¿Qué es Jev? La IA que decide en lugar de escribir

La mayoría de la gente usa la IA igual para todo: abre un chat, pega algo y recibe un párrafo. Eso funciona para escribir. Es un desperdicio para los cientos de pequeñas decisiones que forman una jornada de trabajo.

¿Este email es urgente? ¿Este lead es un comprador real? ¿Qué equipo debería encargarse de esta petición? ¿Este cliente está pidiendo un reembolso? No son tareas de escritura. Son tareas de clasificación. Y hasta hace poco pagábamos a un redactor para hacer el trabajo de un clasificador.

Ese es el hueco que llena Jev.

¿Qué es Jev, exactamente?

Jev es un modelo de IA creado por TypeSafe, un laboratorio fundado por Diogo Almeida, Erik Gafni y Sasha Sheng. Entró en acceso anticipado el 15 de septiembre de 2026 y está disponible a través de OpenRouter. El nombre no es un acrónimo.

Un modelo de lenguaje normal (ChatGPT, Claude, Gemini) predice palabras. Jev no produce palabras. Tú describes una decisión y te devuelve una respuesta estructurada en una de estas tres formas:

Explicas cada opción con palabras sencillas, como si informaras a una nueva incorporación. Jev lee esas descripciones, lee tu texto y decide. La calidad de su respuesta depende de lo claro que describas las opciones. Es la misma lección que con cualquier IA: las instrucciones vagas obtienen la respuesta más probable, no la que querías decir.

Jev vs ChatGPT o Claude: ¿cuál es la diferencia?

No compiten. Hacen trabajos distintos.

Piénsalo como contratar a dos personas. El chatbot es tu redactor. Jev es tu clasificador: rápido, barato y solo marca una de las casillas que le diste.

¿Cuánto cuesta Jev?

Esta es la parte que cambia lo que merece la pena automatizar. En OpenRouter, Jev cuesta unos 0,04 $ por millón de tokens de entrada, y la salida es gratis. El propio ejemplo de OpenRouter sale a unos 19 $ por un millón de tickets de soporte.

En un episodio de How I AI en Lenny's Newsletter, Claire Vo (fundadora de ChatPRD) lo usó para categorizar 1.700 pull requests por unos 9 céntimos y para convertir 4.500 comentarios de YouTube en un panel de información sobre su audiencia.

A esos precios, trabajos que nunca pagarías a un chatbot para hacer uno a uno pasan a ser razonables: puntuar cada email que llega a tu bandeja, etiquetar cada lead de tu CRM, leer cada reseña que ha recibido un competidor.

¿Para qué puede usar Jev un negocio?

Así encaja con el tipo de trabajo que me traen mis clientes de coaching:

• Triaje de la bandeja de entrada. Puntúa la urgencia de cada email entrante y envíalo a su sitio: "incidencia de cliente", "nuevo lead", "proveedor", "ignorar". Luego un chatbot redacta respuestas solo para los que importan.
• Cualificación de leads. ¿Esta consulta es de un comprador real, de un curioso o de un proveedor que te quiere vender algo? Actúa automáticamente en los casos claros y revisa tú los dudosos.
• Enrutado de tickets de soporte. ¿Facturación, técnico o cuenta? ¿El cliente pide un reembolso? ¿Es urgente?
• Feedback a escala. Etiqueta cientos de reseñas, respuestas de encuestas o comentarios en redes por tema y sentimiento, y deja que un chatbot escriba el resumen.
• Comprobar a un agente de IA antes de que actúe. Antes de que un agente envíe un email o borre un archivo, pregunta a Jev: "¿Esto cumple nuestra política?". Si la confianza es baja, lo mira primero una persona.

Por qué importa el número de confianza

Jev no solo responde. Te dice lo seguro que está, y TypeSafe calibró esos números para que, a lo largo de muchas decisiones, "80% seguro" signifique de verdad acertar alrededor del 80% de las veces. (Cualquier respuesta concreta puede seguir siendo errónea.)

Eso te permite fijar tres franjas sencillas en lugar de fiarte de todo o de nada:

1. Confianza alta: actuar automáticamente.
2. Intermedia: marcar para revisión.
3. Confianza baja: pasarlo a una persona.

Dónde trazar esas líneas depende de tu negocio. Pruébalo con 50–100 ejemplos reales que ya hayas clasificado a mano y mira dónde empieza a equivocarse.

La trampa: úsalo con un chatbot, no en su lugar

Jev tiene límites claros:

• Solo texto. Nada de imágenes, PDF escaneados, audio ni vídeo.
• Sin explicaciones. Recibes un número, no el razonamiento que hay detrás.
• No sirve para cálculos ni reglas. Fechas, totales y umbrales van en una hoja de cálculo o en un script sencillo, no en un modelo de IA.
• Alojado y propietario. Dependes del servicio de TypeSafe, y las respuestas pueden variar ligeramente entre llamadas.

Claire Vo contó que dejó de usar Jev por sí solo. El patrón que funciona es una pareja: Jev decide, un chatbot escribe. Jev puntúa y enruta los emails; Claude redacta las respuestas para los cinco que importan.

Si eso te suena a un flujo de trabajo con tareas separadas y un revisor, lo es. Es exactamente la idea detrás de la ingeniería de grafos (graph engineering): dividir el trabajo en tareas, dar a cada tarea la herramienta adecuada y mantener a una persona donde los errores salen caros. Jev encaja de forma natural en las tareas de "clasificador" y "revisor" de ese grafo.

Cómo empezar con Jev si no programas

Jev se usa a través de una API (OpenRouter o los SDK propios de TypeSafe), así que no hay una ventana de chat donde escribir. Suena a herramienta solo para desarrolladores. En 2026 ya no lo es, porque puedes pedir a un agente de programación como Claude Code que lo conecte por ti.

Paso 1: Elige una decisión de clasificación que tomes cada día

Una, no cinco. "¿Este email viene de un posible cliente?" es una gran primera opción.

Paso 2: Escribe las opciones como si informaras a una nueva incorporación

Para cada opción, dos o tres frases sobre qué cuenta y qué no. Esto es el 80% del resultado.

Paso 3: Reúne 50 ejemplos reales que ya hayas clasificado

Este es tu conjunto de prueba. Sin él no puedes saber si el modelo es bueno o solo parece seguro.

Paso 4: Pide a un agente de programación que monte la prueba

Quiero probar el modelo de decisión Jev (modelo "typesafe/jev-1.13" en OpenRouter) con una decisión de mi negocio.

La decisión: [p. ej. "¿Este email entrante viene de un posible cliente?"]
Las opciones y qué significa cada una: [pega tu descripción]
Mi conjunto de prueba: [adjunta un CSV con el texto y la respuesta que elegí a mano]

Crea un pequeño script que envíe cada ejemplo a Jev, guarde su respuesta y su confianza junto a la mía, y me muestre:
1. Con qué frecuencia Jev coincidió conmigo
2. La precisión por encima y por debajo de distintos niveles de confianza, para que pueda elegir mis umbrales de "actuar / revisar / escalar"
3. Los 10 ejemplos en los que se equivocó con más confianza

Pídeme mi clave de API de OpenRouter al ejecutarlo. No la escribas nunca en un archivo.

Paso 5: Solo entonces conéctalo a tu bandeja de entrada o a tu CRM

Cuando los números aguanten con tus propios ejemplos, automatízalo. Empieza con "marcar para revisión", no con "actuar automáticamente".

¿Te compensa Jev?

Si casi todo tu uso de la IA es escribir, Jev no cambia nada. Sigue usando tu chatbot.

Si tu día está lleno de pequeños juicios repetidos (clasificar leads, hacer triaje de mensajes, etiquetar feedback, revisar trabajo antes de que salga), Jev es la primera herramienta que hace que automatizarlos sea casi gratis. La habilidad que importa no es la API. Es saber describir una decisión con la claridad suficiente para que una máquina pueda tomarla. Es una habilidad que vale la pena desarrollar, se llame como se llame el próximo modelo.

Preguntas frecuentes

Fuentes: OpenRouter: What is Jev (precios, tipos de pregunta, calibración, límites) · Lenny's Newsletter / How I AI: Jev for beginners con Claire Vo (casos de uso y costes). Precios y versión del modelo a octubre de 2026.