Ya estamos probando el nuevo modelo de decisión de TypeSafe con los juicios que forman parte de cada conversación de Maven, incluidos la clasificación de tickets, Intelligent Fields y los controles de calidad. En nuestras primeras pruebas internas fue unas 12 veces más rápido que nuestro enfoque actual en tareas de clasificación, y no se ralentizó a medida que añadíamos más clasificaciones a la misma solicitud.
Una solicitud de un cliente contiene más de una decisión
Imagina un cliente que escribe: «Nuestra factura se ha duplicado, la mitad de mi equipo no puede iniciar sesión y necesito que esto se resuelva antes de la renovación de mañana».
Resolver esa solicitud implica varios tipos de trabajo: el agente tiene que reconocer los problemas de facturación y de acceso, entender la urgencia, revisar la cuenta del cliente y seguir las políticas correspondientes. Si tiene que intervenir una persona, la conversación debe llegar al equipo adecuado con suficiente contexto para continuar.
Parte de ese trabajo requiere razonamiento y explicación. Otra parte, una consulta directa. Y otra se reduce a un juicio concreto: qué problemas hay, qué tan urgentes son o si el cliente ha pedido hablar con una persona.
Es en esta última categoría donde Jev se vuelve interesante.
Empezamos a someter Jev al mismo rigor de evaluación que creamos para los modelos de voz en cuanto salió del acceso anticipado, porque una afirmación así merece comprobarse con el comportamiento del flujo de trabajo real de un cliente, no solo con un benchmark del proveedor.
Jev es como un clasificador, con un matiz: le das contexto y preguntas acotadas, y devuelve opciones, puntuaciones o probabilidades. El nuevo modelo de TypeSafe AI está diseñado para devolver decisiones estructuradas que el software puede usar directamente. Para una plataforma empresarial como Maven, abre la oportunidad de mejorar los numerosos juicios que hay entre la solicitud de un cliente y su resolución.
En qué se diferencia Jev de un LLM
TypeSafe describe Jev como un modelo de «Sistema 1». Un desarrollador proporciona el contexto, las preguntas y las posibles respuestas. Jev devuelve opciones, puntuaciones y probabilidades. Se pueden evaluar en paralelo varias preguntas independientes sobre el mismo contexto. No genera texto libre como un LLM.
Para la solicitud anterior, un sistema podría preguntar si contiene un problema de facturación, si el acceso está bloqueado y si el cliente ha indicado un plazo. Cada respuesta se convierte en un dato de entrada para el siguiente paso del flujo de trabajo.
Los LLM convencionales ya pueden producir salidas restringidas a un esquema. La propuesta de Jev es un modelo creado específicamente para este trabajo, con generación de salidas en paralelo y un entrenamiento que TypeSafe denomina Reinforcement Learning for Calibrated Decisions. El objetivo es que la incertidumbre resulte útil para el software, además de reducir la latencia y el coste.
Los primeros usuarios también han informado de mejoras de velocidad considerables en tareas específicas. En nuestras pruebas, Jev respondió unas 12 veces más rápido que nuestro enfoque actual. Se trata de un prototipo inicial, no de un benchmark, y no está en producción para nuestros clientes. Otros reportan cifras similares en sus propias tareas: Guillermo Rauch, de Vercel, midió hasta 18 veces más velocidad en el percentil 95 en la revisión de seguridad de comandos que ejecuta su agente, con mayor precisión que el revisor GPT-5.6-Luna al que sustituyó.
Intelligent Fields es un lugar natural para evaluarlo
Maven lanzó Intelligent Fields en la primavera de 2026. Los equipos definen lo que quieren saber de una conversación, como el área de producto, el sentimiento, la intención de reembolso o las señales de escalamiento, y los campos resultantes alimentan los informes, el enrutamiento y la configuración del agente.
Lo que hoy lo hace valioso es lo poco que te exige. Escribes en lenguaje sencillo una definición de lo que quieres saber y Maven evalúa cada conversación con ese criterio. Sin conjunto de entrenamiento etiquetado, sin un modelo que mantener por cada etiqueta, sin un analista etiquetando tickets a mano una semana después. Cada valor llega con una puntuación de confianza y la justificación correspondiente, disponibles a través de la API y de las vistas de analítica, lo que permite que una persona audite por qué una conversación se marcó como riesgo de abandono en lugar de fiarse de la etiqueta.
Cada campo es una evaluación independiente, por diseño. Esa separación es lo que permite que cada valor llegue con su propia puntuación de confianza y su propia justificación, en lugar de un único veredicto combinado sobre la conversación que nadie puede auditar.
Un modelo de decisión como Jev encaja limpiamente en esa estructura. Las preguntas independientes sobre el mismo contexto se evalúan en paralelo, de modo que un conjunto de evaluaciones de campos puede agruparse en una sola solicitud y seguir devolviendo respuestas separadas y puntuadas individualmente. La forma de la salida no cambia. Lo que cambia es cuántas preguntas pueden procesarse a la vez.
Por eso no esperamos que Intelligent Fields funcione de otra manera con Jev. Sí esperamos ganar eficiencia y reducir costes.
| Pregunta sobre una conversación | Cómo la gestiona un modelo de decisión | Qué permite |
|---|---|---|
| ¿A qué área de producto se refiere? | Elige entre categorías definidas | Clasificar la demanda y seleccionar la guía pertinente |
| ¿Qué gravedad tiene el problema reportado? | Puntúa según una rúbrica explícita | Priorizar el trabajo por su impacto real |
| ¿El cliente ha pedido hablar con una persona? | Estima si la afirmación es cierta | Orientar la gestión del escalamiento |
| ¿Qué problemas aparecen en esta solicitud? | Evalúa por separado cada posible problema | Conservar varias intenciones en una misma conversación |
Son correspondencias candidatas que hay que evaluar. Jev tendría que preservar el significado de cada campo y el comportamiento de cualquier flujo de trabajo que dependa de él. Su salida más acotada también importa: los resúmenes abiertos y las explicaciones escritas seguirían necesitando un modelo generativo u otra fuente.
La oportunidad es especialmente relevante cuando un equipo quiere obtener más detalle de cada interacción. Un menor coste por evaluación permitiría hacer seguimiento de más problemas de producto, motivos de cancelación y señales de escalamiento sin que cada nuevo campo suponga otra costosa llamada al modelo.
No ponemos modelos de hace una semana frente a clientes empresariales
Todo lo anterior son pruebas y ideas de diseño. Jev no está funcionando en ningún flujo de trabajo de clientes, y un modelo lanzado hace unos días no se acercará a ninguno hasta que haya pasado por el mismo rigor de evaluación que aplicamos a cualquier modelo nuevo. Puedes ver cómo hemos probado GPT-Live-1 y otros modelos de voz. Medimos la calidad de las decisiones frente a nuestro enfoque actual en casos representativos, incluidos los ambiguos y aquellos en los que falta el contexto decisivo, y luego comparamos la latencia, el coste por resultado aceptado y el resultado para el cliente antes de que nada toque el enrutamiento en producción.
Más opciones de modelos para el trabajo empresarial
Jev amplía las opciones para crear un agente de IA empresarial. La conversación, el razonamiento, la clasificación y la verificación pueden tener requisitos de modelo distintos.
Para Maven, la oportunidad está en evaluar Jev donde pueda hacer más eficientes funcionalidades como Intelligent Fields, preservando a la vez el contexto y los controles necesarios para resolver la solicitud del cliente.
Tráele a Maven un flujo de trabajo en el que las decisiones repetidas ralenticen la experiencia: un ticket que no deja de cambiar de cola, un campo costoso de evaluar o un control de calidad que llega demasiado tarde. Ahí es donde un nuevo modelo puede ganarse su lugar.
Eso puede hacerse rápido porque Charters, Segments e Intelligent Fields ya definen las decisiones que importan aquí. Incorporar por debajo una capa de juicio más rápida es un cambio de configuración que podemos probar en días, no una reconstrucción que lleva trimestres.
Míralo con tus propias conversaciones.
Solicita una demo personalizada gratuita.
