Segun MarkTechPost (AI/ML News), un nuevo enfoque en inteligencia artificial se centra en generar decisiones, no textos extensos. Estos modelos deciden entre opciones, asignan puntuaciones o evalúan probabilidades de afirmaciones, permitiendo que sistemas de código actúen directamente sobre resultados. La categoría se consolidó tras el lanzamiento de Jev por TypeSafe, empresa que desarrolló este tipo de herramienta tras dos años de desarrollo en silencio. La novedad se posiciona como un "modelo de sistema uno", inspirado en el pensamiento rápido y intuitivo de Daniel Kahneman. En apenas tres semanas, empresas como Fastino Labs lanzaron modelos alternativos, y desarrolladores abiertos publicaron versiones replicadas del modelo Jev.
Jev opera mediante un estado inicial —una cadena de texto, un arreglo o un conjunto de pares clave-valor— y una serie de preguntas. Sus funcionalidades se dividen en tres tipos: elección, puntuación y evaluación de afirmaciones. En la elección, el modelo selecciona una opción de una lista, asignando probabilidades y niveles de confianza. TypeSafe indica que puede manejar hasta 255 alternativas. La puntuación evalúa el estado frente a una escala ordenada, también con probabilidades y confianza. La evaluación de afirmaciones (Noul) determina si una declaración es verdadera, con un valor de probabilidad entre 0 y 1, derivado del modelo Bernoulli. Cada pregunta se analiza de forma paralela y aislada, lo que garantiza que el tiempo de respuesta no aumente significativamente al añadir más preguntas. Al no generar texto, el modelo evita errores de tipo, asegurando que los resultados sean directamente operativos en aplicaciones.
La arquitectura interna combina un sistema paralelo de muestreo y un método de entrenamiento denominado Reinforcement Learning for Calibrated Decisions (RLCD). Mientras que RLHF se enfoca en alinear el comportamiento del modelo con preferencias humanas, RLCD busca que las probabilidades asignadas estén calibradas: mayor confianza debe traducirse en mayor precisión. En términos de rendimiento, TypeSafe registra respuestas completas entre 70 y 500 milisegundos. El costo por uso es de 0.042 dólares por millón de tokens de entrada, sin cargo por salida. OpenRouter ofrece un contexto de hasta 32 mil tokens.
Para el lector peruano, esta evolución en modelos de IA representa una oportunidad clave para sectores como el sector financiero, la administración de empresas o la toma de decisiones en entornos de riesgo. En un contexto donde los pequeños negocios y entidades públicas buscan automatizar procesos de evaluación —como aprobación de créditos o análisis de riesgos—, estos modelos permiten decisiones rápidas y verificables. La ausencia de errores de tipo y el bajo tiempo de respuesta convierten a herramientas como Jev en opciones viables para entornos operativos reales. Sin embargo, el costo por uso debe ser evaluado en relación con el valor de las decisiones generadas, especialmente en entidades que operan con recursos limitados.