Centonovantatré volte più veloce. Quattrocentoquarantaquattro volte più economico. Numeri perfetti per immaginare un nuovo ChatGPT con il turbo. Ma Jev, presentato da TypeSafe AI, gioca un’altra partita: non nasce principalmente per parlare con una persona, bensì per permettere a un software di prendere rapidamente decisioni strutturate. Ed è proprio qui che la notizia diventa più interessante del titolo: se l’AI smette di parlare e comincia semplicemente a decidere, rischiamo persino di non accorgerci più che c’è.
La domanda scomoda: un’AI che non parla fa meno paura?
Per anni l’intelligenza artificiale è stata rappresentata da una casella in cui scrivere una domanda.
TypeSafe AI propone quasi l’opposto: togliere la conversazione e lasciare la decisione.
Jev è il primo modello di quella che la società definisce categoria “System One Models”, ispirata alla distinzione resa celebre da Daniel Kahneman tra pensiero rapido e pensiero deliberativo. Riceve uno stato o delle informazioni e restituisce valori strutturati — per esempio Choice, Score o Boolean — con probabilità e indicazioni di confidenza.
Tradotto: meno “Ciao, come posso aiutarti?” e più “sì, no, rischio 73%, manda qui”.
E questo potrebbe cambiare molto più dei chatbot.
Il fatto nudo
TypeSafe AI ha presentato Jev il 14 settembre 2026, dopo circa due anni di sviluppo in stealth. Il fondatore Diogo Almeida aveva precedentemente lavorato in OpenAI: compare tra gli autori del paper del 2022 su InstructGPT e OpenAI lo accredita tra i contributori ai lavori fondamentali su RLHF e InstructGPT.
Secondo TypeSafe, Jev può operare con tempi end-to-end indicativamente compresi tra 70 e 500 millisecondi e un prezzo dichiarato di 0,042 dollari per milione di token in input, senza tariffazione separata dell’output. Vercel, che ha integrato Jev nel proprio AI Gateway, mostra attualmente il prezzo arrotondato a 0,04 dollari per milione di token.
Il dato che attira l’attenzione è però un altro: fino a 193,6 volte più veloce e 444,6 volte meno costoso.
Ed è qui che bisogna fermarsi un momento.
Prima di entusiasmarci: 193 volte più veloce di cosa?
Quei moltiplicatori provengono dalle workflow evaluations realizzate da TypeSafe stessa.
La società precisa che i risultati rappresentano probabilmente la fascia alta dei vantaggi riscontrabili nelle applicazioni reali e riconosce che i workflow sono stati creati da membri del proprio team, con una possibile fonte di bias.
Vercel, nella pagina con cui annuncia l’integrazione, usa infatti una formulazione molto precisa: “TypeSafe reports” che Jev raggiunge quei risultati. Non li presenta come una verifica indipendente.
Soprattutto, Jev e un grande modello linguistico non svolgono esattamente lo stesso compito.
Dire semplicemente “Jev è 193 volte più veloce di ChatGPT” sarebbe quindi fuorviante.
È un po’ come scoprire che una calcolatrice è più rapida di un commercialista nel fare una divisione e concludere che può anche preparare il bilancio.
T — Tecnologia: togliere le parole per guadagnare velocità
Un LLM tradizionale genera generalmente una sequenza di token.
Jev è progettato invece per produrre direttamente risultati tipizzati che il software può utilizzare. TypeSafe afferma inoltre che le diverse risposte possono essere elaborate in parallelo anziché essere generate sequenzialmente token dopo token.
Questo restringimento è contemporaneamente il limite e la forza dell’architettura.
Se il programma deve decidere se una richiesta è urgente, se continuare un processo, quale strumento chiamare o quale categoria assegnare a un elemento, potrebbe non servire un paragrafo scritto magnificamente.
Potrebbe bastare:
Urgente: 82%.
L’integrazione Vercel propone infatti esempi come selezionare il prossimo tool di un agente, decidere se proseguire, riprovare o fermarsi e valutare rischio o urgenza prima di un’azione.
Ma davvero Jev “non allucina”?
TypeSafe utilizza un’affermazione forte: Jev sarebbe progettato in modo da non produrre valori esterni allo schema previsto.
Qui però le parole contano.
Non produrre un output formalmente impossibile non significa prendere sempre la decisione giusta.
Un campo che ammette soltanto vero o falso può essere perfettamente conforme allo schema e perfettamente sbagliato nella risposta.
La vera innovazione tecnica riguarda quindi la type safety dell’output, non l’infallibilità della decisione. La stessa documentazione TypeSafe distingue infatti la conformità strutturale dall’accuratezza del modello.
E — Etica e persona: l’AI invisibile è ancora AI
Qui compare forse la questione più interessante.
Con ChatGPT l’utente sa che sta interagendo con un sistema di intelligenza artificiale.
Ma immaginiamo Jev inserito dentro un software.
La richiesta arriva. Il modello la classifica. Un altro sistema decide il percorso. La transazione viene sottoposta a controllo. Il cliente viene indirizzato verso un determinato servizio. L’agente autonomo riceve il permesso di continuare.
Tutto può accadere senza chatbot, avatar o cursori lampeggianti.
L’AI non sparisce. Sparisce dalla vista.
E una tecnologia invisibile può porre un problema etico più sottile di una tecnologia spettacolare: l’utente potrebbe non sapere più quando una decisione che lo riguarda contiene una componente algoritmica.
La domanda allora non è soltanto se il sistema sia accurato.
È: quando è giusto che decida da solo?
S — Standard: economico non significa automaticamente affidabile
La diminuzione del costo rende ancora più importante il risk management.
ISO/IEC 42001:2023 stabilisce requisiti per un sistema organizzativo di gestione dell’AI e include governance, gestione del rischio, trasparenza e responsabilità. ISO/IEC 23894:2023 fornisce invece indicazioni specifiche sull’integrazione della gestione dei rischi nelle attività connesse all’intelligenza artificiale.
Il NIST AI Risk Management Framework, che è un framework volontario e non una legge, struttura la gestione del rischio attraverso quattro funzioni: Govern, Map, Measure e Manage. NIST sottolinea inoltre l’importanza di valutazioni indipendenti proprio per ridurre bias e conflitti di interesse nei test.
Quest’ultimo punto sembra scritto apposta per casi come Jev.
Un benchmark prodotto dall’azienda è informazione utile.
Una valutazione indipendente è un’altra cosa.
T — Tutele e diritto: quando un “Boolean” diventa una decisione sulla persona
Jev non è automaticamente un sistema “ad alto rischio” ai sensi dell’AI Act.
La classificazione giuridica dipende dal sistema nel quale viene integrato, dalla finalità prevista e dal contesto d’uso.
Ma se tecnologie di questo tipo entrano in applicazioni qualificate come ad alto rischio, il quadro europeo diventa particolarmente rilevante.
L’articolo 9 dell’AI Act impone per i sistemi ad alto rischio un processo continuo di gestione dei rischi. L’articolo 14 richiede che tali sistemi siano progettati in modo da poter essere efficacemente supervisionati da persone fisiche, con misure proporzionate al rischio, al livello di autonomia e al contesto.
E non c’è soltanto l’AI Act.
Quando vengono trattati dati personali e una decisione è basata unicamente su un trattamento automatizzato producendo effetti giuridici o incidendo in modo analogo significativamente su una persona, entra in gioco anche l’articolo 22 del GDPR, con condizioni ed eccezioni precise e, nei casi previsti, garanzie tra cui l’intervento umano e la possibilità di contestare la decisione.
Il punto quindi non è:
“Jev è legale?”
Una domanda simile avrebbe poco senso senza conoscere l’applicazione.
La domanda corretta è:
“Quale decisione gli stiamo affidando?”
A — Accessibilità: l’esempio del buttafuori
Immaginiamo un locale con mille persone in fila.
Un addetto impiega trenta secondi a valutare ogni situazione.
Arriva un sistema che lo fa in cento millisecondi.
Fantastico.
La fila sparisce.
Ma se il criterio utilizzato è sbagliato, non abbiamo eliminato l’errore.
Abbiamo comprato un errore con una fila molto più corta.
È questo il punto che il dato sui 193× rischia di nascondere: velocità e costo misurano quanto rapidamente una decisione viene prodotta.
Non dicono automaticamente quanto sia giusta quella decisione.
Il paradosso
Per anni si è cercato di costruire AI capaci di parlare come esseri umani.
Ora una possibile innovazione consiste nel farle parlare meno.
E potrebbe essere proprio così che finiranno per decidere di più.
La rivoluzione, insomma, potrebbe non essere avere un’intelligenza artificiale sulla scrivania.
Potrebbe essere averne cento dentro il software senza vederne nemmeno una.
Cosa sappiamo e cosa ancora non sappiamo
Sappiamo che Jev esiste, è disponibile tramite Vercel AI Gateway, produce decisioni strutturate e TypeSafe pubblica prezzi e risultati delle proprie valutazioni. Sappiamo inoltre che l’azienda stessa riconosce limiti metodologici nei benchmark che producono i valori 193,6× e 444,6×.
Non disponiamo invece, sulla base delle fonti pubbliche esaminate, di una validazione indipendente capace di trasformare quei moltiplicatori in una superiorità generale dimostrata rispetto agli LLM.
E soprattutto non esiste alcuna evidenza che Jev sia un “nuovo ChatGPT”.
Non vuole esserlo.
Conclusione: l’AI del futuro parlerà meno e deciderà di più?
La parte più interessante di Jev non è probabilmente quel 193,6× che funziona così bene nei titoli.
È il tentativo di separare due funzioni che con i chatbot abbiamo imparato a sovrapporre: comunicare e decidere.
Un grande modello linguistico può restare utile per conversare, interpretare, elaborare e generare contenuti. Modelli specializzati potrebbero invece diventare componenti silenziosi incaricati di classificare, valutare, instradare e autorizzare.
Il vantaggio potenziale è notevole: meno latenza, meno costi e la possibilità di inserire intelligenza artificiale in processi nei quali oggi un grande LLM sarebbe sproporzionato.
Ma proprio perché una decisione da pochi centesimi può essere replicata milioni di volte, l’errore diventa economico quanto la decisione.
Ed è qui che tecnologia, etica, standard e diritto finiscono nello stesso punto.
La domanda per Jev non è dunque:
“È più intelligente di ChatGPT?”
È molto più interessante:
se prendere una decisione diventa quasi gratuito, quante decisioni saremo tentati di delegare prima di chiederci quali avrebbero dovuto rimanere umane?
Cronologia essenziale
- 2022 — InstructGPT. Diogo Almeida figura tra gli autori di Training language models to follow instructions with human feedback, il lavoro OpenAI dedicato all’addestramento mediante feedback umano.
- 2023 — Crediti GPT-4. OpenAI include Almeida tra i contributori al lavoro fondamentale su RLHF e InstructGPT e nelle attività di instruction following ed evaluation.
- 14 settembre 2026 — TypeSafe presenta Jev. L’azienda esce da circa due anni di sviluppo in stealth e annuncia il primo System One Model.
- 16 settembre 2026 — Vercel annuncia Jev su AI Gateway. Il modello entra in un’infrastruttura utilizzabile dagli sviluppatori per decisioni strutturate all’interno dei software.
Per approfondire
- La fonte primaria sulle prestazioni e sui limiti dichiarati dei benchmark è l’annuncio tecnico di TypeSafe AI.
- L’integrazione operativa è documentata da Vercel AI Gateway.
- Il ruolo di Almeida nello sviluppo di InstructGPT è verificabile nel paper originale e nella pagina ufficiale GPT-4 Contributions di OpenAI.
- Per la governance sono rilevanti ISO/IEC 42001, ISO/IEC 23894 e il NIST AI Risk Management Framework.
- Per il quadro giuridico europeo, il riferimento primario rimane il Regolamento UE 2024/1689 – AI Act insieme all’articolo 22 del GDPR.
Abstract: opportunità, rischi e conseguenze
- Opportunità. Modelli specializzati come Jev potrebbero ridurre drasticamente costo e latenza delle micro-decisioni software, permettendo di utilizzare l’AI in automazioni per le quali un grande modello linguistico risulta troppo lento o costoso.
- Rischio tecnico ed etico. Un output perfettamente conforme a uno schema non è necessariamente una decisione corretta. Se il costo marginale crolla, un errore può essere replicato rapidamente su una scala molto maggiore.
- Standard e diritto. Risk management, auditabilità, supervisione umana e definizione preventiva delle responsabilità diventano ancora più importanti quando l’AI non produce semplicemente un consiglio, ma determina il passaggio successivo di un processo.
- Possibile conseguenza sociale. L’AI potrebbe diventare progressivamente meno visibile: non un interlocutore riconoscibile ma un livello infrastrutturale incorporato nei software. La questione futura potrebbe quindi spostarsi dalla trasparenza del chatbot alla trasparenza della decisione.
_______
Nota sulla trasparenza: questo articolo è stato realizzato con il supporto di strumenti di Intelligenza Artificiale per la ricerca, l’organizzazione e la rielaborazione delle informazioni. Anche l’immagine di accompagnamento è stata realizzata con strumenti di Intelligenza Artificiale. I contenuti, le fonti e l’impostazione editoriale sono stati verificati e sottoposti a revisione umana.