Lo interesante de Jev no es el hype de un nuevo modelo de IA. Es que acerca una decisión probabilística a algo tan cotidiano como un if.

Jev no inventó los clasificadores.

Los clasificadores llevan décadas entre nosotros. Reciben información, evalúan una pregunta y producen una decisión, muchas veces acompañada de una probabilidad.

Entonces, ¿qué tiene de especial?

Que ahora puedes hacer algo que antes requería datos, entrenamiento e infraestructura especializada con algo mucho más parecido a escribir un if.

Un if tradicional, eso sí, necesita que nosotros definamos el criterio:

if score > 0.8:
    escalate()

Funciona muy bien cuando sabemos expresar la decisión como una condición.

El problema aparece cuando sabemos qué queremos decidir, pero no sabemos convertir ese criterio en una regla determinista.

Ahí es donde deja de parecerse a un clasificador tradicional y empieza a parecerse a una instrucción.

---

El problema que antes no valía la pena resolver

Imagina que estás construyendo un sistema de soporte y quieres decidir si un mensaje necesita intervención humana.

Puedes hacerlo con reglas:

if contiene("urgente")
or contiene("reembolso")
or contiene("abogado"):
    escalar()

Es rápido y barato.

También puedes entrenar un clasificador específico. Probablemente será mejor para ese problema, pero ahora necesitas datos, ejemplos etiquetados, entrenamiento, evaluación y mantenimiento.

O puedes preguntarle a un LLM.

Funciona, pero quizá estás utilizando una herramienta generativa extraordinariamente potente para responder una pregunta bastante pequeña:

¿Esto necesita intervención humana?

Jev ocupa un espacio diferente.

Puedes plantearle la pregunta a partir del estado de tu aplicación y obtener una decisión tipada acompañada de una probabilidad, sin tener que construir y entrenar un modelo específico para cada problema.

Y eso cambia la pregunta.

Ya no es:

¿Vale la pena construir un modelo para esto?

Puede ser simplemente:

¿Sería útil saber esto?

Si la respuesta es sí, quizá ahora hacerlo sea suficientemente barato.

Y ese “quizá” es mucho más importante de lo que parece.

---

Cuando el criterio se vuelve barato

Esto no es exclusivo de la IA.

La fotografía digital no hizo desaparecer la fotografía profesional. Hizo que tomar una fotografía fuera trivial.

Canva no eliminó a los diseñadores. Hizo que millones de personas pudieran resolver pequeños problemas de diseño que antes simplemente delegaban o no resolvían.

La impresión 3D no sustituyó a la fabricación industrial. Redujo el costo de fabricar determinadas cosas para mucha más gente.

Y el vibe coding hace lo mismo con la escritura de código; Jev apunta a algo más estrecho: la decisión.

El patrón se repite:

una capacidad que antes requería conocimientos, herramientas o recursos especializados se vuelve suficientemente accesible como para que más personas puedan utilizarla.

Y cuando eso ocurre, no necesariamente desaparece lo anterior.

Aparecen cosas nuevas.

Eso es lo que me interesa de Jev.

Un clasificador entrenado específicamente para un problema puede seguir siendo la mejor herramienta cuando el problema justifica construirlo.

Jev no necesita reemplazarlo.

Su oportunidad está en todos esos problemas que nunca llegaron a convertirse en proyectos de machine learning porque eran demasiado pequeños, cambiantes o poco importantes como para justificar el costo.

El cambio no es que ahora tengamos mejores clasificadores.

Es que podemos permitirnos incorporar criterio en lugares donde antes solo teníamos reglas o simplemente no teníamos nada.

---

Un if que no sabemos escribir

Volvamos a esa comparación, pero desde el otro lado.

Un if representa una decisión que ya sabemos expresar. El problema es que buena parte de las decisiones en software no son así: las reconocemos cuando las vemos, pero nos cuesta convertirlas en una regla.

¿Este contenido merece revisión?

¿Este usuario probablemente necesita ayuda?

¿Este resultado es suficientemente bueno?

¿Debería pedir confirmación?

¿Vale la pena intentar otra estrategia?

No son preguntas que necesariamente necesiten una respuesta generativa.

Tampoco son fáciles de reducir a:

if x > y

Son decisiones.

Y aquí aparece una diferencia importante entre un modelo generativo y una primitiva como Jev.

Un LLM puede razonar sobre la pregunta y producir una respuesta.

Jev puede convertirse en una pieza del programa cuya función es tomar esa decisión.

No necesitas pedirle que escriba un párrafo explicando por qué.

Puedes preguntarle directamente:

shouldEscalate(message)

y trabajar con la decisión y su probabilidad como parte del flujo de tu aplicación.

Eso empieza a parecerse menos a “usar IA” y más a incorporar una nueva clase de instrucción al software.

Obviamente, Jev es más que un if.

Es un modelo de decisiones tipadas (System One) de TypeSafe AI. No genera texto. Solo responde a preguntas acotadas con unas pocas primitivas:

• Noul → probabilidad de sí/no
• Choice → elige una opción de una lista
• Score → puntuación en una escala

La comparación con el if sirve para intuir el lugar que ocupa en el código. En un próximo artículo profundizaré sobre esas primitivas y en Jev.

---

El if agéntico

Y aquí es donde el término “agéntico” empieza a tener sentido.

Los sistemas agénticos no se caracterizan únicamente porque utilicen un LLM.

Una parte importante de su comportamiento consiste en decidir qué hacer a continuación: usar una herramienta, intentar otra estrategia, pedir confirmación, continuar, detenerse, escalar.

Hasta ahora hemos tendido a resolver esas decisiones con una combinación de reglas, código y llamadas a modelos generativos.

Jev introduce otra pieza en ese espacio.

El código sigue siendo determinista cuando puede serlo.

El LLM sigue siendo útil cuando necesitamos generación o razonamiento abierto.

Pero ahora podemos introducir decisiones probabilísticas como una parte explícita del flujo.

No todo tiene que pasar por el mismo modelo.

Y eso me parece más interesante que simplemente tener otro modelo capaz de hacer más cosas.

El siguiente paso de los sistemas agénticos quizá no sea un modelo que lo haga todo, sino aprender a componer diferentes tipos de inteligencia dentro del mismo programa.

Jev no inventó los clasificadores.

Tampoco inventó la toma de decisiones probabilística.

Lo interesante es que puede hacer que incorporar criterio a un programa sea suficientemente barato como para usarlo donde antes no valía la pena.

Y cuando una capacidad se vuelve suficientemente barata, empezamos a construir cosas que antes ni siquiera considerábamos posibles.

Quizá un if agéntico no sea un if más inteligente.

Quizá sea simplemente un if que ya no necesita que nosotros sepamos escribir todo el criterio.