TypeSafe का Jev क्या है: ऐसा AI जो लेखन के बजाय फैसले देता है

TypeSafe का Jev ऐसा AI है, जो टेक्स्ट के बारे में निर्णय, वर्गीकरण और स्कोरिंग को ऐप में शामिल करने के लिए बनाया गया है। इस लेख में Jev के बारे में बताया गया है।

Jev बातचीत का साथी नहीं, बल्कि ऐप का निर्णयकर्ता है

Jev को समझने का आसान तरीका यह सोचना है कि आप AI से क्या जवाब चाहते हैं। “इस टेक्स्ट की व्याख्या करें” के बजाय, “क्या यह टेक्स्ट विज्ञापन है?”, “यह काम से जुड़ा है या निजी इस्तेमाल से?” या “खोज परिणाम के रूप में यह कितना प्रासंगिक है?” ऐसे सवालों पर ध्यान दिया जाता है, जिनके जवाब का प्रारूप पहले से तय किया जा सकता है।

सामान्य संवादात्मक AI का इस्तेमाल सवालों के जवाब टेक्स्ट के रूप में पाने के लिए किया जाता है। इसके उलट, Jev को डेवलपरों द्वारा सॉफ्टवेयर के भीतर इस्तेमाल करने के लिए बनाया गया है। उपयोगकर्ता का Jev से सीधे बातचीत करना इसका मुख्य उपयोग नहीं है; बल्कि यह रोजमर्रा में इस्तेमाल होने वाले ऐप के पर्दे के पीछे जानकारी को छांटने और आगे की प्रक्रिया तय करने का काम करता है।

दोनों के बीच संपर्क का माध्यम API है। API वह इंटरफ़ेस है, जिसके जरिए कोई ऐप दूसरी सेवा से काम करने का अनुरोध कर सकता है और उसका नतीजा प्राप्त कर सकता है। Jev को टेक्स्ट और सवाल भेजे जाते हैं, फिर उससे मिले निर्णय के आधार पर ऐप अगला कदम उठाता है।

जवाब में निर्णय, विकल्प या स्कोर मिलते हैं

दस्तावेज़ में बताए गए उपयोग मोटे तौर पर तीन तरह के हैं: जैसे कोई चीज़ विज्ञापन है या नहीं, यह तय करना; सेव करने के लिए फ़ोल्डर जैसे विकल्पों में से चुनना; और खोज परिणामों की प्रासंगिकता को स्कोर देना। निर्णय लेने वाले मॉडल के अर्थ में, ऐसे AI को “निर्णय मॉडल” के रूप में पेश किया गया है।

उदाहरण के लिए, ईमेल व्यवस्थित करने वाला ऐप ईमेल का मुख्य टेक्स्ट लेकर उसे “काम”, “निजी” या “अन्य” में वर्गीकृत कर सकता है। यह व्यवस्था समझाने के लिए दिया गया उदाहरण है। विचार यह है कि लंबे स्पष्टीकरण को पढ़कर उसमें से वर्गीकरण का नतीजा निकालने के बजाय, ऐप को सीधे वही जवाब दिया जाए जिसका वह इस्तेमाल करेगा।

सामान्य बड़े भाषा मॉडल भी वर्गीकरण कर सकते हैं और तय प्रारूप में जवाब दे सकते हैं। फर्क यह नहीं है कि वे वर्गीकरण कर सकते हैं या नहीं, बल्कि यह है कि Jev को ऐसे फैसलों को मुख्य उपयोग मानकर डिज़ाइन और उपलब्ध कराया गया है। हालांकि, उपलब्ध दस्तावेज़ों से Jev की आंतरिक संरचना या सामान्य भाषा मॉडल के मुकाबले उसके प्रदर्शन का अंतर पता नहीं चलता।

खोज और वीडियो देखने में होने वाली छोटी-मोटी मेहनत कम करना

विकास के उदाहरणों में YouTube वीडियो के प्रायोजित हिस्सों को छोड़ने वाला एक्सटेंशन, चैट से नकारात्मक टिप्पणियां हटाने की सुविधा, उपयोगकर्ता की मंशा के मुताबिक Gmail में खोज और टास्क फ़िल्टर करना शामिल हैं। कॉपी-पेस्ट, ड्रैग-एंड-ड्रॉप और पेज में खोजने की प्रक्रिया बदलने की कोशिशों का भी ज़िक्र है।

इन सभी में एक बात समान है: नया टेक्स्ट बनाने के बजाय पहले से मौजूद जानकारी में से चुनना। देखने लायक हिस्सा बचाना, मनचाहा ईमेल ढूंढना या प्रक्रिया के लिए जरूरी आइटम छांटना। इसे ऐसे देखा जा सकता है कि AI का इस्तेमाल चैट स्क्रीन से आगे बढ़कर रोजमर्रा के कामों तक पहुंच रहा है।

हालांकि, बताए गए विकास के उदाहरण और स्थिर उत्पाद-सुविधाएं एक ही बात नहीं हैं। उदाहरण के लिए, “नकारात्मक टिप्पणियां” हटाते समय नतीजे का अर्थ इस पर निर्भर करेगा कि उत्पीड़न और जायज़ आलोचना में फर्क कैसे किया जाता है। इसे अपनाते समय तय करना होगा कि किन चीज़ों को हटाना है और गलती से हटाए गए उदाहरणों समेत नतीजों की जांच करनी होगी।

AI का काम सिर्फ़ टेक्स्ट तैयार करना नहीं है

10 अक्टूबर 2026 की तारीख वाले दस्तावेज़ में बताया गया है कि कई कंपनियां Jev जैसे प्रारूप वाले निर्णय मॉडल उपलब्ध करा रही हैं। इनमें किसी शर्त के पूरा होने की संभावना, विकल्पों में से चुनाव और अलग-अलग चरणों में मूल्यांकन जैसे जवाब शामिल हैं—ऐसे जवाब जिन्हें सॉफ्टवेयर सीधे इस्तेमाल कर सकता है।

इसके पीछे एक वजह यह है कि जब AI कई काम करता है, तो हर चरण में लंबे टेक्स्ट की जरूरत नहीं होती। आगे किस प्रक्रिया का इस्तेमाल करना है या नतीजा शर्त पूरी करता है या नहीं—ऐसे फैसलों में विकल्प या निर्णय का मान मिल जाए तो काम आगे बढ़ सकता है।

Jev का खास पहलू यह है कि AI को बातचीत के साथी के रूप में देखने के बजाय ऐप के भीतर निर्णय लेने की सुविधा के रूप में रखा जाता है। हालांकि, जवाब का प्रारूप सरल होने का मतलब यह नहीं कि फैसला करना भी आसान है। उसी दस्तावेज़ में शुरुआती आकलन के तौर पर यह भी कहा गया है कि निर्णय मॉडल की निरंतरता और जटिल फैसलों के मामले में चुनौतियां अभी बाकी हैं।

इसे अपनाते समय गति से पहले तय करें कि निर्णय की सीमा क्या होगी

वास्तविक इस्तेमाल के लिए पहले यह तय करना व्यावहारिक होगा कि “कौन-सा फैसला लेना है” और “गलती होने पर क्या होगा।” ईमेल पर लेबल लगाने और टिप्पणियों को अपने-आप छिपाने की प्रक्रिया में गलत फैसले का असर अलग-अलग होता है। जिन मामलों में निर्णय करना मुश्किल हो, उन्हें इंसान के पास वापस भेजने की व्यवस्था पर भी विचार किया जा सकता है।

छोटा जवाब मिलने से यह जरूरी नहीं कि पूरे सिस्टम का खर्च भी कम हो। दस्तावेज़ में यह आशंका जताई गई है कि कोडिंग सहायता देने वाले AI की बातचीत का इतिहास संक्षिप्त करने के लिए इसे शामिल करने से वह व्यवस्था प्रभावित हो सकती है, जो पुराने इनपुट का दोबारा इस्तेमाल करके खर्च घटाती है।

उपलब्ध दस्तावेज़ों में Jev की विस्तृत मूल्य-सूची, स्वतंत्र रूप से सत्यापित सटीकता या डेटा को सहेजने और इस्तेमाल करने की शर्तें शामिल नहीं हैं। कारोबारी ईमेल या ग्राहकों की टिप्पणियों पर इसका इस्तेमाल करने से पहले इन शर्तों और वास्तविक इनपुट पर गलत फैसलों की दर की अलग से जांच करनी होगी।