JEV di TypeSafe AI: perché stai sprecando budget AI su decisioni che non richiedono un LLM

Non tutta l’AI deve generare testo. Per automatizzare i processi aziendali, spesso basta, e conviene, un modello che decida in modo rapido, preciso ed economico. Ecco cos’è JEV e perché è interessante per le PMI.

---

C’è un momento in cui ogni imprenditore che ha iniziato a sperimentare l’intelligenza artificiale in azienda si trova davanti alla stessa domanda: perché un sistema così potente impiega tre secondi per dirmi se un’email è un reclamo o una richiesta commerciale?

La risposta è scomoda ma necessaria: perché stiamo usando lo strumento sbagliato per il lavoro che vogliamo fare.

I modelli linguistici di grandi dimensioni, quelli che conosciamo con i nomi di ChatGPT, Claude o Gemini, sono stati progettati per generare testo. Lo fanno egregiamente: scrivono, spiegano, traducono, riassumono, dialogano, ma quando li impieghiamo per compiti di classificazione e smistamento, come stabilire la priorità di un ticket, qualificare un lead o validare un dato prima che entri nel gestionale, stiamo di fatto usando un motore da Formula 1 per percorrere cento metri in un parcheggio. Funziona, ma né il tempo né il costo sono giustificati dal risultato.

Da pochi giorni TypeSafe AI ha presentato JEV, un modello che si posiziona in modo radicalmente diverso rispetto agli LLM tradizionali. JEV non scrive, non dialoga e non spiega. Riceve dati in ingresso e restituisce una decisione strutturata: una categoria, un’approvazione, una priorità, insieme a un indice di affidabilità percentuale. JEV non genera paragrafi, nessun testo libero: solo la risposta alla domanda che gli è stata posta, nel formato atteso, in pochi millisecondi.

Perché il nome JEV?

Il nome JEV non è casuale e porta con sé due riferimenti precisi. Il primo è il “Sistema 1” teorizzato dallo psicologo Daniel Kahneman: il pensiero rapido, automatico e intuitivo che ci permette di riconoscere una faccia familiare o di frenare prima ancora di aver elaborato consapevolmente il pericolo. Il secondo è William Stanley Jevons, l’economista ottocentesco noto per il paradosso che porta il suo nome: l’osservazione che rendere una risorsa più efficiente tende ad aumentarne il consumo totale anziché ridurlo, perché l’efficienza apre usi che prima erano semplicemente impraticabili. TypeSafe sceglie questo riferimento con una precisa intenzione: JEV non è uno strumento per fare le stesse cose a costo inferiore, ma un abilitatore di automazioni che oggi non esistono perché con i modelli linguistici tradizionali sarebbero economicamente insostenibili.

Cosa cambia JEV in concreto per chi gestisce un’azienda?

La differenza più immediata è la velocità. Dove un LLM tradizionale impiega dai due ai cinque secondi per elaborare una risposta, JEV opera in un intervallo compreso tra i 70 e i 500 millisecondi. Su scala, migliaia di email al giorno, decine di migliaia di transazioni al mese, questa differenza non è un dettaglio tecnico ma la differenza tra un processo che gira in tempo reale e uno che accumula ritardi fino a diventare un collo di bottiglia.

Il secondo elemento riguarda i costi. I modelli linguistici fatturano per token: ogni parola generata ha un prezzo. Un sistema di classificazione basato su LLM che processa un volume significativo di dati può diventare rapidamente oneroso. TypeSafe AI dichiara per JEV un rapporto di costo fino a 400 volte inferiore rispetto agli LLM tradizionali sugli stessi task decisionali. Un ordine di grandezza che, per le PMI che ragionano su budget concreti, vale una valutazione approfondita.

Il terzo aspetto è quello che in ambito tecnico viene chiamato affidabilità del formato. Un LLM, anche quando produce informazioni corrette, può restituirle in un formato leggermente diverso da quello atteso dal sistema che le deve ricevere, A volte può essere un campo in più, una struttura JSON non perfettamente conforme, una variazione nella terminologia. In un processo automatizzato, questi “errori di formato” non sono errori di contenuto ma sono ugualmente bloccanti: rompono il flusso, richiedono gestione manuale delle eccezioni, introducono fragilità nell’automazione. JEV, lavorando su schemi tipizzati e garantiti, elimina questa categoria di problemi alla radice.

C’è poi un quarto elemento, forse quello più interessante dal punto di vista della gestione operativa: l’indice di affidabilità. JEV non si limita a restituire una decisione, ma indica quanto è sicuro di essa, ad esempio “Categoria: Reclamo, Sicurezza: 94%”. Questa caratteristica permette di progettare processi ibridi intelligenti/deterministici: quando la sicurezza supera una soglia definita, la decisione viene applicata automaticamente; quando scende al di sotto, il caso viene esplicitamente segnalato per la revisione umana. Non più eccezioni impreviste che emergono a valle, ma un sistema che sa riconoscere i propri limiti e li gestisce in modo trasparente in modo deterministico.

I contesti applicativi di JEV nelle PMI

Le aree in cui un modello come JEV può produrre valore concreto in un’azienda di medie dimensioni sono più immediate di quanto si potrebbe pensare. Il triage del customer care, smistare le richieste in arrivo al reparto corretto prima ancora che un operatore le legga, è probabilmente l’applicazione più diretta. La qualifica automatica dei lead in ingresso dal sito o dai canali commerciali è un altro caso d’uso che molte aziende hanno già provato ad affrontare con gli LLM, pagando in termini di costo e latenza. Il controllo qualità dei dati in entrata: verificare che una fattura sia completa prima che venga processata, che un’anagrafica sia coerente prima che entri nel CRM, è un’attività silenziosamente costosa che un sistema di questo tipo può gestire.

Nessuno di questi casi richiede che l’AI generi testo. Richiedono che l’AI decida. Ed è esattamente in questi casi che un modello come JEV offre i suoi vantaggi.

JEV non sostituisce gli LLM: li completa

Una precisazione che vale la pena fare, perché può sembrare controintuitiva: JEV non è una alternativa agli LLM generativi, è un complemento progettato per lavorare con loro. L’architettura che produce i risultati più interessanti, e che noi in E-TERNA stiamo già valutando in diversi contesti progettuali, è quella ibrida: JEV gestisce la fase di smistamento, classificazione e filtraggio, che rappresenta il volume maggiore delle operazioni. L’LLM entra in gioco solo per i casi che richiedono effettivamente una risposta articolata, una spiegazione o un testo da consegnare all’utente finale.

Il risultato pratico di questa architettura è che il costo e la latenza dell’LLM vengono concentrati esattamente dove creano valore, non spalmati su tutto il volume operativo. Nei primi test interni, questo approccio ha portato a riduzioni significative del costo complessivo dell’infrastruttura AI, con un impatto positivo anche sulla velocità percepita dall’utente finale.

Una valutazione pragmatica

JEV è un modello nuovo, presentato da un’azienda, TypeSafe AI, che sta costruendo la propria reputazione proprio su questo posizionamento di nicchia. Come per ogni tecnologia emergente, la valutazione sensata non è quella entusiastica né quella scettica, ma quella pragmatica: identificare uno o due processi aziendali in cui il problema del costo o della latenza degli LLM è già presente e misurabile, e testare JEV su quelli in modo controllato.

È esattamente il tipo di valutazione che consigliamo nelle aziende con cui lavoriamo: non l’adozione di tecnologia per il gusto della novità, ma la costruzione di un caso d’uso verificabile, misurabile nel tempo e scalabile se produce i risultati attesi.

Se state affrontando questa riflessione nella vostra organizzazione, che si tratti di un primo PoC, di un’integrazione in un sistema esistente o di una valutazione più ampia della vostra architettura AI. siamo disponibili per una conversazione conoscitiva senza impegno.

FAQ su JEV