Un nuevo tipo de modelo de IA creado por un inventor de ChatGPT entusiasma a los desarrolladores

Diogo Almeida fue investigador de OpenAI, ayudó a construir ChatGPT y a inventar el aprendizaje por refuerzo con retroalimentación humana, la técnica de entrenamiento que sostiene buena parte de la IA actual. Y quedó decepcionado. «Tenemos un rayo embotellado y aun así no es útil», dijo a TechCrunch. «El problema es que estamos optimizando para el lenguaje humano. Llevamos cuatro años siendo muy buenos en lenguaje humano, pero eso no sirve para automatizar, porque los computadores hablan otro idioma».

Hace dos años Almeida dejó OpenAI para fundar TypeSafe AI. Esta semana la empresa publicó Jev, un modelo basado en transformers que no es un modelo de lenguaje. No devuelve texto: devuelve probabilidades, lo que la compañía llama decisiones calibradas.

¿Por qué un modelo que no genera texto no puede alucinar?

Porque las salidas posibles se definen antes de la consulta. El modelo no compone una respuesta, elige entre opciones conocidas y entrega el nivel de confianza de esa elección. Eso elimina la alucinación por diseño y, de paso, abarata y acelera la operación: los tokens de salida son gratuitos y los de entrada se miden por cada mil millones, no por millón.

El interés de los desarrolladores fue tal que la empresa perdió brevemente la capacidad de atender su propia API por exceso de demanda. Pranit Sharma, ingeniero de Vercel, contó que su equipo usaba un modelo de OpenAI para correr un clasificador que revisaba comandos por seguridad. Al reemplazarlo por Jev obtuvo resultados entre 5 y 18 veces más rápidos y con mayor precisión.

Nikhil Mudholkar, CTO de Bryo AI, lo probó contra Gemini clasificando correos de negocio. En su prueba Gemini fue levemente más preciso, pero entre 10 y 20 veces más caro. Lo que más le interesó fueron los puntajes de confianza: «es el único que devuelve una probabilidad real, lo que lo hace ideal para automatizar flujos de trabajo».

¿Dónde encaja esto en una operación comercial?

Jev no compite con un chatbot. Compite con el lugar donde hoy muchas empresas están gastando de más: las tareas de clasificación y enrutamiento que corren miles de veces al día y que hoy se resuelven llamando a un modelo de lenguaje caro. Calificar un lead contra criterios de ICP, decidir a qué cola va un ticket, detectar intención en un correo entrante, marcar un negocio en riesgo, elegir qué modelo usar para cada carga de trabajo.

Armin Ronacher, CTO de Earendil, lo resume así: el modelo delega el problema de la alucinación al usuario. «Si vuelve con 50% de probabilidad, quizá es cara o sello y lo descarto. Pero si es 95%, sí puedo hacer algo con eso». Esa es la diferencia operativa frente a un LLM que responde con la misma seguridad cuando acierta y cuando inventa.

Hay un segundo uso que Ronacher destaca: vigilar a los agentes. Usar agentes para monitorear agentes se vuelve caro rápido; usar un modelo barato y rápido para revisar trazas y prevenir desvíos, no.

¿Qué significa para las empresas B2B de Chile y Latinoamérica?

El nombre del modelo viene de William Stanley Jevons, el economista del siglo XIX cuya paradoja describe cómo la caída del costo de un bien termina aumentando su consumo. Esa es la apuesta explícita de Almeida: si la inteligencia se abarata lo suficiente, aparece software inteligente en todas partes, «de forma emergente y distribuida, mucho más parecida a los inicios de internet que a las mega aplicaciones que todos intentan construir hoy».

Para el mercado de Chile y Latinoamérica, donde el costo por token es una restricción real y el tipo de cambio castiga cualquier gasto en dólares, un modelo que cobra la salida a cero cambia la matemática de automatizar. Y hay un detalle regional relevante: en tareas de clasificación en español, la precisión importa más que la elocuencia, y este tipo de modelo se evalúa con una métrica objetiva, no con impresiones sobre la calidad del texto.

Análisis de Revenue Hub

La lectura para un líder comercial es de costos, no de tecnología. Buena parte de los pilotos de IA en áreas de ingresos consisten en poner un modelo de lenguaje a hacer trabajo de clasificación: leer un formulario y decidir si califica, leer un correo y decidir a quién va, leer una llamada y decidir si hay riesgo. Es trabajo de decisión, no de redacción, y se está pagando a precio de redacción.

La oportunidad concreta es separar esos dos tipos de tarea en el stack. Donde se necesita lenguaje, un LLM. Donde se necesita una decisión con nivel de confianza y trazabilidad, un modelo determinista. Esa separación baja el costo, sube la velocidad y, sobre todo, hace auditable la decisión: un umbral de confianza es una regla de negocio que se puede discutir en un comité, cosa que no ocurre con una respuesta en prosa.

La advertencia razonable: Jev es nuevo, es el único de su especie por ahora y su arquitectura no está publicada. No es momento de rediseñar el stack alrededor de él. Sí es momento de inventariar qué procesos de clasificación corren hoy sobre un modelo de lenguaje caro y cuánto cuestan al mes, porque esa cifra es el tamaño de la oportunidad cuando aparezcan competidores, que van a aparecer. En nuestra cobertura de tendencias SaaS seguimos estos movimientos y en el blog publicamos cómo se estructura un stack de IA por tipo de tarea.