O que é o Jev da TypeSafe? Uma IA que devolve decisões em vez de texto

O Jev da TypeSafe é uma IA que permite integrar em aplicações avaliações, classificações e pontuações de textos. Neste artigo, explicamos o que é o Jev.

O Jev não é um interlocutor, mas sim o responsável pelas decisões da aplicação

A forma mais rápida de compreender o Jev é pensar no que queremos que a IA devolva. Em vez de «explica este texto», perguntas como «este texto é um anúncio?», «é de trabalho ou pessoal?» ou «qual é o seu grau de relevância como resultado de pesquisa?». O Jev trata perguntas deste tipo, cujas respostas podem ter um formato definido antecipadamente.

É frequente usar uma IA conversacional para responder a perguntas em texto. O Jev, por sua vez, foi concebido para ser utilizado por programadores no interior de software. Em vez de os utilizadores conversarem diretamente com o Jev, este funciona nos bastidores das aplicações que usam habitualmente, encarregando-se de organizar informações e encaminhar processos.

A API é o ponto de contacto para esse efeito. Uma API é uma interface que permite a uma aplicação solicitar operações a outro serviço e receber os resultados. Envia-se texto e uma pergunta ao Jev, recebe-se uma avaliação e, em seguida, a aplicação executa a ação correspondente.

O que devolve são avaliações, opções ou pontuações

Os materiais apresentam três utilizações principais: avaliar, por exemplo, se algo é um anúncio; escolher entre opções, como uma pasta onde guardar um ficheiro; e atribuir uma pontuação, como a relevância de um resultado de pesquisa. Por serem modelos que se encarregam de tomar decisões, estas IA são apresentadas como «modelos de decisão».

Por exemplo, uma aplicação para organizar correio eletrónico poderia receber o conteúdo de uma mensagem e escolher uma categoria entre «trabalho», «pessoal» e «outros». Este exemplo serve para explicar o funcionamento: em vez de ler uma longa explicação e extrair dela a categoria, a ideia é receber diretamente uma resposta que a aplicação possa utilizar.

Os modelos de linguagem de grande dimensão convencionais também conseguem classificar e produzir respostas num formato definido. A diferença não está na capacidade de classificar, mas no facto de estas soluções serem concebidas e disponibilizadas sobretudo para tomar esse tipo de decisões. No entanto, os materiais fornecidos não permitem confirmar a estrutura interna do Jev nem as diferenças de desempenho face aos modelos de linguagem em geral.

Reduzir pequenas tarefas de pesquisa e de visualização de vídeos

Entre os exemplos de desenvolvimento apresentados estão uma extensão que salta os segmentos patrocinados de vídeos do YouTube, uma funcionalidade que remove comentários negativos de chats, pesquisas no Gmail alinhadas com a intenção do utilizador e filtros de tarefas. São também referidas experiências que alteram operações como copiar e colar, arrastar e largar e pesquisar numa página.

O que estes exemplos têm em comum é a seleção de informação já existente, em vez da criação de novo texto. Manter as partes que queremos ver, encontrar as mensagens de correio eletrónico que procuramos ou filtrar os elementos que precisam de ser tratados. A IA passa assim dos ecrãs de chat para as operações do dia a dia.

No entanto, os exemplos de desenvolvimento apresentados não equivalem a funcionalidades de produto estáveis. Por exemplo, ao remover «comentários negativos», o resultado depende da forma como se distingue o assédio da crítica legítima. Antes de implementar uma solução, é preciso decidir o que se pretende excluir e verificar os resultados, incluindo os casos eliminados por engano.

O trabalho da IA não se limita à geração de texto

Os materiais datados de 10 de outubro de 2026 referem que várias empresas estão a disponibilizar modelos de decisão num formato semelhante ao do Jev. Estes devolvem respostas que o software pode utilizar diretamente, como a probabilidade de uma condição se verificar, uma escolha entre opções ou uma avaliação por etapas.

A razão prende-se com o facto de a IA não precisar de texto longo em todas as etapas quando executa várias tarefas. Para decidir que operação utilizar a seguir ou verificar se um resultado cumpre determinadas condições, por exemplo, basta ter opções ou valores de avaliação para continuar o processo.

A abordagem do Jev consiste em integrar uma função de decisão nas aplicações, em vez de tratar a IA como um interlocutor. No entanto, um formato de resposta simples não significa que a decisão em si seja fácil. Os mesmos materiais incluem avaliações iniciais segundo as quais persistem desafios relacionados com a consistência dos modelos de decisão e a tomada de decisões complexas.

Antes de pensar na rapidez, defina os limites das decisões a tomar

Na prática, é sensato começar por distinguir «o que deve ser decidido» de «o que acontece se a decisão estiver errada». As consequências de um erro são diferentes quando se trata de atribuir um rótulo a uma mensagem de correio eletrónico ou de ocultar automaticamente um comentário. Também vale a pena considerar uma solução que encaminhe para uma pessoa os casos em que a decisão não seja clara.

O facto de a resposta ser curta também não significa que o custo total do sistema vá necessariamente diminuir. Os materiais observam que a integração da compressão do histórico de conversas de uma IA de assistência à programação pode comprometer um mecanismo de redução de custos que reutiliza entradas anteriores.

Os materiais fornecidos não incluem uma tabela de preços concreta do Jev, uma avaliação independente da precisão nem as condições de armazenamento e utilização dos dados. Para uma implementação que envolva mensagens de correio eletrónico profissionais ou comentários de clientes, é necessário verificar estes aspetos separadamente, bem como a taxa de decisões erradas perante entradas reais.