TECNOLOGIA

Jev: o que é a nova IA que não conversa e promete decisões mais rápidas e baratas

Criada pela TypeSafe AI, Jev abandona o formato de chatbot para classificar informações, escolher entre opções e devolver probabilidades diretamente para softwares; empresa diz que modelo pode reduzir custo e tempo de automações.

A Jev é uma inteligência artificial criada pela TypeSafe AI para tomar decisões dentro de programas, em vez de conversar ou escrever textos para o usuário. Apresentado em setembro de 2026, o modelo recebe informações, analisa perguntas com respostas previamente delimitadas e devolve escolhas, pontuações e probabilidades que podem ser usadas diretamente por um software.

Por Redação Notícias Negócio — 18 de setembro de 2026

O que é a IA Jev?

A Jev é o primeiro modelo público de uma categoria que a TypeSafe AI chama de "System One Models". O termo é uma classificação criada pela própria empresa e ainda não representa uma categoria padronizada pela indústria de inteligência artificial.

A ideia é separar dois tipos de tarefa. Um modelo como ChatGPT, Claude ou outros grandes modelos de linguagem pode receber uma pergunta e produzir frases, código, explicações ou outros conteúdos. A Jev abre mão dessa geração livre de texto para se concentrar em decisões mais restritas.

Em uma situação simples, um sistema poderia enviar para a Jev a mensagem de um cliente e perguntar a qual setor aquele atendimento deve ser encaminhado. As opções poderiam ser "financeiro", "suporte técnico", "vendas" e "outros". Em vez de escrever uma resposta ao consumidor, a Jev devolve qual opção considera mais adequada e as probabilidades associadas à decisão.

Jev não é um chatbot como ChatGPT

Essa é provavelmente a principal diferença para quem encontra o nome da nova IA pela primeira vez. Não adianta abrir a Jev esperando conversar com ela da mesma maneira que se conversa com ChatGPT.

O objetivo do modelo é funcionar nos bastidores de aplicativos, sites, agentes de IA e sistemas empresariais. A interface foi pensada para que outro software consiga usar a resposta sem precisar interpretar um parágrafo escrito pela inteligência artificial.

Como a Jev funciona?

A TypeSafe descreve a operação do modelo como uma combinação entre um estado, que contém os dados disponíveis sobre uma situação, e perguntas estruturadas que o programa quer responder.

A plataforma trabalha com três formatos principais de decisão. O primeiro permite escolher uma opção entre várias alternativas. O segundo atribui um nível ou pontuação dentro de uma escala. O terceiro calcula a probabilidade de uma afirmação ser verdadeira ou falsa.

Imagine uma loja virtual recebendo esta mensagem:

"Minha compra foi cobrada duas vezes no cartão e quero cancelar uma das cobranças."

Em vez de pedir a uma IA que escreva uma explicação, o sistema poderia perguntar à Jev se existe indício de cobrança duplicada, qual departamento deve receber o chamado e qual é a urgência. Essas respostas podem ser combinadas com regras tradicionais escritas no próprio programa.

O resultado poderia encaminhar automaticamente o chamado para o setor financeiro quando a confiança fosse alta e solicitar análise humana quando houvesse maior incerteza.

Para que a Jev pode ser usada?

A própria TypeSafe demonstra o modelo em fluxos de atendimento ao cliente, processamento de faturas, análise de incidentes de segurança e fiscalização de ações realizadas por agentes de IA.

Na prática, aplicações possíveis incluem selecionar qual ferramenta um agente deve executar, separar mensagens por assunto, identificar chamados urgentes, avaliar uma solicitação antes de executar uma ação, classificar grandes quantidades de documentos ou determinar qual etapa de um fluxo deve ocorrer em seguida.

Isso também permite uma arquitetura híbrida. A Jev pode decidir o que deve acontecer e um modelo generativo pode cuidar da parte que exige escrever uma resposta. Não é necessário escolher entre um sistema ou outro.

Por que criar uma IA que não escreve?

Gerar linguagem natural tem um custo que nem sempre é necessário. Se um aplicativo precisa apenas decidir entre "aprovar", "recusar" ou "enviar para análise", produzir um texto completo para depois extrair uma dessas três respostas adiciona etapas ao processo.

A TypeSafe tenta eliminar essa parte. A saída da Jev já obedece ao formato que o programa espera, o que reduz a necessidade de pedir para um grande modelo escrever JSON, validar essa resposta e tentar novamente quando o formato vier incorreto.

O modelo também calcula as alternativas em paralelo, em vez de produzir uma sequência de palavras uma depois da outra. Esse desenho ajuda a explicar a diferença de velocidade anunciada pela empresa.

Quanto custa usar a Jev?

A TypeSafe informa preço de US$ 42 por 1 bilhão de tokens de entrada, equivalente a US$ 0,042 por 1 milhão de tokens. A empresa afirma que não cobra pelos tokens de saída porque o modelo não gera uma sequência de texto como os LLMs tradicionais.

O valor é bastante inferior aos preços normalmente associados aos grandes modelos generativos, mas a comparação precisa ser feita com cuidado. Jev e um chatbot não entregam o mesmo produto: uma pode escolher uma resposta entre alternativas, enquanto o outro pode produzir páginas de conteúdo, programação ou raciocínio em linguagem natural.

Portanto, o preço baixo não significa que a Jev faça tudo o que os modelos tradicionais fazem por uma fração do valor. Parte da economia existe justamente porque ela foi criada para um conjunto mais limitado de tarefas.

A Jev é realmente até centenas de vezes mais rápida e barata?

A TypeSafe publica comparações nas quais o modelo aparece com grandes vantagens de custo e velocidade em tarefas estruturadas. No material de lançamento, a companhia informa respostas de aproximadamente 70 a 500 milissegundos e afirma que, dependendo da comparação, o ganho de velocidade pode chegar a dezenas ou centenas de vezes.

Em avaliações internas de fluxos de automação, a empresa também chegou a medir diferenças superiores a 190 vezes em velocidade e 440 vezes em custo em determinadas configurações.

Esses números devem ser tratados como resultados divulgados pela própria TypeSafe, e não como uma conclusão independente sobre todos os tipos de aplicação. A própria empresa reconhece limitações em seus testes, incluindo a possibilidade de viés na construção dos fluxos e condições que podem favorecer sua arquitetura.

Para uma empresa que pretenda utilizar o modelo em produção, o teste mais relevante é executar dados semelhantes aos que realmente serão processados e comparar custo, latência e taxa de acerto naquela aplicação específica.

A Jev não alucina?

A TypeSafe usa a expressão "zero hallucinations" em parte de seu material promocional. A afirmação precisa de contexto.

Como as respostas possíveis são estabelecidas previamente pelo desenvolvedor, a Jev não pode simplesmente inventar uma quarta opção quando o programa permite apenas três. Nesse sentido, o formato impede respostas fora do esquema esperado.

Isso não significa que todas as decisões estejam corretas. Se a pergunta for "esta transação parece fraudulenta?", por exemplo, o modelo ainda pode atribuir maior probabilidade à alternativa errada. A própria TypeSafe reconhece que Jev pode cometer erros.

A diferença é que a resposta traz probabilidades e um nível de confiança. O desenvolvedor pode determinar que decisões com confiança elevada sejam automatizadas e que casos incertos sejam enviados para uma pessoa ou para outro modelo.

O que significa "System One Model"?

O nome usado pela TypeSafe foi inspirado na distinção popularizada pelo psicólogo Daniel Kahneman entre formas rápidas e intuitivas de pensamento e processos mais lentos e deliberados.

A empresa adaptou essa ideia para inteligência artificial. Sua proposta é deixar decisões rápidas e estruturadas para um "System One Model", enquanto tarefas abertas e que exigem elaboração continuam mais próximas do funcionamento dos grandes modelos generativos.

Isso não significa que a Jev reproduza literalmente o funcionamento da mente humana. "System One Model" é o nome adotado pela TypeSafe para definir sua própria arquitetura e proposta comercial.

Quem criou a Jev?

A Jev é desenvolvida pela TypeSafe AI, empresa de San Francisco que passou aproximadamente dois anos trabalhando de forma reservada antes de apresentar publicamente seu primeiro modelo.

Entre os fundadores estão Diogo Almeida, Sasha Sheng e Erik Gafni. Almeida trabalhou anteriormente na OpenAI e participou do desenvolvimento de técnicas relacionadas a Reinforcement Learning from Human Feedback (RLHF) e modelos de instrução que contribuíram para a linha de pesquisa da qual surgiu o ChatGPT.

A formulação encontrada em algumas manchetes, que o fundador seria "cocriador do ChatGPT", resume uma trajetória mais específica. A descrição mais precisa é que Almeida trabalhou em métodos e pesquisas que ajudaram a formar a base dos modelos de instrução usados no desenvolvimento do produto.

TypeSafe recebeu US$ 40 milhões

A apresentação pública da empresa veio acompanhada de uma rodada inicial de financiamento de US$ 40 milhões liderada pela empresa de capital de risco DCVC.

A DCVC anunciou o investimento em 15 de setembro de 2026 e afirmou que a TypeSafe pretende desenvolver modelos projetados especificamente para automação de software.

O tamanho do investimento também coloca a nova empresa em uma situação diferente da de pequenos projetos experimentais de IA. Ainda assim, a Jev está em seus primeiros dias de disponibilidade pública e seu desempenho em aplicações reais deverá ser acompanhado à medida que mais desenvolvedores adotarem a tecnologia.

Jev usa um novo método chamado RLCD

Além da arquitetura, a TypeSafe afirma ter criado um método de treinamento chamado Reinforcement Learning for Calibrated Decisions (RLCD), ou aprendizado por reforço para decisões calibradas.

A intenção declarada é treinar o sistema para não apenas escolher uma resposta, mas também fornecer probabilidades que representem melhor sua incerteza.

Para automações, essa informação é relevante. Um programa pode estabelecer, por exemplo, que uma decisão seja executada automaticamente somente acima de determinado nível de confiança. Abaixo desse limite, o caso segue para revisão.

Jev pode substituir ChatGPT, Gemini ou Claude?

Não para a maior parte dos usos que as pessoas associam a esses serviços. A Jev não foi apresentada como ferramenta para escrever matérias, resumir documentos em linguagem natural, criar histórias, conversar com usuários ou programar aplicações inteiras.

Seu campo de atuação é mais estreito: decisões estruturadas realizadas dentro de programas.

Por outro lado, justamente essa especialização pode permitir que ela substitua chamadas a grandes modelos em partes de sistemas que atualmente utilizam uma IA generativa apenas para responder perguntas simples de classificação.

Uma aplicação pode inclusive utilizar as duas tecnologias ao mesmo tempo. Jev classifica a intenção de um consumidor e decide o próximo passo; depois, um modelo generativo escreve a mensagem que será enviada para ele.

Por que a Jev pode ser importante para desenvolvedores?

Grande parte das automações atuais mistura regras tradicionais com chamadas a modelos de linguagem. Isso funciona bem quando é necessário interpretar textos difíceis de transformar em regras fixas, mas também pode aumentar custos, latência e complexidade.

A proposta da Jev é ocupar justamente o espaço entre um comando rígido de programação e uma IA generativa completa. É como permitir que um desenvolvedor crie uma condição que não precise corresponder exatamente a palavras previamente cadastradas.

Em vez de programar dezenas de regras tentando reconhecer todas as maneiras pelas quais um cliente pode pedir reembolso, o software pode perguntar ao modelo qual é a intenção daquela mensagem e usar a probabilidade retornada para escolher o fluxo adequado.

Quais são os riscos?

Rapidez e baixo custo tornam a automação mais fácil, mas também aumentam a importância de estabelecer limites. Uma decisão errada em uma classificação de e-mail pode ter impacto pequeno. Uma decisão errada envolvendo pagamentos, bloqueio de conta, segurança ou acesso a serviços pode gerar consequências maiores.

O nível de confiança retornado pelo modelo ajuda a criar controles, mas não elimina a necessidade de testar o sistema. Empresas que adotarem esse tipo de tecnologia precisam definir quais ações podem ser executadas automaticamente e quais exigem regras adicionais ou revisão humana.

Também será necessário acompanhar avaliações externas. Os principais números públicos disponíveis nos primeiros dias após o lançamento foram produzidos pela própria TypeSafe ou por desenvolvedores que começaram a experimentar a tecnologia.

Nota editorial: matéria apurada e verificada em 18 de setembro de 2026. As características técnicas básicas, preço e funcionamento foram conferidos nas páginas da TypeSafe AI. Comparações de desempenho, velocidade e custo ainda dependem principalmente de avaliações publicadas pela própria empresa e foram identificadas como tais no texto. A Jev está em fase inicial de disponibilidade, portanto preços, versões, limites e desempenho podem mudar.