OpenClawJev AI in italiano · demo gratuita
EnglishJev AI è il primo «modello System One» di TypeSafe AI, presentato a settembre 2026. Non scrive testi: risponde a domande di cui fissi tu in anticipo le risposte possibili (un'opzione, sì o no, un livello) e assegna a ciascuna una probabilità. In questa pagina ti spieghiamo come funziona partendo da casi tipici di assistenza clienti ed e-commerce, e puoi provarlo subito con una demo gratuita.
Descrivi il contesto, scegli il tipo di risposta e scrivi le opzioni: vedrai cosa sceglie Jev e con quale probabilità.
Risultato
Fai clic su «Decidi» per provare l'esempio, oppure sostituiscilo con un caso preso dal tuo lavoro.
Questo strumento serve per capire i tipi di risposta, esercitarsi a formulare domande e mettere alla prova le idee. Usa dati di prova senza informazioni personali e porta la logica nei processi reali solo quando domanda e opzioni sono ben rodate.
Le basi
I grandi modelli linguistici (LLM), come ChatGPT, Claude o Gemini, sono pensati per generare testo: fai una domanda e ricevi un paragrafo. Per chi legge è comodo, ma quando il risultato deve leggerlo un programma, serve lavoro in più: estrarre la conclusione dal testo, controllare che il formato sia corretto e capire quanto fidarsi della risposta.
Jev AI ribalta l'approccio. Prima definisci la domanda e le risposte ammesse; Jev sceglie solo tra quelle e restituisce una probabilità per ciascuna. TypeSafe chiama questo tipo di modello «modello System One». L'idea viene da Daniel Kahneman, che in «Pensieri lenti e veloci» distingue il Sistema 1 (veloce e intuitivo) dal Sistema 2 (lento e riflessivo): Jev fa il lavoro del Sistema 1. Il nome «Jev», invece, è un omaggio all'economista William Stanley Jevons, noto per il paradosso che porta il suo nome.
Jev, quindi, non sostituisce un LLM. Si occupa di ciò che con un LLM sarebbe troppo lento e costoso: piccole decisioni con risposte chiuse, che si ripetono migliaia di volte al giorno. Secondo TypeSafe, Jev è disponibile in accesso anticipato dal 15 settembre 2026, risponde in un tempo compreso tra 70 e 500 millisecondi e costa 0,042 USD per milione di token in input; l'output è gratuito.
Prima di scrivere la domanda, chiarisci che cosa ti serve: un'opzione tra diverse, un sì o un no, oppure un livello. Il tipo di risposta stabilisce la forma del risultato e, di conseguenza, quello che il tuo programma farà dopo.
Utile per classificare e smistare, per esempio per decidere a quale reparto assegnare il messaggio di un cliente: «Resi e sostituzioni», «Spedizioni», «Pagamenti» o «Altro». Ricevi l'opzione scelta e la probabilità di ciascuna.
choice = Resi e sostituzioni (confidenza 0,91)
Utile per verifiche e approvazioni, per esempio per capire se la PEC di un cliente vale come disdetta formale. Ricevi la probabilità che la risposta sia «sì», e la soglia la decidi tu. «Noul» è il nome scelto da TypeSafe: in pratica è una domanda sì/no con la relativa probabilità.
P(sì) = 0,88
Utile per valutare urgenza o priorità. Se definisci i livelli «Bassa», «Media», «Alta» e «Critica», ottieni la probabilità di ogni livello e un punteggio ponderato, comodo per decidere l'ordine in cui gestire le richieste.
score = 2,3 / 3
Incollare tutta la chat o l'intera scheda cliente di solito confonde più che aiutare. Tieni l'essenziale: lo stato dell'ordine, le parole esatte del cliente e quello che è già stato fatto.
«Spedizione in ritardo» e «Pacco non arrivato» si confondono facilmente: accorpale oppure chiarisci dove finisce l'una e comincia l'altra. Aggiungi anche un'opzione «Altro» o «Non determinabile», così il modello non è costretto a tirare a indovinare quando è incerto.
«Va rimborsato? E quanto?» sono in realtà due domande. Se le separi, ogni probabilità ha un significato chiaro e, quando qualcosa va storto, capisci subito quale decisione era sbagliata.
«Inoltra al supporto di secondo livello» è molto più utile di «Inoltra alla persona giusta». In questo modo il programma può usare la risposta così com'è, senza doverla interpretare.
Buona parte del valore di Jev sta nelle probabilità: non sai solo che cosa ha scelto, ma anche con quale grado di sicurezza. Così puoi separare ciò che può procedere in automatico da ciò che deve controllare una persona del team.
Un messaggio smistato male si riassegna e basta, quindi la soglia può essere più bassa. Per rimborsi, cancellazioni di dati o modifiche ai permessi alzala parecchio, oppure fai sempre confermare a una persona.
Per una o due settimane limitati a registrare le decisioni del modello, senza applicarle, e confrontale con quello che ha fatto davvero il tuo team. Quando saprai quanto sbaglia con ciascuna soglia, potrai decidere da quali casi partire con l'automazione.
Significa solo che il modello è sicuro di sé, non che abbia ragione. Conserva contesto, domanda, opzioni, probabilità e azione eseguita: così potrai ricostruire gli errori in un secondo momento.
Richiesta e risposta hanno più o meno questa forma; per i nomi esatti dei campi consulta la documentazione dell'API che integri. La risposta non contiene testo libero: il tuo programma legge direttamente i campi.
{
"model": "jev-latest",
"state": "Cliente: «Ieri mi è arrivato il monopattino elettrico, ma il parafango è rotto e la scatola era già ammaccata. Vorrei cambiarlo.»",
"questions": {
"reparto": {
"type": "choice",
"instructions": "Quale reparto deve gestire questo messaggio?",
"criteria": {
"Resi e sostituzioni": "Prodotto difettoso o richiesta di reso o sostituzione",
"Spedizioni": "Ritardo nella consegna o danni durante il trasporto",
"Pagamenti": "Addebiti, metodi di pagamento o rimborsi",
"Altro": "Non rientra in nessuna delle categorie precedenti"
}
}
}
}{
"answers": {
"reparto": {
"type": "choice",
"choice": "Resi e sostituzioni",
"probabilities": {
"Resi e sostituzioni": 0.57,
"Spedizioni": 0.38,
"Pagamenti": 0.01,
"Altro": 0.04
},
"confidence": 0.57
}
}
}I numeri sono solo indicativi. Il parafango rotto può dipendere sia da un difetto del prodotto sia da un urto durante il trasporto, quindi le prime due opzioni sono molto vicine: proprio il tipo di caso che conviene far controllare a una persona invece di smistarlo in automatico.
Sono strumenti diversi. Gli LLM come ChatGPT o Claude sono bravi a scrivere e a conversare; Jev si limita a decidere tra risposte chiuse. In pratica si usano spesso insieme: l'LLM capisce e scrive, e, nei punti in cui bisogna decidere, un modello come Jev fornisce una risposta con la sua probabilità.
La demo di questa pagina è gratuita e non richiede registrazione. Per evitare abusi, ogni indirizzo IP può inviare al massimo 8 richieste al minuto; se raggiungi il limite, aspetta un attimo e riprova.
Sì. Contesto, domanda e opzioni possono essere interamente in italiano, come negli esempi di questa pagina. Jev restituisce l'opzione scelta esattamente come l'hai scritta.
Questo sito non salva quello che scrivi. Resta comunque una demo pubblica: non inserire dati personali o riservati, come nomi, numeri di telefono, codici fiscali, password o dati dei clienti.
Lo sconsigliamo. L'endpoint pubblico della demo non ha una disponibilità garantita: può rispondere lentamente dopo un avvio a freddo (cold start) o essere temporaneamente sovraccarico. In produzione usa l'API ufficiale di TypeSafe e occupati di autenticazione, rate limiting, timeout e log.
Dopo la decisione, l'azione
Jev ti dice qual è il prossimo passo. Per compierlo davvero (cercare informazioni sul web, organizzare i file, rispondere ai messaggi) serve un agente che lavori in autonomia. È esattamente il ruolo di OpenClaw: un assistente IA nel cloud a cui affidi compiti come faresti con un collega. Usa il browser, lavora sui file, sfrutta vari strumenti ed è sempre disponibile sulla sua istanza dedicata.
Non serve costruire flussi: descrivi a parole il risultato che vuoi.
Assegna compiti da Telegram e ricevi i risultati nella stessa chat.
L'ambiente cloud lo gestiamo noi: ti basta il browser.
Scegli un piano e inizia subito dal browser o da Telegram.