OpenClawJev AI en español · demo gratis
EnglishJev AI es el primer «modelo System One» de TypeSafe AI, presentado en septiembre de 2026. No redacta textos: responde preguntas cuyas respuestas posibles defines de antemano (una opción, sí o no, un nivel) y te indica qué probabilidad asigna a cada una. En esta página te explicamos cómo funciona con casos habituales de atención al cliente y comercio electrónico, y tienes una demo gratis para probarlo al momento.
Describe la situación, elige el tipo de respuesta y escribe las opciones: verás qué elige Jev y con qué probabilidad.
Resultado
Haz clic en «Decidir» para probar el ejemplo, o cámbialo por un caso parecido a los de tu trabajo.
Esta herramienta sirve para entender los tipos de respuesta, practicar cómo plantear preguntas y probar ideas. Usa datos de prueba sin información personal y pásala a tus procesos reales solo cuando la pregunta y las opciones estén bien afinadas.
Lo básico
Los grandes modelos de lenguaje (LLM), como ChatGPT, Claude o Gemini, están hechos para continuar un texto: haces una pregunta y te devuelven un párrafo. Para una persona es cómodo de leer, pero si el resultado tiene que pasar a un programa, empieza el trabajo extra: extraer la decisión del texto, comprobar que el formato es correcto y decidir hasta qué punto confiar en la respuesta.
Jev AI le da la vuelta al planteamiento. Primero defines la pregunta y las respuestas permitidas; Jev decide solo entre ellas y devuelve una probabilidad para cada una. TypeSafe llama a este tipo de modelo «modelo System One». La idea viene de Daniel Kahneman, que en «Pensar rápido, pensar despacio» distingue entre el sistema 1 (rápido e intuitivo) y el sistema 2 (lento y reflexivo): Jev hace el papel del sistema 1. «Jev», por su parte, es un guiño al economista William Stanley Jevons, conocido por la paradoja de Jevons.
Por eso Jev no sustituye a un LLM. Se encarga de lo que a un LLM le resulta lento y caro: decisiones pequeñas, con un rango de respuestas cerrado, que se repiten miles de veces al día. Según TypeSafe, Jev está disponible en acceso anticipado desde el 15 de septiembre de 2026, tarda entre 70 y 500 milisegundos en responder y cuesta 0,042 USD por millón de tokens de entrada; la salida es gratuita.
Antes de escribir la pregunta, decide qué necesitas: elegir una opción, un sí o un no, o un nivel. El tipo de respuesta define la forma del resultado y, con ello, lo que hará tu programa a continuación.
Sirve para clasificar y derivar; por ejemplo, para decidir si el mensaje de un cliente va a «Devoluciones y cambios», «Envíos», «Pagos» u «Otro». Recibes la opción elegida y la probabilidad de cada una.
choice: Devoluciones y cambios (confianza 0,91)
Sirve para revisiones y aprobaciones, por ejemplo, para saber si conviene que el encargado lea una reseña antes de contestarla. Devuelve la probabilidad de que la respuesta sea «sí», y el umbral lo pones tú. «Noul» es el nombre que le dio TypeSafe: en la práctica, es una pregunta de sí o no con probabilidad.
P(sí) = 0,84
Sirve para medir urgencia o prioridad. Si defines los niveles «Baja», «Media», «Alta» y «Crítica», obtienes la probabilidad de cada nivel y una puntuación ponderada, muy útil para ordenar la cola de trabajo.
score = 2,2 / 3
Pegar el historial completo del chat o toda la ficha del cliente suele desviar la decisión. Quédate con lo esencial: el estado del pedido, lo que dijo el cliente con sus propias palabras y lo que ya se hizo.
«Envío con retraso» y «El paquete no llegó» se superponen: únelas o deja claro dónde está el límite. Añade también «Otro» o «No se puede determinar» para que el modelo no se vea obligado a elegir una opción equivocada cuando duda.
«¿Hay que reembolsar y cuánto?» son en realidad dos preguntas. Si las separas, cada probabilidad tiene un significado claro y, cuando algo falla, sabes enseguida cuál de las dos decisiones fue errónea.
«Escalar a Soporte de nivel 2» es mucho más útil que «Pasárselo a la persona adecuada». Así puedes usar la respuesta directamente, sin traducirla a otra cosa.
Buena parte del valor de Jev está en las probabilidades: no solo sabes qué eligió, sino también con cuánta seguridad lo hizo. Con eso puedes separar lo que se puede automatizar de lo que tiene que revisar una persona.
Un mensaje mal derivado se reasigna y listo, así que el umbral puede ser más bajo. Para reembolsos, borrado de datos o cambios de permisos, súbelo bastante o haz que siempre lo confirme una persona.
Durante una o dos semanas, limítate a guardar las decisiones del modelo y compáralas con lo que hizo tu equipo. Cuando sepas cuánto falla con cada umbral, decide qué tipo de casos automatizar primero.
Que la probabilidad sea alta solo significa que el modelo está seguro, no que tenga razón. Guarda la entrada, las opciones, las probabilidades y la acción ejecutada para poder entender los errores después.
La solicitud y la respuesta tienen más o menos esta forma; consulta la documentación de la API que integres para ver los nombres exactos de los campos. La respuesta no incluye ningún texto redactado: tu programa lee los campos directamente.
{
"model": "jev-latest",
"state": "Cliente: «Ayer me llegó el televisor, pero la pantalla vino rayada y la caja estaba golpeada. Quiero que me lo cambien».",
"questions": {
"area": {
"type": "choice",
"instructions": "¿Qué área debe atender este mensaje?",
"criteria": {
"Devoluciones y cambios": "Producto defectuoso o solicitud de devolución o cambio",
"Envíos": "Retraso en la entrega o daños durante el transporte",
"Pagos": "Cobros, métodos de pago o facturas",
"Otro": "No encaja en ninguna de las anteriores"
}
}
}
}{
"answers": {
"area": {
"type": "choice",
"choice": "Devoluciones y cambios",
"probabilities": {
"Devoluciones y cambios": 0.56,
"Envíos": 0.39,
"Pagos": 0.01,
"Otro": 0.04
},
"confidence": 0.56
}
}
}Los números son solo ilustrativos. El daño puede ser un defecto de fábrica o un golpe durante el envío, así que las dos primeras opciones quedan muy parejas: justo el tipo de caso que conviene pasar a una persona en lugar de asignarlo automáticamente.
Son herramientas distintas. Los LLM como ChatGPT o Claude destacan a la hora de redactar y conversar; Jev solo decide entre respuestas cerradas. En la práctica se suelen combinar: el LLM entiende y redacta, y en los puntos donde hay que decidir, un modelo como Jev da una respuesta con su probabilidad.
La demo de esta página es gratis y no necesitas registrarte. Para evitar abusos, cada dirección IP puede enviar como máximo 8 solicitudes por minuto; si llegas al límite, espera un momento y vuelve a intentarlo.
Sí. La situación, la pregunta y las opciones pueden ir completamente en español, como en los ejemplos de esta página. Jev devuelve la opción elegida tal como la escribiste.
Este sitio no guarda lo que escribes. Aun así, es una demo pública: no incluyas datos personales ni confidenciales, como nombres, teléfonos, contraseñas o datos de clientes.
No lo recomendamos. El endpoint público de la demo no tiene disponibilidad garantizada: puede tardar en responder tras un arranque en frío o saturarse momentáneamente. Para producción, usa la API oficial de TypeSafe y encárgate de la autenticación, los límites de solicitudes, los tiempos de espera y los registros.
Después de decidir, hay que actuar
Jev te dice cuál es el siguiente paso. Para ejecutarlo de verdad (buscar información en la web, ordenar archivos, responder mensajes), hace falta un agente que actúe por su cuenta. Eso es OpenClaw: un asistente de IA en la nube al que le encargas tareas como a un compañero. Maneja el navegador, trabaja con archivos, usa herramientas y está siempre disponible en su propia instancia.
No hace falta configurar flujos: describe con tus palabras el resultado que quieres.
Encárgale tareas por Telegram y recibe los resultados en la misma conversación.
Nosotros gestionamos el entorno en la nube; te basta con el navegador.
Elige un plan y empieza directamente desde el navegador o desde Telegram.