “lainnya”. Ini hanyalah contoh untuk menjelaskan cara kerjanya. Alih-alih membaca uraian panjang lalu mengambil kategorinya, aplikasi langsung menerima jawaban yang dapat digunakannya.
Model bahasa besar biasa juga mampu melakukan klasifikasi dan menghasilkan keluaran dalam format tertentu. Perbedaannya bukan pada kemampuan mengklasifikasikan, melainkan pada rancangan dan penyediaannya yang menjadikan tugas penilaian sebagai penggunaan utama. Namun, materi yang tersedia tidak cukup untuk memastikan struktur internal Jev ataupun perbedaan kinerjanya dengan model bahasa pada umumnya.
Mengurangi kerepotan kecil saat mencari atau menonton video
Contoh pengembangan yang disebutkan antara lain ekstensi untuk melewati segmen sponsor di video YouTube, fitur untuk menghapus komentar negatif dari obrolan, pencarian Gmail yang mengikuti maksud pengguna, dan penyaringan tugas. Materi tersebut juga memperkenalkan upaya untuk mengubah cara menggunakan salin-tempel, seret-dan-lepas, serta pencarian dalam halaman.
Kesamaan dari semua contoh ini adalah bahwa tugasnya memilih informasi yang sudah ada, bukan membuat teks baru. Menyisakan bagian yang ingin ditonton, menemukan email yang dicari, atau menyaring item yang perlu ditangani. Ini menunjukkan bahwa penggunaan AI mulai bergeser dari layar obrolan ke aktivitas sehari-hari.
Namun, contoh pengembangan yang diperkenalkan tidak sama dengan fitur produk yang sudah stabil. Misalnya, saat menghapus “komentar negatif”, hasilnya akan bergantung pada bagaimana sistem membedakan pelecehan dari kritik yang beralasan. Sebelum menerapkannya, perlu ditentukan apa yang ingin disingkirkan dan diuji pula contoh-contoh yang keliru dihapus.
Tugas AI tidak hanya menghasilkan teks
Materi bertanggal 10 Oktober 2026 itu menyebutkan bahwa sejumlah perusahaan mulai menawarkan model penilaian dengan format serupa Jev. Model-model ini memberikan jawaban yang mudah langsung digunakan perangkat lunak, seperti probabilitas suatu kondisi terpenuhi, pilihan dari sejumlah opsi, atau penilaian bertingkat.
Latar belakangnya adalah bahwa tidak semua tahap dalam rangkaian pekerjaan yang dilakukan AI memerlukan teks panjang. Untuk menentukan pemrosesan berikutnya atau memeriksa apakah suatu hasil memenuhi syarat, proses dapat dilanjutkan dengan pilihan atau nilai penilaian.
Pendekatan Jev adalah menempatkan fungsi pengambilan keputusan di dalam aplikasi, alih-alih memperlakukan AI sebagai teman bicara. Namun, format jawaban yang sederhana tidak berarti penilaiannya juga mudah. Materi yang sama juga mencatat evaluasi awal bahwa konsistensi model penilaian dan pengambilan keputusan yang kompleks masih menjadi tantangan.
Saat menerapkan, tentukan batas penilaian sebelum memikirkan kecepatan
Jika ingin menggunakannya, langkah yang realistis adalah terlebih dahulu membedakan “apa yang harus dinilai” dari “apa yang terjadi jika penilaiannya keliru”. Dampak kesalahan pada proses pemberian label email berbeda dengan proses menyembunyikan komentar secara otomatis. Merancang mekanisme untuk meneruskan kasus yang meragukan kepada manusia juga patut dipertimbangkan.
Jawaban yang singkat juga tidak menjamin biaya seluruh sistem akan turun. Materi tersebut juga memperingatkan bahwa penggunaan AI penunjang pemrograman untuk meringkas riwayat percakapan dapat mengganggu mekanisme penghematan biaya yang menggunakan kembali masukan sebelumnya.
Materi yang tersedia tidak mencakup daftar harga terperinci Jev, pengujian akurasi independen, maupun ketentuan penyimpanan dan penggunaan data. Jika diterapkan pada email pekerjaan atau komentar pelanggan, ketentuan-ketentuan tersebut serta tingkat kesalahan penilaian terhadap masukan nyata perlu diperiksa secara terpisah.
コメント