Cuando la IA debe decidir, no conversar: modelos de decisión y flujos de trabajo más deterministas

La mayoría de los flujos de trabajo con IA empiezan con un modelo de lenguaje de gran tamaño (LLM, por sus siglas en inglés), el tipo de modelo detrás de ChatGPT o Claude que lee y escribe texto. Es un buen punto de partida. El problema aparece después, cuando el modelo queda en medio de un proceso y su trabajo ya no es escribir. Su trabajo es elegir.

Enviar este ticket a facturación o a soporte. Aprobar este reembolso o escalarlo. ¿Está completo este formulario de admisión? ¿A qué categoría pertenece esta factura? Son decisiones, y una empresa las necesita consistentes, auditables y baratas. Un LLM las responde generando texto, y el texto libre en medio de un proceso es justo donde las cosas fallan: una etiqueta que no está en su lista, una respuesta redactada distinto a la vez anterior, una frase que su código no logra interpretar.

Los flujos de trabajo necesitan decisiones, no párrafos

Un paso que decide tiene tres exigencias que una respuesta de chat no tiene.

• Consistencia. Entradas parecidas deben terminar en el mismo lugar. Si dos tickets casi idénticos van a equipos distintos, la gente deja de confiar en la automatización.
• Trazabilidad. Meses después, alguien preguntará por qué se escaló un reclamo o se descartó un prospecto. Usted necesita la entrada, las opciones, la elección y qué tan seguro estaba el sistema.
• Costo y velocidad. Las decisiones se ejecutan en volumen. Un paso que corre con cada correo, formulario y documento tiene que ser rápido y barato por llamada.

Generar un párrafo para responder una pregunta de opción múltiple va en contra de las tres.

Una categoría nueva: los modelos de decisión, con Jev como ejemplo actual

El 15 de septiembre de 2026, TypeSafe AI lanzó Jev, al que llama un modelo "System One". El nombre toma el término del psicólogo Daniel Kahneman para el juicio rápido e intuitivo, en contraste con el razonamiento lento y deliberado. TechTarget informa que la empresa fue fundada por Diogo Almeida, exinvestigador de OpenAI.

Jev no escribe. Según la documentación de TypeSafe, responde tres tipos de preguntas: una elección (escoger una opción de una lista que usted define), un puntaje (calificar algo frente a niveles que usted define) y un "noul" (la probabilidad de que una afirmación sea cierta). Las elecciones y los puntajes vuelven con probabilidades y un valor de confianza. Se configura con una instrucción escrita (prompt), no con datos de entrenamiento.

Las afirmaciones del proveedor son ambiciosas: respuestas de extremo a extremo en 70 a 500 milisegundos, una confianza calibrada (a mayor confianza, mayor precisión) y un precio que cobra solo por los tokens de entrada, los fragmentos de texto con los que se factura el uso de un modelo. Son afirmaciones. La propia publicación de lanzamiento de TypeSafe reconoce que los flujos de su prueba principal los escribió su propio equipo y que se evaluaron contra respuestas de otros modelos.

Los analistas que cita TechTarget ven un encaje claro y un límite claro. Ned Bellavance, de Ned in the Cloud, compara las llamadas a Jev con una función que se agrega a un programa o a una rutina de automatización, y añade que para los flujos con una persona que revisa y decide se seguirá usando un LLM. Laurie Voss, de Arize, espera que los grandes laboratorios lancen modelos de decisión muy rápido.

Separar conversar de decidir

El patrón importa más que el producto. Dividimos los pasos con IA en dos tipos.

Los pasos que conversan leen entradas desordenadas y producen lenguaje: extraer campos de un correo, resumir un contrato, redactar una respuesta. Los LLM son buenos para esto.

Los pasos que deciden escogen entre opciones definidas de antemano. Nunca deben devolver texto libre. Hay tres maneras de construirlos, en este orden de preferencia:

1. Reglas simples cuando la lógica es exacta: un monto por encima de un límite, un campo obligatorio vacío, una fecha vencida. El código es más rápido, más barato y más fácil de verificar que cualquier modelo.
2. Un modelo de decisión como Jev cuando la entrada es lenguaje desordenado pero la respuesta sale de una lista conocida.
3. Un LLM con salidas estructuradas, donde el modelo debe responder dentro de un esquema fijo. OpenAI, por ejemplo, afirma que su función Structured Outputs garantiza que las respuestas se ajusten al esquema que usted entrega, así que el modelo no puede inventar una etiqueta que no esté en su lista. La confianza, en cambio, suele ser un número que el modelo escribe en su respuesta, y necesita las mismas verificaciones.

Cada paso que decide lleva un umbral de confianza. Por encima, el flujo actúa. Por debajo, decide una persona. Defina el umbral por acción: etiquetar un ticket tolera más riesgo que emitir un reembolso.

Una arquitectura de referencia en seis partes

1. Entrada. El correo, formulario, documento o evento que inicia el flujo.
2. Extracción. Un LLM o un analizador extrae solo los campos que la decisión necesita; el texto irrelevante puede empeorar una decisión.
3. Decisión. Una regla, un modelo de decisión o un LLM atado a un esquema escoge entre opciones definidas, incluida una opción explícita de "ninguna de las anteriores", y devuelve un valor de confianza.
4. Acción. Por encima del umbral, el sistema enruta, aprueba o actualiza el registro.
5. Cola de revisión humana. Por debajo del umbral, o en acciones de alto impacto, el caso pasa a una persona con la entrada, las opciones y la salida del modelo adjuntas.
6. Registro y evaluación. Cada decisión se guarda con su entrada, opciones, versión del modelo, umbral, salida, confianza y resultado final. Ese registro es su pista de auditoría y el conjunto de prueba del próximo trimestre.

1. 01EntradaEl correo, formulario, documento o evento
2. 02ExtracciónSolo los campos que la decisión necesita
3. 03DecisiónOpciones definidas y un valor de confianza
   Revisión humanaBajo el umbral o con alto impacto, decide una persona
4. 04AcciónSobre el umbral: enrutar, aprobar, actualizar

Registro y evaluaciónCada decisión guardada; el conjunto de prueba del próximo trimestre

Qué significa "determinista" y qué no

Un formato determinista no es una respuesta determinista. Como dijo Bellavance a TechTarget, el formato de Jev es determinista pero su contenido no lo es, y no hay garantía de obtener la misma respuesta ni la misma confianza en una ejecución posterior. Una etiqueta válida puede ser la etiqueta equivocada.

Las cifras del proveedor no son pruebas independientes. Jev salió a mediados de septiembre de 2026, y las primeras pruebas independientes muestran resultados mixtos. En una prueba publicada en Towards Data Science, sobre una tarea de clasificación de mensajes de soporte bancario, Jev fue más preciso que el modelo abierto con el que se comparó, pero sus respuestas con confianza entre 0,7 y 0,9 acertaron solo cerca de la mitad de las veces. Enviar sus casos de baja confianza a un LLM de respaldo empeoró los resultados en lugar de mejorarlos. El mismo artículo describe otra prueba en la que mensajes que no encajaban en ninguna categoría, sin una opción de "ninguna de las anteriores", igual recibieron una, con confianza de 0,99 o más.

Ese último hallazgo es una lección de diseño: si una entrada puede quedar fuera de sus opciones, dele al modelo una manera de decirlo.

La calibración es local. Un modelo que parece calibrado en la prueba de otro puede ser demasiado confiado con sus facturas.

El riesgo de dependencia es real. Según MarkTechPost, TypeSafe no ha publicado los pesos del modelo ni una opción para alojarlo en infraestructura propia. Jev también aparece en Cloudflare Workers AI, lo que le da un segundo lugar desde donde llamarlo, pero no un segundo modelo. Mantenga el paso de decisión detrás de su propia interfaz para poder cambiar el motor.

A veces ganan las reglas. Si puede escribir la lógica como una condición en el código, hágalo. Los conteos, la aritmética, las comparaciones de fechas y las consultas a registros van en código; Towards Data Science informa que la propia TypeSafe advierte que Jev puede tener dificultades con los tres primeros.

Cómo evaluar un paso de decisión antes de confiar en él

Usamos el mismo plan si el motor es Jev, un LLM con esquema o un conjunto de reglas.

1. Arme un conjunto de prueba con casos reales del pasado. Use unos cientos de decisiones que su equipo ya tomó, incluidos los casos difíciles y los que no encajan en ninguna categoría.
2. Mida la coincidencia con las decisiones humanas. En total, por categoría y en los casos que más importan. Un modelo que acierta con los tickets de rutina y falla con los reembolsos no está listo.
3. Revise la calibración. Agrupe las respuestas por confianza. Cuando el modelo dice 90%, ¿acierta cerca del 90% de las veces? Defina el umbral con una parte de los datos y confírmelo con otra.
4. Mida costo y latencia con sus propias entradas. Los documentos largos cuestan más y tardan más, diga lo que diga la publicación de lanzamiento.
5. Opere en modo sombra. El paso de decisión corre junto al proceso actual y registra lo que habría hecho, mientras las personas siguen decidiendo. Compare, ajuste el umbral y luego haga el cambio.
6. Fije la versión del modelo y vuelva a correr el conjunto de prueba cada vez que cambie.

Qué significa esto para su empresa

La mayoría de los flujos de trabajo con IA tienen unos cuantos pasos que deberían decidir en lugar de conversar. Encontrarlos suele ser la forma más rápida de volver la automatización más confiable y más barata de operar, sea la respuesta un modelo de decisión, un esquema fijo o una condición en el código que debió estar ahí desde el principio.

Los modelos de decisión como Jev son una herramienta prometedora para esos pasos, y todavía temprana. Trate las afirmaciones del proveedor como hipótesis, pruebe con su propio historial, mantenga a una persona en los casos inciertos y registre cada decisión.

Si quiere saber cuáles de sus pasos con IA deberían decidir en lugar de conversar, agende una reunión con nosotros.