Jev: el modelo de IA que no conversa y por qué importa a tu ERP
En los últimos años, la conversación sobre inteligencia artificial en el entorno empresarial ha girado casi en exclusiva en torno a los modelos generativos: asistentes que redactan correos, resumen reuniones o producen código. Sin embargo, una parte creciente del sector empieza a mirar hacia otro tipo de modelo, menos vistoso pero potencialmente más útil para la operación diaria de una empresa. Es el caso de Jev, presentado por la startup TypeSafe AI y fundada por Diogo Almeida, antiguo investigador de OpenAI.
La propuesta de Jev es deliberadamente contraintuitiva: no escribe, no mantiene conversaciones y no genera contenido en el sentido tradicional. Su función es tomar decisiones. Se trata de un modelo orientado a que el software y los agentes que operan dentro de una organización puedan resolver elecciones concretas —aprobar o rechazar, enrutar o escalar, priorizar o descartar— con un criterio consistente y verificable. Según las crónicas publicadas por Forbes, TechCrunch y The Next Web, esta aproximación ha generado un interés notable entre desarrolladores, hasta el punto de convertirse en uno de los modelos con adopción más rápida en plataformas como Vercel.
El contexto de esta propuesta merece atención. Almeida participó en la investigación sobre seguimiento de instrucciones que dio lugar a los asistentes conversacionales y en el desarrollo del aprendizaje por refuerzo con retroalimentación humana, la técnica que en buena medida explica el auge actual de la IA generativa. Su diagnóstico, expresado en declaraciones a TechCrunch, es que la industria ha creado algo extraordinario pero no siempre útil para resolver problemas operativos reales. Jev nace, precisamente, de esa insatisfacción: menos espectáculo, más función.
Para una empresa que opera con ERP, CRM y sistemas a medida, la distinción no es menor. La mayoría de los proyectos de IA aplicada que fracasan en el ámbito B2B lo hacen porque se plantean como interfaces conversacionales que nadie utiliza, o como generadores de texto que introducen ruido en procesos que ya funcionaban. Un modelo de decisión, en cambio, encaja de forma natural en flujos donde el valor está en la consistencia: clasificación de incidencias, validación de pedidos, asignación de oportunidades comerciales, detección de anomalías en facturación o priorización de tickets de soporte.
Esto no significa que los modelos generativos dejen de tener sentido. Significa que conviene separar dos capas: la capa de interacción, donde la conversación aporta valor, y la capa de decisión, donde lo que se exige es trazabilidad, repetibilidad y control. Jev apunta directamente a la segunda. Para un responsable de operaciones, esa separación es útil porque permite auditar por qué el sistema tomó una decisión, algo que con un modelo puramente generativo resulta mucho más difícil de justificar ante un auditor o ante un cliente.
La tendencia que reflejan estas noticias recientes encaja con lo que venimos observando en proyectos de automatización en empresas españolas: el interés se desplaza desde la novedad hacia el retorno medible. Las organizaciones que ya han probado asistentes conversacionales empiezan a preguntar por modelos que se integren en el back office sin necesidad de que un empleado aprenda una nueva interfaz. La promesa de Jev —decisiones tomadas por software y agentes, no conversaciones— responde exactamente a esa demanda.
En TUK Quantum trabajamos con este tipo de escenarios en proyectos de ERP, CRM y desarrollo a medida. La lección que extraemos de la irrupción de modelos como Jev es que la pregunta relevante ya no es qué puede escribir la IA, sino qué decisiones puede asumir con garantías dentro de un proceso concreto. Esa pregunta obliga a definir reglas, umbrales, excepciones y mecanismos de escalado a personas, algo que forma parte del diseño del software tanto como del modelo.
Conviene, por tanto, mantener cierta prudencia. Un modelo de decisión no sustituye el criterio humano en cuestiones sensibles, y su integración exige gobierno del dato, políticas claras de responsabilidad y una capa de observabilidad que permita detectar desviaciones. La novedad técnica es interesante, pero el valor real aparece cuando se traduce en procesos más rápidos, menos errores y una carga administrativa menor para los equipos.
La irrupción de Jev no supone el fin de la IA conversacional, sino la consolidación de una segunda vía: la de los modelos que trabajan donde nadie los ve, tomando decisiones pequeñas pero repetidas miles de veces al día. Para las empresas que están planificando su hoja de ruta tecnológica para los próximos ejercicios, esta distinción merece estar sobre la mesa. No se trata de elegir entre conversar y decidir, sino de asignar a cada capa la función que le corresponde.