Jev è un modello di intelligenza artificiale sviluppato da TypeSafe AI per svolgere attività di classificazione e valutazione all’interno dei software.
A differenza dei modelli linguistici utilizzati nelle chatbot, non genera testi e non conversa con l’utente. Riceve un insieme di informazioni e restituisce direttamente:
- una risposta sì o no;
- un punteggio;
- una scelta tra più opzioni predefinite.
Ogni risultato è accompagnato da una probabilità. Il software può quindi utilizzare la risposta per proseguire automaticamente oppure, quando il modello è incerto, richiedere l’intervento di una persona.
Un modello diverso dagli LLM
I modelli linguistici sono adatti a spiegare, riassumere e produrre contenuti. In molti processi aziendali, però, non è necessario generare un testo: serve classificare una richiesta, assegnare una priorità o scegliere quale azione eseguire.
Jev è stato progettato per questo secondo tipo di attività. TypeSafe AI lo definisce un System One Model, cioè un modello specializzato in decisioni rapide e circoscritte.
Il sistema riceve uno “stato”, composto da testo o dati strutturati, e lo valuta in base ai criteri indicati dall’applicazione. Il risultato può essere utilizzato direttamente dal software, senza dover interpretare una risposta discorsiva.
Quali vantaggi offre?
Il primo vantaggio è la velocità. Non dovendo generare una risposta parola per parola, Jev può completare una valutazione in tempi contenuti. Inoltre, più domande possono essere elaborate in parallelo sulla base degli stessi dati.
Il secondo riguarda i costi. Il modello elabora l’input ma non produce token testuali in output. Secondo i test pubblicati da TypeSafe AI sui propri workflow decisionali, Jev può risultare fino a 193 volte più veloce e 444 volte meno costoso rispetto ai modelli linguistici utilizzati nel confronto. Si tratta, tuttavia, di valori dichiarati dal produttore e riferiti a specifiche tipologie di attività.
Un altro elemento rilevante è la gestione dell’incertezza. Ogni decisione è associata a una probabilità: l’applicazione può quindi stabilire una soglia oltre la quale procedere automaticamente e inviare i casi meno chiari a una persona.
Jev può comunque sbagliare. La probabilità non certifica che una risposta sia corretta, ma consente di progettare il processo tenendo conto del livello di incertezza.
Alcuni possibili casi d’uso
Assistenza clienti
Jev può classificare ticket ed email, individuare il reparto competente, stimare la gravità del problema e riconoscere richieste particolari, come una domanda di rimborso.
Analisi documentale
Può verificare la presenza di determinati requisiti, assegnare una categoria a un documento o attribuire un punteggio di completezza. I casi dubbi possono essere inoltrati a un operatore.
Controllo degli agenti AI
Prima che un agente esegua un’azione, Jev può valutarne il livello di rischio. Le operazioni ordinarie possono essere autorizzate automaticamente, mentre quelle più sensibili possono richiedere una conferma umana.
Gestione commerciale
Le richieste ricevute dal sito o registrate nel CRM possono essere classificate per tipologia, priorità e livello di interesse, aiutando il team commerciale a organizzare le attività.
Monitoraggio operativo
Segnalazioni e dati provenienti da sistemi diversi possono essere valutati per distinguere gli eventi ordinari dalle situazioni che richiedono un intervento.
Jev sostituirà i modelli linguistici?
Jev non nasce per sostituire gli LLM, ma per svolgere un compito differente.
Un modello linguistico rimane più indicato quando bisogna comprendere una richiesta complessa, dialogare con una persona o produrre un contenuto. Un modello come Jev può invece intervenire quando le informazioni devono essere trasformate in una scelta utilizzabile dal software.
I due approcci possono quindi essere integrati nello stesso processo: il modello linguistico comprende e comunica, mentre il modello decisionale classifica, assegna punteggi e contribuisce a governare le automazioni.