Jev AI 한국어 가이드 · 무료 체험

Jev AI란? 글이 아니라 ‘판단’을 내리는 AI 모델

Jev AI는 TypeSafe AI가 2026년 9월에 공개한 첫 번째 ‘System One 모델’입니다. 글은 쓰지 않습니다. 미리 정해 둔 선택지 안에서 ‘무엇을 고를지’, ‘예인지 아니요인지’, ‘몇 단계인지’만 답하고, 그 답을 얼마나 확신하는지 확률로 알려 줍니다. 이 페이지에서는 국내 서비스에서 흔히 보는 업무를 예로 들어 구조와 사용법을 설명합니다. 직접 써 볼 수 있는 무료 체험 도구도 준비했습니다.

바로 체험하기 활용 사례 보기

입력: 현재 상황과 선택지가 정해진 질문
출력: 고른 답과 선택지별 확률
하지 않는 일: 글쓰기, 이유 설명, 선택지에 없는 답 만들기

판단 AI 체험

질문을 던지고 Jev의 판단 확인하기

상황을 적고 답변 유형과 선택지를 정하면, Jev가 고른 답과 선택지별 확률을 바로 확인할 수 있습니다.

판단 결과

‘판단하기’를 눌러 예시를 실행해 보거나, 운영 중인 서비스의 실제 상황으로 바꿔 입력해 보세요.

이 도구는 답변 유형을 익히거나 질문 작성을 연습하고, 아이디어를 빠르게 검증해 볼 때 유용합니다. 개인정보가 없는 테스트 데이터로 써 보고, 질문과 선택지를 충분히 다듬은 뒤에 실제 업무에 적용하세요.

먼저 기본부터

Jev AI란 무엇인가: 판단만 하는 모델

ChatGPT, Claude, Gemini 같은 대규모 언어 모델(LLM)은 질문을 받으면 이어서 글을 써 내려가는 데 능숙합니다. 사람이 읽기에는 편하지만, 결과를 프로그램에 넘기려면 답변에서 결론만 뽑아내고, 형식이 맞는지 확인하고, 이 답을 얼마나 믿어도 되는지까지 따로 가늠해야 합니다.

Jev AI는 발상을 뒤집었습니다. 질문과 고를 수 있는 답을 먼저 정해 두면, Jev는 그 범위 안에서만 판단하고 답마다 확률을 함께 알려 줍니다. TypeSafe는 이런 모델을 ‘System One 모델’이라고 부릅니다. 대니얼 카너먼의 『생각에 관한 생각』으로 널리 알려진 ‘시스템 1(빠르고 직관적인 사고)’과 ‘시스템 2(느리고 신중한 사고)’의 구분에서 나온 이름으로, Jev가 맡는 쪽은 시스템 1입니다. ‘Jev’라는 이름은 ‘제번스의 역설’로 유명한 경제학자 윌리엄 스탠리 제번스에게서 따왔습니다.

즉, Jev는 LLM을 대체하는 모델이 아닙니다. LLM에 맡기기에는 비효율적이고 비용도 부담스러운 일, 다시 말해 하루에도 수천 번씩 반복되고 답의 범위가 정해진 작은 판단을 맡는 모델입니다. TypeSafe 발표에 따르면 Jev는 2026년 9월 15일 얼리 액세스로 공개됐고, 응답 시간은 70~500밀리초, 요금은 입력 토큰 100만 개당 0.042달러이며 출력은 무료입니다.

세 가지 답변 유형과 각각의 쓰임새

질문을 쓰기 전에 원하는 결과가 ‘하나 고르기’인지, ‘예/아니요’인지, ‘단계 매기기’인지부터 정해야 합니다. 답변 유형에 따라 반환되는 결과의 형태가 달라지고, 결과를 받은 프로그램이 다음에 할 일도 달라집니다.

Choice: 선택지 중 하나 고르기

분류·배정에 적합합니다. 예를 들어 쇼핑몰에 들어온 고객 문의를 ‘교환·반품’, ‘배송’, ‘결제’, ‘기타’ 중 어느 팀으로 보낼지 정하는 경우입니다. 선택된 항목과 항목별 확률을 함께 반환합니다.

choice: 교환·반품 (신뢰도 0.91)

Noul: ‘예’ 또는 ‘아니요’로 답하기

검토·승인 단계에 씁니다. 예를 들어 새로 올라온 리뷰를 게시하기 전에 담당자가 확인해야 하는지 판단하는 경우입니다. 반환되는 값은 ‘예’일 확률이고, 임계값을 어디에 둘지는 사용하는 쪽에서 정합니다. Noul은 TypeSafe가 지은 이름으로, 확률이 붙은 예/아니요 판단이라고 생각하면 됩니다.

P(예) = 0.78

Score: 단계별로 평가하기

긴급도나 우선순위를 매길 때 유용합니다. 예를 들어 고객 문의의 긴급도를 ‘낮음’, ‘보통’, ‘높음’, ‘긴급’ 4단계로 나누면, 단계별 확률과 이를 바탕으로 계산한 가중 점수를 받을 수 있어 처리 순서를 정하기 쉽습니다.

score = 2.1 / 3

좋은 결과를 얻는 질문 작성법

01
상황에는 이번 판단에 필요한 사실만 적기
상담 기록이나 고객 정보를 통째로 넣으면 오히려 판단이 흔들리기 쉽습니다. 주문 상태, 고객이 실제로 한 말, 이미 처리한 내용처럼 이번 판단에 꼭 필요한 정보만 남기세요.
02
선택지는 겹치지 않게, ‘기타’도 하나 두기
‘배송 지연’과 ‘상품 미도착’처럼 경계가 모호한 선택지는 하나로 합치거나 기준을 분명히 적어 두세요. ‘기타’나 ‘판단 불가’를 하나 넣어 두면, 애매한 경우에도 모델이 억지로 아무 선택지나 고르지 않습니다.
03
질문 하나에는 한 가지만 묻기
‘환불해 줄지, 얼마를 환불할지’는 사실 질문 두 개입니다. 나눠서 물어야 확률도 제대로 해석할 수 있고, 문제가 생겼을 때 어느 판단이 틀렸는지도 찾기 쉽습니다.
04
선택지는 시스템에서 실제로 쓰는 이름 그대로 적기
‘적절한 담당자에게 전달’보다 ‘CS 2팀으로 전달’이 훨씬 쓰기 좋습니다. 받은 답을 그대로 다음 처리에 넘길 수 있어 따로 변환할 필요가 없습니다.

확률을 받은 뒤, 임계값은 어떻게 정할까?

Jev를 쓰는 이유의 절반은 확률입니다. 무엇을 골랐는지뿐 아니라 얼마나 확실한지도 알려 주므로, 자동으로 처리할 건과 사람이 확인할 건을 나눌 수 있습니다.

틀렸을 때 피해가 클수록 임계값은 높게

문의 분류가 틀려도 다시 넘기면 되니 임계값을 조금 낮게 잡아도 괜찮습니다. 반면 환불, 데이터 삭제, 권한 변경 같은 작업이라면 임계값을 훨씬 높이거나, 아예 사람이 확인하도록 하세요.

처음에는 기록만 하고, 자동화는 그다음에

처음 1~2주는 실제 업무에 바로 적용하지 말고 판단 결과만 기록해 두세요. 그런 다음 담당자가 실제로 처리한 결과와 비교해 봅니다. 임계값별 오답률을 확인한 뒤에 어떤 유형의 건부터 자동화할지 정하면 됩니다.

확률이 높아도 틀릴 수 있다

확률이 높다는 건 모델이 확신한다는 뜻일 뿐, 정답을 보장하지는 않습니다. 입력, 선택지, 확률, 최종적으로 실행한 처리를 로그로 남겨 두어야 문제가 생겼을 때 원인을 찾을 수 있습니다.

요청과 응답 예시

요청과 응답은 대략 아래와 같은 형태입니다. 실제 필드명은 API 문서에서 확인하세요. 응답에 자연어 문장이 없어서 프로그램이 값을 바로 파싱할 수 있습니다.

요청

{
  "model": "jev-latest",
  "state": "고객: 어제 받은 에어프라이어를 열어 보니 바스켓 코팅이 군데군데 벗겨져 있어요. 새 제품으로 교환 부탁드려요.",
  "questions": {
    "desk": {
      "type": "choice",
      "instructions": "이 문의는 어느 팀이 처리해야 하나요?",
      "criteria": {
        "교환·반품": "상품 불량이나 교환·반품 요청",
        "배송": "배송 지연이나 배송 중 파손",
        "결제": "결제 오류, 영수증, 포인트·적립금 관련",
        "기타": "위 항목에 해당하지 않음"
      }
    }
  }
}

응답

{
  "answers": {
    "desk": {
      "type": "choice",
      "choice": "교환·반품",
      "probabilities": {
        "교환·반품": 0.72,
        "배송": 0.21,
        "결제": 0.02,
        "기타": 0.05
      },
      "confidence": 0.72
    }
  }
}

숫자는 예시일 뿐입니다. 이 문의는 ‘상품 불량’으로도, ‘배송 중 파손’으로도 읽힐 수 있어서 ‘배송’ 쪽 확률도 무시하기 어려운 수준입니다. 이런 건은 바로 자동 배정하기보다 먼저 사람이 한 번 확인하는 편이 안전합니다.

Jev AI에 맡기기 좋은 일과 맞지 않는 일

잘 맞는 일

고객센터 문의 자동 분류·배정
리뷰와 게시글의 1차 검수(게시 전에 사람이 봐야 하는지 판단)
영업 리드의 구매 가능성 평가(리드 스코어링)
AI 에이전트가 작업 도중에 다음으로 어떤 도구를 쓸지 결정하기
작업이 실패했을 때 다시 시도할지, 다른 방법을 쓸지, 사람에게 넘길지 판단하기

맞지 않는 일

글쓰기, 요약, 코드 생성처럼 텍스트를 만들어 내야 하는 일
여러 단계의 추론을 거쳐야 결론이 나오는 분석
답을 미리 정해 둘 수 없는 열린 질문
판단 이유를 설명해야 하는 상황

자주 묻는 질문

Jev AI는 ChatGPT나 Claude와 무엇이 다른가요?

애초에 종류가 다른 모델입니다. ChatGPT나 Claude 같은 LLM은 글을 쓰고 대화하는 데 강하고, Jev는 선택지가 정해진 판단만 합니다. 실제 서비스에서는 둘을 함께 쓰는 경우가 많습니다. 내용을 이해하고 글을 쓰는 일은 LLM에 맡기고, 판단이 필요한 갈림길에서는 Jev 같은 모델이 확률이 붙은 답을 내놓게 하는 식입니다.

무료인가요? 회원가입이 필요한가요?

이 페이지의 체험 도구는 가입 없이 무료로 쓸 수 있습니다. 남용을 막기 위해 같은 IP에서는 1분에 최대 8회까지 요청할 수 있으니, 제한에 걸리면 잠시 후 다시 시도해 주세요.

한국어로 질문과 선택지를 써도 되나요?

네. 상황, 질문, 선택지 모두 한국어로 쓸 수 있고, 이 페이지의 예시도 전부 한국어입니다. 답은 입력한 선택지 문구 그대로 돌아옵니다.

입력한 내용이 저장되나요?

이 사이트는 입력한 내용을 따로 저장하지 않습니다. 다만 누구나 쓸 수 있는 공개 데모이니 이름, 전화번호, 비밀번호, 고객 정보 같은 개인정보나 민감한 정보는 입력하지 마세요.

이 체험 도구를 실제 서비스에 바로 써도 되나요?

권장하지 않습니다. 공개 체험용 엔드포인트는 가용성이 보장되지 않습니다. 콜드 스타트 때문에 응답이 느리거나, 요청이 몰리면 일시적으로 제한될 수 있습니다. 실제 서비스에 쓰려면 TypeSafe 공식 API를 이용하고, 인증·요청 한도·타임아웃·로깅까지 제대로 챙기세요.

판단 다음은 실행

판단은 Jev에게, 실행은 OpenClaw에게

Jev가 잘하는 일은 ‘다음에 어느 길로 갈지’를 정하는 것입니다. 하지만 실제로 그 길을 가려면 웹에서 자료를 찾고, 파일을 정리하고, 메신저로 답장을 보내는 일을 대신 해 줄 에이전트가 필요합니다. OpenClaw가 바로 그런 클라우드형 AI 비서입니다. 동료에게 부탁하듯 말하면 브라우저를 다루고, 파일을 처리하고, 도구를 써서 일을 끝까지 해냅니다. 전용 클라우드 인스턴스에서 늘 대기하고 있습니다.

말로 맡기면 끝

워크플로를 짤 필요 없이, 원하는 결과를 말로 설명하면 됩니다.

텔레그램으로도 사용

텔레그램으로 일을 맡기고, 결과도 텔레그램에서 받습니다.

설치 필요 없음

클라우드 환경은 저희가 관리하니 브라우저만 열면 바로 쓸 수 있습니다.

OpenClaw 요금제 보기 내 OpenClaw 열기

로컬에 설치할 필요가 없습니다. 요금제를 고르면 브라우저나 메신저에서 바로 시작할 수 있습니다.