Ya nos estamos acostumbrando a ver nuevos jugadores en el mundo de la IA generativa. Arrancó con ChatGPT, que hizo su entrada triunfal hace ya cuatro años, seguido por Copilot de Microsoft y de Bard —que, fiel a la costumbre de Google de cambiar de nombre, terminó convirtiéndose en Gemini—.
Luego vino una larga sucesión de competidores tanto en Estados Unidos como en China, país que sorprendió al mundo con DeepSeek: un modelo con un poder comparable al de los sistemas más avanzados de OpenAI, pero con un costo muchísimo menor y unos requerimientos de procesamiento tan bajos que sacudieron temporalmente a Wall Street y el precio de las acciones de NVIDIA. (Entre nos, estoy convencido de que el uso masivo de DeepSeek en Occidente no es mayor simplemente por la fricción geopolítica de ser un producto chino).
El último jugador en salir a la cancha es Jev, desarrollado por Typesafe AI, una empresa fundada por Diego Almeida, ex investigador de OpenAI. El nombre proviene de William Stanley Jevons, un economista inglés del siglo XIX que introdujo su famosa paradoja: al hacerse más eficiente el uso de un recurso (en su época el carbón, hoy el cómputo y la energía), en vez de bajar el consumo por la eficiencia, este aumenta debido a que el abaratamiento de los costos estimula un uso masivo. Creo que el nombre elegido oculta una intención muy clara: hacer que la IA sea tan económica que impulse una adopción extensiva sin precedentes.
Efectivamente, Jev tiene tres características que lo distinguen de todos los demás:
No escribe texto.
Es rapidísimo.
Es sumamente barato.
Su modelo de funcionamiento pertenece a lo que llamamos el Sistema 1: el equivalente a los reflejos humanos, instantáneos y automáticos. En contraste, el Sistema 2 es el ámbito del pensamiento deliberado, mucho más lento pero analítico y profundo.
Jev opera con solo tres comandos básicos:
Choice: para seleccionar una categoría dentro de una lista predefinida.
Score: para asignar un peso o puntuación numérica.
Bool: la típica confirmación booleana de Sí o No.
El modelo devuelve puntuaciones de confianza súper calibradas, arrojando resultados como: "Con un 98% de confianza, el cliente está muy molesto" o "Con un 90% de seguridad, este usuario está pidiendo la devolución de su dinero". Lo fascinante es que hace esto entre 40 y 200 veces más rápido que un LLM convencional.
Lo que Jev no hace es redactar párrafos ni conversar con el usuario. Jev es un clasificador, no un creador. Sus casos de uso ideales son determinar intenciones, validar políticas de seguridad o categorizar grandes volúmenes de tareas operativas, logrando ser entre 40 y 400 veces más económico que un modelo de lenguaje tradicional.
Este tipo de innovaciones nos está empujando de cabeza hacia la adopción de un ecosistema modular en cascada... pero de eso hablaremos en una próxima entrega.