Jev dari TypeSafe adalah AI untuk mengintegrasikan penilaian, klasifikasi, dan pemberian skor atas teks ke dalam aplikasi. Kali ini, kami akan membahas Jev.
Jev bukan teman bercakap-cakap, melainkan pengambil keputusan di dalam aplikasi
Cara termudah untuk memahami Jev adalah dengan memikirkan jawaban seperti apa yang ingin Anda dapatkan dari AI. Bukan “Jelaskan teks ini”, melainkan “Apakah teks ini iklan?”, “Apakah ini urusan pekerjaan atau pribadi?”, atau “Seberapa relevan hasil ini sebagai hasil pencarian?” Jev menangani pertanyaan yang format jawabannya dapat ditentukan terlebih dahulu seperti ini.
AI percakapan pada umumnya dikenal sebagai alat untuk menjawab pertanyaan dalam bentuk teks. Sementara itu, Jev dirancang untuk digunakan oleh pengembang di dalam perangkat lunak. Alih-alih berinteraksi langsung dengan Jev, pengguna biasanya mengandalkannya di balik layar aplikasi yang mereka gunakan sehari-hari untuk memilah informasi atau menentukan alur pemrosesan.
API menjadi penghubungnya. API adalah antarmuka yang memungkinkan aplikasi meminta pemrosesan dari layanan lain dan menerima hasilnya. Aplikasi mengirimkan teks dan pertanyaan kepada Jev, menerima hasil penilaian, lalu menggunakannya untuk menentukan tindakan berikutnya.
Hasilnya berupa penilaian, pilihan, atau skor
Dokumentasi menyebut tiga jenis penggunaan utama: menilai sesuatu, seperti menentukan apakah itu iklan; memilih dari sejumlah opsi, seperti folder tempat menyimpan berkas; dan memberi skor, seperti tingkat relevansi hasil pencarian. Karena berfungsi sebagai model yang melakukan penilaian, AI semacam ini diperkenalkan sebagai “model penilaian”.
Misalnya, aplikasi untuk mengatur email dapat memasukkan isi pesan dan meminta Jev memilih kategori dari “pekerjaan”, “pribadi”, atau “lainnya”. Ini sekadar contoh untuk menjelaskan cara kerjanya. Gagasannya adalah menerima langsung jawaban yang dibutuhkan aplikasi, alih-alih membaca penjelasan panjang lalu mengekstrak kategori darinya.
Model bahasa besar biasa juga dapat melakukan klasifikasi dan menghasilkan keluaran dalam format tertentu. Perbedaannya bukan pada kemampuan untuk mengklasifikasikan, melainkan pada fakta bahwa Jev dirancang dan disediakan terutama untuk melakukan penilaian semacam itu. Namun, dokumentasi yang tersedia tidak cukup untuk memastikan struktur internal Jev atau perbedaan kinerjanya dibandingkan model bahasa pada umumnya.
Mengurangi kerepotan kecil saat mencari dan menonton video
Contoh pengembangan yang disebutkan meliputi ekstensi untuk melewati segmen sponsor di video YouTube, fitur untuk menghapus komentar negatif dari obrolan, pencarian Gmail sesuai maksud pengguna, dan penyaringan tugas. Ada pula contoh upaya mengubah cara menggunakan fitur salin-tempel, seret-dan-lepas, serta pencarian di dalam halaman.
Kesamaan dari semua contoh ini adalah fokusnya pada memilih informasi yang sudah ada, bukan membuat teks baru: mempertahankan bagian yang ingin dilihat, menemukan email yang dicari, atau menyaring item yang perlu diproses. Ini menunjukkan bahwa peran AI dapat bergeser dari layar obrolan ke aktivitas sehari-hari.
Namun, contoh pengembangan yang diperkenalkan tidak sama dengan fitur produk yang telah teruji dan stabil. Misalnya, saat menghapus “komentar negatif”, hasilnya akan bergantung pada cara membedakan pelecehan dari kritik yang beralasan. Sebelum menerapkannya, perlu ditentukan apa yang ingin dikecualikan dan diperiksa juga contoh yang keliru dihapus.
Tugas AI bukan hanya menghasilkan teks
Dokumentasi bertanggal 10 Oktober 2026 memperkenalkan sejumlah perusahaan yang menawarkan model penilaian dengan format serupa Jev. Model-model ini memberikan jawaban yang mudah langsung digunakan oleh perangkat lunak, seperti probabilitas suatu kondisi terpenuhi, pilihan dari sejumlah kandidat, atau evaluasi bertingkat.
Latar belakangnya adalah bahwa AI yang menjalankan beberapa tugas tidak selalu memerlukan teks panjang di setiap tahap. Untuk menentukan proses berikutnya atau memeriksa apakah hasil memenuhi suatu kondisi, proses dapat dilanjutkan cukup dengan pilihan atau nilai penilaian.
Pendekatan Jev adalah menempatkan fungsi pengambilan keputusan di dalam aplikasi, alih-alih memperlakukan AI sebagai teman bercakap-cakap. Namun, format jawaban yang sederhana tidak berarti penilaiannya juga mudah. Dokumentasi yang sama mencatat evaluasi awal bahwa konsistensi model penilaian dan pengambilan keputusan yang kompleks masih menjadi tantangan.
Saat menerapkan, tentukan batas penilaian sebelum mengutamakan kecepatan
Jika hendak menggunakannya, langkah praktis pertama adalah memisahkan pertanyaan “Apa yang harus dinilai?” dan “Apa akibatnya jika penilaiannya salah?” Dampak kesalahan berbeda antara memberi label pada email dan menyembunyikan komentar secara otomatis. Merancang mekanisme untuk meneruskan kasus yang meragukan kepada manusia juga patut dipertimbangkan.
Jawaban yang singkat juga tidak selalu berarti biaya keseluruhan sistem akan turun. Dokumentasi tersebut menyoroti bahwa penggunaan Jev untuk meringkas riwayat percakapan AI pendukung pemrograman dapat merusak mekanisme penghematan biaya yang menggunakan kembali masukan sebelumnya.
Dokumentasi yang tersedia tidak mencakup daftar harga Jev secara terperinci, verifikasi akurasi independen, maupun ketentuan penyimpanan dan penggunaan data. Jika diterapkan untuk menangani email bisnis atau komentar pelanggan, ketentuan tersebut serta tingkat kesalahan pada masukan yang benar-benar digunakan perlu diperiksa secara terpisah.
コメント