Jev: L'IA più veloce ed economica per il processo decisionale automatizzato

L'AI che non scrive, ma trasforma l'automazione del lavoro

"Chi dovrebbe gestire questa richiesta?" "Questo testo contraddice la documentazione?" "Abbiamo bisogno di un'AI ad alte prestazioni per questa richiesta?"

Quando si cerca di automatizzare il lavoro, queste piccole decisioni sorgono ripetutamente. Ciò che vuoi non è una grande spiegazione, ma una risposta che ti permetta di procedere al compito successivo. Tuttavia, chiamare un'AI generativa ad alte prestazioni per ogni singola decisione accumula tempi di elaborazione e costi.

Ecco un'AI molto interessante. Si chiama "Jev", rilasciata da TypeSafe AI il 15 settembre 2026. Non è un modello progettato per scrivere testi, ma uno specializzato in compiti come classificazione, giudizio e punteggio. È il primo di una nuova serie chiamata "System One models". (TypeSafe AI

Tuttavia, chiariamo prima un malinteso. Jev non supera tutte le altre AI al mondo in ogni metrica, né è la più economica per ogni caso d'uso. Il punto di interesse è che può integrare processi decisionali basati sul significato a basso costo e alta velocità.

Non si tratta di sostituire la tua AI chat quotidiana. Potrebbe trattarsi di ridurre i tempi di attesa e i costi inutili nei sistemi AI o aziendali che utilizzi attualmente. Da questa prospettiva, il fascino di Jev diventa evidente.

Nota: Le funzionalità, i prezzi e la disponibilità sono aggiornati al 18 settembre 2026.

1. Jev non è un'"AI che scrive" ma un'"AI che restituisce decisioni"

La premessa fondamentale di Jev è passare le informazioni necessarie e le domande, e ricevere risultati in un formato predefinito. Le informazioni di input sono chiamate "state", ma non c'è bisogno di complicarsi la vita. È semplicemente una raccolta di materiali per il giudizio, come corpi delle richieste, dettagli dei contratti dei clienti o regole interne. Puoi passare questo non solo come testo, ma anche come JSON con nomi di elementi e valori. (TypeSafe AI

Ad esempio, supponiamo che un cliente ti contatti dicendo: "Penso di essere stato fatturato due volte, controllate per favore."

Ciò che chiedi a Jev di fare non è scrivere un'email di scuse. È prendere decisioni come: "Quale dipartimento gestisce questo: Fatturazione, Tecnico o Vendite?", "È esplicitamente richiesto un rimborso?" e "È necessaria una risposta urgente?"

Il programma che riceve questi risultati etichetta la richiesta o notifica la persona responsabile. Se è necessaria una risposta, viene chiesto a un'altra AI generativa di redigere il testo. Separi il giudizio dalla scrittura. Questo metodo di integrazione è documentato ufficialmente. (TypeSafe AI

Nota che Jev stesso non va a leggere le email o a inviarle ai clienti autonomamente. Il recupero delle informazioni, il controllo dei diritti di accesso e l'esecuzione delle azioni sono gestiti dai programmi circostanti. Jev gestisce i giudizi richiesti nel mezzo. L'interfaccia per il software per chiamare l'AI è l'API. (TypeSafe AI

2. Tre funzioni principali: Scegli, Valuta e Giudizio probabilistico

Jev ha tre tipi principali di formati di domanda. Comprendere questi chiarisce quali compiti può gestire.

Choice: Seleziona tra opzioni predefinite

Choice è una funzione che seleziona un'opzione da una lista preparata. Può essere utilizzata per classificazioni come "Indirizza a Vendite, Supporto o Contabilità?" o "Questo articolo è Introduttivo, Pratico o Notizia?"

Il valore restituito non è solo la selezione. Ricevi anche probabilità per ogni candidato e valori per gestire la fiducia. Attualmente, puoi configurare fino a 255 opzioni per domanda. Se gli input potrebbero non rientrare in nessuna categoria, includere "Altro" o "Informazioni insufficienti" è una pratica standard. (TypeSafe AI

Score: Valuta secondo criteri

Score valuta gli articoli in base a criteri di valutazione ordinati.

Ad esempio, definisci l'urgenza della richiesta come "Risposta standard", "Risposta rapida necessaria" o "Attività interrotta; risposta immediata necessaria". Invece di chiedere vagamente "Importanza su 100", spiega cosa significa ogni livello.

L'output include punteggi più probabilità per ogni livello. Questi rappresentano il posizionamento rispetto ai criteri, non calcoli esatti di importi di vendita o conteggi di occorrenze. (TypeSafe AI

Noul: Restituire la probabilità di soddisfazione della condizione

Noul viene utilizzato per domande sì/no come "Questo testo contiene intenzione di cancellazione?". Il risultato è un valore tra 0 e 1.

Fondamentalmente, distingui tra "probabilità di occorrenza" e "azione di risposta effettiva". Decidere se notificare un manager o confermare con l'utente perché la probabilità di cancellazione è alta è una tua decisione. Noul restituisce materiali per il giudizio; non detta la politica. (TypeSafe AI

3. Perché è veloce? Giudizi paralleli invece di risposte lunghe

Invece di generare spiegazioni sequenzialmente, Jev restituisce risposte fisse e probabilità in parallelo. TypeSafe spiega che utilizza un metodo di addestramento chiamato "RLCD" che dà priorità all'appropriatezza dei giudizi e delle probabilità. Il suo obiettivo differisce dalla creazione di testi preferiti dagli umani. (TypeSafe AI

Per gli utenti, il vantaggio chiave è la capacità di raggruppare più domande per un singolo pezzo di informazione.

Ad esempio, leggi una richiesta e contemporaneamente controlla "Classificazione", "Urgenza", "Richiesta di Rimborso" e "Livello di Insoddisfazione". Questo riduce i round-trip di comunicazione rispetto all'attesa di un risultato prima di inviare la domanda successiva. Ufficialmente, aggiungere domande tipicamente non aumenta significativamente il tempo di risposta. (TypeSafe AI

Tuttavia, più domande significano più token di input. Non sono disponibili query illimitate gratuite. Inoltre, poiché ogni domanda è valutata indipendentemente, i processi che richiedono logica sequenziale (leggere le risposte precedenti) necessitano di chiamate separate o diramazioni di codice. (TypeSafe AI

Se hai pensato: "Le AI generative normali non possono fare anche classificazione e output JSON?"—hai ragione. OpenAI e altri offrono output strutturati. Il valore di Jev non sta nell'inventare l'output strutturato, ma nell'ottimizzare velocità, prezzo e output probabilistici specificamente per compiti di giudizio ristretto ripetitivi. (OpenAI Developers

4. Quanto è economico? $42 per 1 milione di richieste a 1.000 token ciascuna

Il prezzo pubblico dell'API di Jev è $0,042 per milione di token di input. I token di output sono gratuiti. Non è un piano mensile illimitato, ma pay-per-input-volume. I costi sono calcolati in "token", l'unità che l'AI usa per elaborare il testo. (TypeSafe AI

Per visualizzare, assumi 1.000 token per input fatturabile (inclusi contesto e domande).

Questo è un semplice calcolo dalle tariffe pubbliche, non misurazioni reali. I tassi di cambio sono assunzioni. Se la dimensione dell'input aumenta cinque volte, i costi aumentano cinque volte.

Inoltre, questo esclude il recupero dati, i server, la trascrizione, altre AI generative e lo sviluppo/manutenzione del sistema. Non significa "Tutti i 1 milione di compiti aziendali possono essere completati per ¥6.300". Tieni quelle cose separate.

Tuttavia, per applicare gli stessi controlli a enormi set di dati, questo prezzo unitario vale la pena considerare. I prezzi bassi contano di più quando si elaborano continuamente decine di migliaia di commenti, richieste o documenti, piuttosto che solo poche richieste.

5. Dovresti credere a "194x più veloce, 445x più economico"?

Il sito ufficiale elenca cifre come "193,6x più veloce" e "444,6x più economico". Tuttavia, queste si basano su valutazioni specifiche di workflow mirati a compiti di tipo System One. Tali differenze non si applicano a tutti i processi. (TypeSafe AI

TypeSafe stessa nota che questi moltiplicatori rappresentano l'estremità superiore dei miglioramenti raggiungibili. I benchmark utilizzano previsioni di modelli grandi e non dimostrano la superiorità in tutti i casi aziendali verificati dall'uomo. I tempi di risposta pubblicati di 70–500ms devono anche essere considerati insieme alle condizioni di rete e al contenuto dell'input. (TypeSafe AI

Un riferimento utile è la misurazione di Classmethod pubblicata il 17 settembre. Valutando quattro tipi di input dieci volte ciascuno (40 totali), i tempi di risposta mediani erano circa 0,643–0,674 secondi, e il costo per chiamata era circa $0,000025–$0,000027. Nota che questa era una verifica utilizzando quattro input distinti e facili da capire ripetuti, non una garanzia di accuratezza in ampi scenari del mondo reale. (Classmethod DevelopersIO

Guarda oltre i moltiplicatori di marketing verso: "È sufficientemente accurato per il mio lavoro, più economico di ora e più veloce di ora?" Verifica questo con i tuoi dati per decidere se l'adozione ha senso.

6. Dieci casi d'uso pratici per Jev

Basandosi sugli esempi ufficiali, ecco applicazioni pratiche. Queste non sono app pronte all'uso ma richiedono la combinazione di API con infrastrutture circostanti.

① Classificare le richieste e determinare l'ordine di risposta

Crea un sistema che giudica contenuto, urgenza e livello di insoddisfazione dal testo della richiesta, indirizzandoli a dipartimenti o liste di attesa. (TypeSafe AI

Anche se etichettato come "Bug", le richieste vicine alle richieste di funzionalità differiscono da quelle che bloccano l'attività. Inizia contrassegnando i contatti critici piuttosto che rispondere automaticamente.

② Organizzare i commenti sui social media per la pianificazione

Applica la classificazione per ordinare i commenti sui social media in "Domande", "Reclami", "Testimonianze" o "Esitazione pre-acquisto". L'etichettatura dei contenuti generati dagli utenti è un caso d'uso ufficiale. (TypeSafe AI

Se molti dicono "Sembra difficile", mostra i passaggi nel prossimo post. Se molti chiedono del prezzo, correggi la spiegazione del prezzo. Usa Jev per organizzare le reazioni per la pianificazione, non per produrre in massa post.

③ Dare priorità ai lead di vendita

Valuta se le richieste menzionano problemi specifici, tempistiche di implementazione o idoneità per il tuo servizio. Ordina la lettura per i rappresentanti di vendita. (TypeSafe AI

Non concludere "Questa persona comprerà sicuramente" solo dal testo. I punteggi servono per dare priorità, non per scartare i lead.

④ Filtrare informazioni rilevanti dai documenti interni per RAG

Nella generazione aumentata dalla ricerca, verifica se gli snippet recuperati sono effettivamente correlati alla domanda. Usa Jev per giudicare rilevanza/contraddizioni e filtrare ciò che va all'AI che risponde. (TypeSafe AI

Per domande sulla politica delle ferie, escludi politiche irrilevanti e dai priorità ai regolamenti applicabili. Separa la ricerca dalla valutazione dei risultati della ricerca.

⑤ Verificare le citazioni dell'AI

Controlla se le affermazioni generate dall'AI corrispondono alle fonti citate. Gli esempi ufficiali usano codice per verificare l'esistenza della citazione e Jev per giudicare il supporto semantico. (TypeSafe AI

Se il testo dice "Dimostrato efficace", la fonte potrebbe solo suggerire possibilità. Controlla l'allineamento del contenuto, non solo la presenza dell'URL.

⑥ Controlli pre-pubblicazione delle risposte AI

Ispeziona gli input/output dell'AI per richieste pericolose o violazioni delle regole, indirizzando quelli sospetti agli umani. Il codice decide passa/blocca/rivedi in base ai giudizi. (TypeSafe AI

Utile per controllare se le risposte promettono termini non confermati o perdono informazioni. Poiché i giudizi possono errare, non affidarti a questo come unica misura di sicurezza.

⑦ Indirizzare solo le richieste complesse all'AI di fascia alta

Le query semplici vanno al codice standard; le richieste di spiegazione all'AI generativa; i problemi complessi a modelli ad alte prestazioni/umani. Usa Jev per il triage iniziale. (TypeSafe AI

Non c'è bisogno di ragionamenti lunghi solo per restituire lo stato di spedizione per un numero d'ordine. Ma verifica se l'overhead di routing risparmia davvero tempo/costi.

⑧ Selezionare candidati estratti dai documenti

Quando le fatture producono più importi/contatti, chiedi a Jev "Qual è il totale?" o "Qual è il contatto?". Gli esempi ufficiali estraggono candidati tramite codice, poi selezionano con Jev. (TypeSafe AI

Non lasciare l'OCR delle immagini o l'estrazione a Jev. Lascia che il codice gestisca confronti matematici/delle date. Usa l'AI solo dove è necessario il giudizio.

⑨ Controlli semantici per articoli/post

I programmi contano i caratteri. Ma controllare "I termini sono spiegati per i principianti?" o "Il corpo risponde al titolo?" richiede la lettura. I controlli semantici sono un caso d'uso ufficiale. (TypeSafe AI

Chiedi "Il lettore target è chiaro nell'introduzione?" o "I prerequisiti sono dichiarati?" piuttosto che "Questo è buono?". Lascia la modifica a scrittori/AI.

⑩ Selezione intelligente di operazioni domotica/app

Le demo ufficiali classificano richieste in linguaggio naturale per selezionare tipi di dispositivi/azioni. Mappa il discorso umano in comandi eseguibili. (TypeSafe AI

Una logica simile si applica alla selezione di operazioni dell'app. Ma definire candidati, permessi, esecuzione e gestione degli errori richiede lavoro separato. Jev non controlla liberamente il tuo PC.

7. Facile da testare con Claude Code o Codex

Come punto di ingresso, il Playground ufficiale ti permette di testare con testo e domande. Per l'uso dell'API, ottieni le chiavi dal pannello di amministrazione. Al lancio, è in early-access con una lista d'attesa. (TypeSafe AI

Ci sono anche Skill TypeSafe ufficiali per AI di coding come Claude Code o Codex. Queste insegnano all'AI come costruire domande, formati API e integrazioni. Installare una Skill non sostituisce il tuo modello attuale con Jev. (TypeSafe AI

Esempio di prompt per AI di coding:

Rivedi la Skill TypeSafe ufficiale e gli ultimi docs. Crea un prototipo che classifica CSV delle richieste con Jev. Campi: Classificazione, Urgenza, Richiesta di Rimborso. Includi "Altro" e "Info insufficienti" nelle scelte. Memorizza domande/criteri in una posizione modificabile. Carica la chiave API dalla variabile d'ambiente TYPESAFE_API_KEY; non registrarla mai. Testa prima su un piccolo dataset anonimizzato. Salva testo originale, giudizio, probabilità, fiducia, versione del modello, tempo, conteggio token. Instrada giudizi incerti/errori API alla revisione umana. NON implementare invio ai clienti, rimborsi o cancellazione dati.

Questo è per il prototyping. Inizia confrontando i risultati contro dati noti-corretti, non con l'automazione completa.

8. Limitazioni e avvertenze prima dell'uso

Non assumere che l'accuratezza in italiano eguagli quella in inglese. I docs ufficiali affermano che l'inglese è la lingua principale di addestramento. Mentre l'italiano è supportato, l'accuratezza non è equivalente. Valuta con frasi italiane reali. (TypeSafe AI

Includi casi limite come "Va bene" (ambiguità Sì/No) o "Non proprio urgente" (urgenza Vero/Falso) nei test per vedere cosa richiede escalation umana.

Attualmente, l'input è solo testo. Nessun immagine/audio/video diretto. Jev non genera testo, codice o ragioni esplicative. (TypeSafe AI

Esistono limiti. Jev 1.13 supporta 64k token per richiesta totale, e 32k per state + domanda più lunga combinati. Il rate limit pubblico è 1.200 chiamate/min, soggetto a cambiamenti. Pianifica retry/attese durante l'elaborazione in blocco. (TypeSafe AI

Le debolezze includono calcolo, conteggio, confronto date, ragionamento indiretto complesso e input con molte informazioni irrilevanti. Prompt malevoli possono influenzare i giudizi. Fornisci informazioni focalizzate e domande chiare. (TypeSafe AI

"Zero Allucinazioni" non significa "Zero Errori". Garantisce l'aderenza al formato di output, non la selezione corretta della scelta. Scegliere "Contabilità" invece di "Vendite" in una scelta binaria potrebbe ancora essere sbagliato per la specifica richiesta. La rivendicazione "zero" si riferisce alla validità del formato. (TypeSafe AI

I punteggi di fiducia in Choice/Score derivano da distribuzioni di probabilità. "0,9" non garantisce il 90% di accuratezza nella tua specifica attività. Noul manca di questo campo. Definisci soglie di automazione tramite validazione specifica per l'attività. (TypeSafe AI

Controlla la gestione dei dati. La politica ufficiale afferma che i dati dei clienti non sono usati per l'addestramento del modello, e le opzioni enterprise offrono non-retention. Tuttavia, "non addestrato su" differisce da "mai archiviato". Rivedi i contratti prima di inserire informazioni dei clienti. (TypeSafe AI

9. Migliore usato per parti specifiche, non sostituzione completa

Inizierei con classificazione delle richieste, organizzazione dei commenti e candidati per revisione bozze. Questi permettono correzione umana e facile confronto dei risultati. Evita di delegare decisioni finali sui rimborsi o giudizi critici sui contratti inizialmente.

Monitora non solo l'accuratezza, ma i casi mancati, il volume di revisione umana, il tempo di elaborazione e il costo totale. Tariffe API più basse perdono valore se il lavoro di correzione degli errori aumenta.

Alcuni potrebbero sentirsi delusi che Jev non possa scrivere o creare immagini. Ma non tutte le AI devono fare lo stesso lavoro.

Lascia che le AI che scrivano scrivano. Lascia che il codice calcoli. Lascia che gli umani giudichino questioni professionali critiche. Testa se Jev può gestire l'enorme strato intermedio di classificazione e verifica.

Il fascino di Jev non è fare tutto, ma abilitare chiamate economiche e frequenti per i giudizi necessari. Considera dove nel tuo workflow "Leggi → Ordina → Verifica" si adatta. Quella chiarezza definisce lo scopo del test di questa AI.