Jev i els models que no parlen: la IA que decideix dins del software

Quan parlem d’intel·ligència artificial, moltes empreses encara pensen en un xat: una finestra on escrius una pregunta i reps una resposta. Però una part important de la IA que vindrà no tindrà forma de conversa. Treballarà dins del software, prenent petites decisions ràpides: classificar, prioritzar, puntuar, escollir una ruta o activar una automatització.

Aquesta és la idea que hi ha darrere de Jev, el primer model públic de TypeSafe AI. La companyia el presenta com un “System One model”, però segurament és més clar dir-ne model de decisió. A diferència d’un gran model de llenguatge tradicional, Jev no està pensat per redactar textos llargs ni mantenir una conversa. Rep un estat, unes opcions o unes preguntes definides, i retorna decisions estructurades amb probabilitats o nivells de confiança.

Per a una pime, això és interessant perquè apropa la IA a una pregunta molt pràctica: en quins punts del negoci necessitem una resposta escrita, i en quins punts només necessitem una decisió fiable perquè el procés continuï?

No tot ha de ser un xatbot

Un LLM convencional és molt flexible: pot escriure un correu, resumir un document, generar idees o explicar una decisió. Però aquesta flexibilitat també té costos. Pot ser més lent, més car i més difícil d’integrar quan el que realment necessitem és una sortida molt concreta.

Jev fa una aposta diferent: renuncia a generar text lliure i se centra en respostes estructurades. Per exemple: “aquest missatge demana una devolució?”, “quin departament l’hauria d’atendre?”, “quin nivell de risc té aquesta sol·licitud?”, “quina de les opcions disponibles encaixa millor?”.

Segons TypeSafe AI, Jev treballa amb sortides tipades definides prèviament i amb un cost molt baix per volum de text processat. Simon Willison també en destaca aquesta diferència: Jev accepta text com a entrada, però retorna números, categories, sí/no, puntuacions i distribucions de probabilitat, no paràgrafs.

On pot tenir sentit en una empresa petita

La gràcia no és substituir tots els xatbots. És separar millor les peces. Un LLM pot continuar sent útil per redactar, resumir o parlar amb persones. Però moltes automatitzacions internes no necessiten conversa: necessiten decisió.

Alguns exemples pràctics:

• Classificar correus entrants segons urgència, client, tema o risc.
• Prioritzar tiquets de suport abans que els vegi una persona.
• Detectar si una sol·licitud compleix certes condicions.
• Escollir quin flux d’automatització ha de continuar.
• Puntuar oportunitats comercials o incidències segons criteris definits.
• Fer de filtre abans d’enviar una tasca a un model més car.

Aquest últim punt és especialment important. Una empresa no hauria d’enviar-ho tot al model més potent disponible. Sovint té més sentit fer una primera capa barata i ràpida que decideixi què és rellevant, què és rutinari i què necessita una revisió humana o un model més avançat.

Més velocitat, però menys explicació

L’entusiasme tècnic no ha d’amagar els límits. Un model de decisió pot ser molt útil, però també pot ser una caixa negra. Si el sistema diu que un cas té risc alt, cal preguntar-se com ho auditem, com ho mesurem i què passa si s’equivoca.

TechTarget recull una idea clau: models com Jev poden reduir cost i latència en fluxos d’automatització, però no són necessàriament adequats quan cal una explicació humana detallada o una decisió sensible. Per exemple, usar un model així per prioritzar currículums, valorar persones o prendre decisions laborals seria delicat si no hi ha controls forts, proves i supervisió.

Per això, el missatge per a una pime no hauria de ser “posa Jev a tot arreu”. Hauria de ser: identifica decisions petites, repetitives i de baix risc on una resposta estructurada pot ajudar. Mesura resultats. Mantén registre. I deixa les decisions importants amb revisió humana.

La lliçó per a les pimes

Jev pot acabar sent una eina concreta, o potser altres laboratoris llançaran models similars. El que importa és la tendència: la IA empresarial no serà només una col·lecció de xatbots, sinó una combinació de models especialitzats dins de processos.

A Automatitza.cat ho veiem clar: abans de triar eina, cal dibuixar el procés. Quines decisions es prenen cada dia? Quines són repetitives? Quines tenen risc? Quines dades entren? Quina sortida necessita el sistema? A partir d’aquí es pot decidir si cal un LLM, un model de decisió, una regla clàssica o simplement una millor organització de dades.

La tecnologia nova és interessant, però el valor no surt del nom del model. Surt de posar-lo al lloc correcte.

Fonts: TypeSafe AI, Simon Willison i TechTarget.

Si vols veure on tindria sentit aplicar IA dins dels processos de la teva empresa, a Automatitza.cat t’ajudem a detectar casos d’ús realistes i a convertir-los en projectes ben plantejats.