Conheça a IA que só toma decisões (Jev)

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Meet the AI That Only Makes Decisions (Jev) · Canal: n8n · 04:45 · Assistir no YouTube

Tópicos: Agentes de IA, Automação de tarefas e workflows, Modelos de IA

Resumo

Jev, da Typesafe, é apresentado como uma nova categoria de modelo que retorna probabilidades para decisões, em vez de respostas em linguagem natural. No n8n, ele pode encaminhar itens com base em perguntas, avaliar negócios que precisam de revisão e classificar tickets recebidos. O vídeo destaca que Jev pode ser útil em workflows sem lógica determinística clara, oferecendo uma alternativa mais rápida e barata do que combinar um LLM com um nó condicional. A proposta é usar IA para decidir apenas quando necessário, sem deixar que ela faça tudo.

Pontos-chave

Jev retorna probabilidades sobre resultados com base no texto fornecido e nas categorias definidas.
No n8n, Jev pode encaminhar itens para saídas nomeadas, como “sim” e “não”.
As probabilidades permitem aplicar um limite de confiança, como exigir pelo menos 95% de certeza.
O vídeo demonstra o uso de Jev para decidir se um negócio precisa de revisão executiva.
Jev também pode substituir um nó switch na triagem de tickets por categorias de prioridade.
A lógica determinística continua sendo preferível quando já é possível definir claramente o resultado.
Jev é apresentado como uma opção mais rápida e barata do que usar um LLM antes de um nó condicional.
O modelo é indicado para workflows semideterminísticos, nos quais a lógica pura não basta para tomar uma decisão.

Capítulos

Início	Capítulo	Resumo
00:00	Jev: um modelo voltado a decisões	O vídeo apresenta Jev e explica que ele retorna probabilidades sobre resultados, em vez de respostas em linguagem natural.
01:39	Decidir quando um negócio precisa de revisão	A demonstração usa Jev para avaliar se um negócio deve ser encaminhado para revisão executiva.
02:42	Jev em vez de lógica condicional ou switch	O apresentador compara Jev com uma lógica determinística e demonstra seu uso na triagem de tickets.
04:13	Workflows semideterminísticos e próximos passos	O vídeo resume o papel de Jev em decisões que não se encaixam perfeitamente em lógica pura e indica recursos para começar.

Citações

É como uma instrução “se” inteligente. — 00:00

Há 97% de chance de você ser muito, muito legal. — 01:04

Isso não é melhor do que a lógica determinística, claro. — 02:42

Você não quer que a IA faça tudo. Talvez só precise que ela tome uma decisão. — 04:13

Conceitos e entidades

Jev (modelo): Modelo apresentado como capaz de tomar decisões e retornar probabilidades em vez de respostas em linguagem natural.
TypeSafe (empresa): Empresa identificada no vídeo como responsável pelo modelo Jev.
n8n (ferramenta): Plataforma de automação usada nas demonstrações de roteamento e classificação com Jev.
Salesforce (ferramenta): Sistema citado como origem de novos casos usados em um exemplo de triagem de tickets.
workflow semideterminístico (conceito): Workflow em que a lógica determinística não resolve todas as decisões, mas a IA não precisa executar todas as tarefas.

Tradução completa (pt-BR)

00:00 Não só acabou de sair um modelo novo, como também uma categoria de modelo completamente nova. E, além disso, parece que ele foi feito sob medida para funcionar perfeitamente com o n8n. Estou falando, é claro, do Jev, o novo modelo da Typesafe. Ele não responde em linguagem natural, como estamos acostumados; responde com probabilidades de resultados com base no texto que inserimos e nas categorias que definimos. É como uma instrução if inteligente. Deixe-me mostrar o que isso significa na prática. Desde que você esteja na versão mais recente do n8n, basta pesquisar por Jev.

00:33 Não Jeff, Jev. Os memes estão me afetando. Desde que você esteja na versão mais recente do n8n, pode pesquisar “jev” e ele vai aparecer aqui. Existem algumas versões, mas a que faz mais sentido é “rotear um item por pergunta digitada”. Isso significa que podemos inserir uma entrada. Então, é isso que a gente colocaria, certo? Vou escrever: “Eu gosto muito de n8n. Sou legal?”. As instruções serão responder à pergunta, e aí podemos adicionar

01:04 rotas, assim como faríamos em uma instrução if no n8n. Então, a rota um pode ser “sim” e a rota dois pode ser “não”. Quando olhamos isso na tela de edição, vemos as saídas nomeadas. Se executarmos, é claro que vai dizer “sim”, porque, se você gosta de n8n, adivinhe? Você é legal. Há 97% de chance de você ser muito, muito legal. O motivo pelo qual as probabilidades são tão legais é que, digamos, você tem um caso de uso muito importante e ele só pode prosseguir se você tiver 95%

01:39 de certeza de que pode. Depois, você pode filtrar novamente com base nessa probabilidade. É claro que esse workflow é extremamente bobo. Então, deixe-me mostrar como fica em algo um pouco mais parecido com um workflow de produção de verdade. Aqui, estamos decidindo se um negócio precisa ser analisado por uma pessoa de verdade, por um executivo. Então, vamos só colocar… Na verdade, vou copiar o título desse nó e adicionar “Jev” aqui. E, nas instruções, vamos escrever “negócio que vale uma análise executiva”, já que

02:10 já está copiado. Vou colar aqui. E o estado é essencialmente o que estamos passando aqui. Então, o conteúdo a avaliar… Eu mesmo não poderia ter dito melhor. Podemos usar algo como o nome ou qualquer outra coisa, mas também podemos simplesmente passar o JSON completo. dot toJsonString. Como estou com pressa, eu já devia estar na cama. E esse é o estado que ele está avaliando. Agora podemos adicionar uma rota. Podemos simplesmente dizer “sim”. Ou… “não”. E agora, quando a gente… Primeiro, vamos excluir o nó if.

02:42 Obrigado. Agora, quando executamos isso, ele analisa e escolhe por você. É claro que você não escolheria isso se já tivesse uma lógica determinística. Isso é claramente um sim ou não, ou verdadeiro ou falso. Isso não é melhor do que essa lógica, é claro, mas é tão rápido e barato que é muito melhor do que colocar um LLM grande antes de uma instrução if para decidir isso e depois ter outra instrução if. Tudo acontece em uma única etapa e custa muito menos do que qualquer coisa que já vimos desse tipo, especialmente considerando a precisão.

03:12 Deixe-me mostrar como fica substituindo um nó switch. Este é um dos maiores exemplos que já vi disso: fazer a triagem de tickets recebidos. Então, vamos recriar isso. Basicamente, ele recebe um novo caso no Salesforce e o coloca em uma categoria: crítico, baixo, alto, seja lá o que for. Então, vamos adicionar o Jev de novo. Primeiro, vou copiar o nome deste nó. Adicionar Jev. E vou colocar isso ali. Instruções, e vou fazer a mesma coisa de novo.

03:43 Obrigado. em que faço aquele pequeno truque de substituir isso por duas vezes JSON string. Tudo o que isso faz é pegar todos esses dados que estão bem aqui e colocá-los aqui para o Jev ver. É só isso que está acontecendo. Você também poderia usar algo como ID e arrastar isso, e assim por diante para cada um deles, mas não vou fazer isso porque tenho preguiça. Agora, vamos adicionar as rotas. Quais eram mesmo os nomes dessas rotas?

04:13 Certo. E agora, se eu só… puxar isso para fora e conectar tudo. Espero que você esteja começando a perceber exatamente por que isso está recebendo tanta atenção, especialmente para o n8n. É perfeito. Se encaixa nessa categoria de workflows semideterminísticos, em que você não quer que a IA faça tudo. Talvez simplesmente não seja possível obter uma decisão usando lógica perfeita e pura. Você só precisa que a IA tome uma decisão. E, com isso, surge uma categoria totalmente nova, mais

04:45 determinística e muito mais barata e rápida do que os LLMs tradicionais, de uma forma que parece muito mais nativa. Então, recomendo que você experimente. Os primeiros links da descrição serão os recursos de que você precisa para começar. Vai ter um guia para configurar o n8n auto-hospedado, iniciar um teste na nuvem e obter uma chave de API do Jev, porque você vai precisar de uma chave de API do Jev para usar isso. Se tiver alguma dúvida, deixe nos comentários. Vou estar por lá, porque já está muito tarde enquanto gravo isto, mas quero que todos vocês saibam disso. Então, até a próxima.

Transcrição original

[00:00] not only did a new model just drop but a whole new model category and more than that it’s like it was purpose built perfectly to work with n8n i’m of course talking about jev the new model from typesafe it doesn’t respond with natural language like we’re used to it responds with probabilities on outcomes based on text we input and categories we set It’s like a smart if statement. Let me show you what that means in practice. As long as you’re on the latest n8n version, you can just search Jeff.

[00:33] Not Jeff, Jeff. The memes are getting to me. As long as you’re on the latest n8n version, you can search “jev” and it’ll be right here. There’s a couple versions of it, but what kind of will make the most sense is route an item by typed question. And what that means is we can put in an input. So this is what it would actually take, right? So I’ll put in, I really like any then like a lot. Am I cool? The instructions will be answered the question, and then we can add in

[01:04] routes just like we would in like an if statement in n8n. So route one can be yes and route two can be no. When we look at this on the canvas, we can see it has our named outputs there. So if we run this, It of course is going to say yes, because if you like any then, guess what? You’re cool. There is a 97 % chance that you are very, very cool. The reason why having the probabilities is so cool is let’s say that you have a really important use case and it can only pass through If you’re 95 %

[01:39] sure you can then go down and filter again from this probability. Of course, this workflow is extremely silly. So let me show you what it looks like in something that looks a little bit more like an actual production workflow. So here we’re deciding if a deal needs a review from an actual person, from an executive. So we’re just going to plop. Well, actually copy this. the title of that, add “jev” right here. And in the instructions, we’re just going to say deal worth an exact review since

[02:10] it’s already copied. I’ll paste it in here. And then the state is essentially what we’re passing in here. So the content to evaluate couldn’t have said it better myself. So we can say like name or whatever else, but we can actually also just pass in the full JSON. dot toJsonString. Since I’m in a hurry, I should be in bed already. And then that’s the state that it’s evaluating on. So then we can add a route. So we can just say, yes. Or… No. And now when we, well first we’ll delete the if node.

[02:42] Thank you. Now when we actually run this, It goes in and chooses for you. Of course, you wouldn’t choose this if you already have deterministic logic there. That’s a clear yes or no or true or false. This is not better than that, of course, but this is so fast and cheap that it is way better than having a large language model before an if statement. to decide that and then having an if after. It’s all in one step and it’s vastly cheaper than anything we’ve seen like this before, especially considering the accuracy.

[03:12] Let me show you what it looks like replacing a switch node instead. This is one of the biggest examples I’ve seen of this where it is triaging incoming tickets. So let’s recreate this. Essentially, it’s taking a new case in Salesforce and then this is putting in a bucket of if it’s critical, low, high, whatever. So we’re just going to add Jeff in yet again. I’ll actually copy this node name first. Add Jevin. And I’ll put that there. Instructions, and I’ll do the same thing again.

[03:43] Thank you. where I do the little trick of replacing that with two JSON string. All that’s doing is all of this data that’s right here, is just plopping it right here for Jeff to see. That’s all that’s doing right there. You could also go like ID, and drag this and so on with each of them but i am not doing that because I’m lazy. So now we’ll add the route. This is what were these route names.

[04:13] Okay. And now if I just. Yoink that right out of there and wire these up. I hope you’re starting to see exactly why this is getting so much attention, especially for n8n. This is so perfect. It fits that category of semi-deterministic workflows where You don’t want AI to do everything. You might just not be able to get a decision in perfect, pure logic. You just need AI to make a decision. And with this, there’s a full new category where it’s more

[04:45] deterministic and much cheaper and faster than the traditional LLMs in a way that feels much more native. So I encourage you to go play around with it. The first few links in the description will be the resources you need to get started. So it will be how to get self-hosted with n8n, get a cloud trial. a Jeff API key because you’ll need an API key from Jeff to use this. If you have any questions, leave it in the comments. I’ll be down there because it is very late right now when I’m recording this, but I want you all to know about it. So I’ll see you in the next one.