A IA que não quer conversar: como o Jev aposta em decisões automáticas em vez de textos
Durante os últimos anos, a popularização da inteligência artificial esteve diretamente ligada aos chatbots. Ferramentas como ChatGPT, Claude e Gemini ajudaram a transformar a IA em uma tecnologia acessível justamente porque conseguem conversar, escrever, resumir documentos, responder perguntas e produzir conteúdos em poucos segundos.
FERRAMENTAS
Luiza
9/24/20266 min read
Durante os últimos anos, a popularização da inteligência artificial esteve diretamente ligada aos chatbots. Ferramentas como ChatGPT, Claude e Gemini ajudaram a transformar a IA em uma tecnologia acessível justamente porque conseguem conversar, escrever, resumir documentos, responder perguntas e produzir conteúdos em poucos segundos.
Mas uma nova geração de sistemas começa a questionar se conversar é realmente a melhor função para uma inteligência artificial dentro das empresas.
É nesse cenário que surge o Jev, modelo desenvolvido pela TypeSafe AI com uma proposta diferente: em vez de gerar textos para pessoas, a tecnologia foi criada para tomar decisões estruturadas que podem ser utilizadas diretamente por outros sistemas.
A mudança parece pequena, mas representa uma discussão importante sobre o futuro da inteligência artificial corporativa. Talvez nem toda IA precise explicar o que está fazendo. Em muitos processos, o que importa é simplesmente tomar uma decisão rápida e encaminhá-la para a próxima etapa.
Uma inteligência artificial sem conversa
O funcionamento do Jev parte de uma lógica diferente dos modelos tradicionais de linguagem.
Um chatbot normalmente recebe uma pergunta, processa a informação e produz uma resposta em linguagem natural. Esse processo pode resultar em um texto explicativo, uma lista de recomendações ou até uma conversa completa.
O Jev trabalha com saídas estruturadas.
Em vez de responder "este chamado provavelmente deve ser encaminhado para o suporte técnico", por exemplo, o sistema pode retornar uma classificação ou uma probabilidade que outro software consegue interpretar automaticamente.
Isso permite que a IA seja incorporada diretamente a fluxos empresariais.
Uma solicitação recebida por uma empresa poderia ser analisada e classificada automaticamente entre diferentes departamentos. Uma transação poderia receber uma pontuação de risco. Um documento poderia ser direcionado para determinado setor. Um atendimento poderia ser encaminhado para a fila mais adequada.
Para o usuário final, a IA praticamente desaparece. O resultado aparece dentro do próprio sistema que executa o processo.
Por que eliminar o texto pode ser uma vantagem?
Modelos de linguagem foram desenvolvidos para trabalhar com texto. Isso é justamente o que os torna tão versáteis, mas também cria algumas limitações quando o objetivo não é conversar.
Se uma empresa precisa analisar milhões de eventos e tomar decisões simples sobre cada um deles, produzir uma resposta textual completa para cada solicitação pode ser desnecessário.
Nesse tipo de cenário, uma resposta estruturada pode ser suficiente.
A proposta da TypeSafe é reduzir esse caminho. Em vez de produzir uma sequência de palavras, o modelo trabalha com escolhas, pontuações e probabilidades que podem ser consumidas diretamente por softwares.
Isso também pode reduzir o custo computacional de determinadas operações e diminuir o tempo necessário para que uma decisão seja processada.
Segundo a empresa, o Jev consegue responder em intervalos entre 70 e 500 milissegundos, dependendo da tarefa. A TypeSafe também afirma que o modelo foi desenvolvido para reduzir problemas associados às chamadas "alucinações" dos modelos generativos, justamente porque não produz texto livre.
Da conversa para a automação
A diferença fica mais clara quando pensamos em uma operação empresarial.
Imagine uma empresa que recebe milhares de solicitações diariamente. Um modelo de linguagem poderia analisar cada mensagem e produzir uma resposta explicando qual área deveria cuidar daquele caso.
O Jev pode realizar apenas a parte decisória.
O sistema recebe os dados, identifica padrões e devolve uma classificação. O software da empresa então utiliza essa informação para executar automaticamente a próxima etapa.
O processo poderia funcionar assim:
Dados entram → IA analisa → decisão estruturada é produzida → sistema executa a ação.
Essa arquitetura pode ser aplicada a diferentes operações, como triagem de atendimento, detecção de possíveis fraudes, classificação de documentos, análise preliminar de risco e roteamento de solicitações.
O ponto central é que a IA deixa de ser necessariamente uma interface para o usuário e passa a funcionar como uma camada de decisão dentro da infraestrutura digital.
Uma resposta que não precisa ser lida por ninguém
Essa talvez seja a principal mudança de perspectiva.
Grande parte das discussões sobre IA ainda está concentrada na experiência humana. Queremos saber se o chatbot responde bem, escreve de maneira natural ou consegue manter uma conversa convincente.
No ambiente corporativo, entretanto, muitas decisões não precisam ser apresentadas em formato de texto.
Um sistema antifraude, por exemplo, não precisa receber um parágrafo explicando por que determinada transação parece suspeita. Ele pode precisar apenas de uma classificação ou de uma probabilidade para decidir se aquela operação deve ser analisada por uma pessoa.
Da mesma forma, uma plataforma de atendimento não precisa necessariamente receber uma explicação completa sobre cada chamado. Ela precisa saber para onde encaminhá-lo.
É nesse espaço que modelos como o Jev tentam atuar.
A influência da ideia de "System 1"
A proposta da TypeSafe também faz referência aos conceitos apresentados pelo psicólogo Daniel Kahneman sobre diferentes formas de pensamento.
A empresa utiliza a expressão "System One" para descrever um modelo voltado a decisões rápidas, em contraste com sistemas que precisam realizar processos mais longos e elaborar respostas detalhadas.
A ideia é utilizar a inteligência artificial como uma espécie de mecanismo de decisão rápida dentro de softwares.
Essa abordagem não significa necessariamente substituir os modelos de linguagem tradicionais. Na prática, os dois tipos de tecnologia podem cumprir funções diferentes.
Um modelo generativo pode produzir uma explicação para um cliente.
Um modelo de decisão pode determinar qual cliente deve receber aquela explicação.
Onde esse tipo de IA pode ser usado?
A aplicação mais evidente está em processos que possuem grande volume de informações e decisões relativamente padronizadas.
Entre os exemplos estão:
classificação automática de chamados;
detecção de possíveis fraudes;
análise de risco;
encaminhamento de documentos;
priorização de solicitações;
sistemas de recomendação;
análise de transações;
roteamento de atendimentos;
automação de processos administrativos.
Em comum, essas atividades possuem uma característica: o resultado precisa ser uma decisão que possa desencadear outra ação.
Nesse contexto, a inteligência artificial deixa de ser apenas uma ferramenta utilizada por funcionários e passa a fazer parte da própria lógica operacional da empresa.
O debate sobre confiabilidade
Um dos problemas mais discutidos na utilização de IA generativa é a possibilidade de um modelo produzir informações incorretas com aparência de confiança.
A TypeSafe argumenta que limitar o formato das respostas pode ajudar a enfrentar parte desse problema.
No caso do Jev, a empresa afirma utilizar uma técnica chamada Reforço por Decisões Calibradas, ou RLCD, com o objetivo de fazer com que as probabilidades apresentadas pelo sistema sejam mais alinhadas às chances reais de uma decisão estar correta.
Ainda assim, existe uma diferença importante entre limitar a geração de texto e eliminar completamente o risco de erro.
Um sistema que toma decisões automaticamente continua dependendo da qualidade dos dados, do treinamento, dos critérios definidos e da forma como a empresa utiliza suas respostas.
A ausência de texto não significa ausência de risco.
Uma nova camada na arquitetura da IA
O surgimento do Jev aponta para uma possível mudança na maneira como empresas podem estruturar seus sistemas de inteligência artificial.
Em vez de imaginar uma única IA responsável por tudo, diferentes modelos podem assumir funções específicas.
Um modelo pode interpretar documentos.
Outro pode conversar com clientes.
Outro pode gerar imagens.
Outro pode analisar grandes volumes de dados.
E um modelo especializado pode simplesmente decidir qual ação deve acontecer em seguida.
Essa divisão pode tornar sistemas de IA mais especializados e, potencialmente, mais eficientes para determinadas tarefas.
A própria TypeSafe foi criada por Diogo Almeida, ex-pesquisador da OpenAI que participou de trabalhos relacionados ao RLHF e ao InstructGPT. A startup saiu do modo furtivo em setembro de 2026, anunciando uma rodada seed de US$ 40 milhões e apresentando o Jev como seu primeiro modelo público.
O futuro da IA pode ser menos parecido com um chatbot
A popularização dos chatbots criou a impressão de que inteligência artificial significa, necessariamente, conversar com uma máquina.
O Jev representa uma visão diferente.
Em vez de colocar a IA na frente do usuário, a proposta é colocá-la dentro dos sistemas que já utilizamos. Ela pode analisar informações, tomar uma decisão e entregar o resultado para outro software sem que ninguém precise conversar com ela.
Essa mudança pode parecer menos impressionante do ponto de vista da experiência do consumidor, mas pode ser bastante relevante para empresas que lidam diariamente com grandes volumes de decisões repetitivas.
A próxima etapa da inteligência artificial talvez não seja apenas criar modelos capazes de falar cada vez melhor.
Pode ser também criar sistemas que saibam quando não precisam falar nada.
Nesse cenário, a IA mais importante de uma operação pode ser justamente aquela que o usuário nunca vê.