{"id":2911,"date":"2026-09-17T21:15:40","date_gmt":"2026-09-17T21:15:40","guid":{"rendered":"https:\/\/www.aianthropocosmic.com\/AI\/?page_id=2911"},"modified":"2026-09-21T02:43:44","modified_gmt":"2026-09-21T02:43:44","slug":"jev-di-typesafe-ai-193-volte-piu-veloce-ma-per-fare-cosa","status":"publish","type":"page","link":"https:\/\/www.aianthropocosmic.com\/AI\/jev-di-typesafe-ai-193-volte-piu-veloce-ma-per-fare-cosa\/","title":{"rendered":"Jev di TypeSafe AI: 193 volte pi\u00f9 veloce, ma per fare cosa?"},"content":{"rendered":"\n
\n
<\/div>\n\n\n\n
\n
\"Jev
Segui il filo rosso. Dove porta, comincia la domanda.<\/figcaption><\/figure>\n<\/div>\n\n\n\n
<\/div>\n<\/div>\n\n\n\n

di Antonio Cappella<\/a><\/strong><\/p>\n\n\n\n

Centonovantatr\u00e9 volte pi\u00f9 veloce. Quattrocentoquarantaquattro volte pi\u00f9 economico. Numeri perfetti per immaginare un nuovo ChatGPT con il turbo. Ma Jev, presentato da TypeSafe AI, gioca un\u2019altra partita: non nasce principalmente per parlare con una persona, bens\u00ec per permettere a un software di prendere rapidamente decisioni strutturate. Ed \u00e8 proprio qui che la notizia diventa pi\u00f9 interessante del titolo: se l\u2019AI smette di parlare e comincia semplicemente a decidere, rischiamo persino di non accorgerci pi\u00f9 che c\u2019\u00e8.<\/strong><\/p>\n\n\n\n

La domanda scomoda: un\u2019AI che non parla fa meno paura?<\/h2>\n\n\n\n

Per anni l\u2019intelligenza artificiale \u00e8 stata rappresentata da una casella in cui scrivere una domanda.<\/p>\n\n\n\n

TypeSafe AI propone quasi l\u2019opposto: togliere la conversazione e lasciare la decisione.<\/p>\n\n\n\n

Jev \u00e8 il primo modello di quella che la societ\u00e0 definisce categoria \u201cSystem One Models\u201d<\/strong>, ispirata alla distinzione resa celebre da Daniel Kahneman tra pensiero rapido e pensiero deliberativo. Riceve uno stato o delle informazioni e restituisce valori strutturati \u2014 per esempio Choice, Score<\/em> o Boolean<\/em> \u2014 con probabilit\u00e0 e indicazioni di confidenza.<\/p>\n\n\n\n

Tradotto: meno \u201cCiao, come posso aiutarti?\u201d<\/em> e pi\u00f9 \u201cs\u00ec, no, rischio 73%, manda qui\u201d<\/em>.<\/p>\n\n\n\n

E questo potrebbe cambiare molto pi\u00f9 dei chatbot.<\/p>\n\n\n\n

Il fatto nudo<\/h2>\n\n\n\n

TypeSafe AI ha presentato Jev il 14 settembre 2026<\/strong>, 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.<\/p>\n\n\n\n

Secondo TypeSafe, Jev pu\u00f2 operare con tempi end-to-end indicativamente compresi tra 70 e 500 millisecondi<\/strong> e un prezzo dichiarato di 0,042 dollari per milione di token in input<\/strong>, senza tariffazione separata dell\u2019output. Vercel, che ha integrato Jev nel proprio AI Gateway, mostra attualmente il prezzo arrotondato a 0,04 dollari per milione di token<\/strong>.<\/p>\n\n\n\n

Il dato che attira l\u2019attenzione \u00e8 per\u00f2 un altro: fino a 193,6 volte pi\u00f9 veloce e 444,6 volte meno costoso<\/strong>.<\/p>\n\n\n\n

Ed \u00e8 qui che bisogna fermarsi un momento.<\/p>\n\n\n\n

Prima di entusiasmarci: 193 volte pi\u00f9 veloce di cosa?<\/h2>\n\n\n\n

Quei moltiplicatori provengono dalle workflow evaluations realizzate da TypeSafe stessa<\/strong>.<\/p>\n\n\n\n

La societ\u00e0 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.<\/p>\n\n\n\n

Vercel, nella pagina con cui annuncia l\u2019integrazione, usa infatti una formulazione molto precisa: \u201cTypeSafe reports\u201d<\/strong> che Jev raggiunge quei risultati. Non li presenta come una verifica indipendente.<\/p>\n\n\n\n

Soprattutto, Jev e un grande modello linguistico non svolgono esattamente lo stesso compito.<\/p>\n\n\n\n

Dire semplicemente \u201cJev \u00e8 193 volte pi\u00f9 veloce di ChatGPT\u201d<\/strong> sarebbe quindi fuorviante.<\/p>\n\n\n\n

\u00c8 un po\u2019 come scoprire che una calcolatrice \u00e8 pi\u00f9 rapida di un commercialista nel fare una divisione e concludere che pu\u00f2 anche preparare il bilancio.<\/p>\n\n\n\n

T \u2014 Tecnologia: togliere le parole per guadagnare velocit\u00e0<\/h1>\n\n\n\n

Un LLM tradizionale genera generalmente una sequenza di token.<\/p>\n\n\n\n

Jev \u00e8 progettato invece per produrre direttamente risultati tipizzati che il software pu\u00f2 utilizzare. TypeSafe afferma inoltre che le diverse risposte possono essere elaborate in parallelo anzich\u00e9 essere generate sequenzialmente token dopo token.<\/p>\n\n\n\n

Questo restringimento \u00e8 contemporaneamente il limite e la forza dell\u2019architettura.<\/p>\n\n\n\n

Se il programma deve decidere se una richiesta \u00e8 urgente, se continuare un processo, quale strumento chiamare o quale categoria assegnare a un elemento, potrebbe non servire un paragrafo scritto magnificamente.<\/p>\n\n\n\n

Potrebbe bastare:<\/p>\n\n\n\n

Urgente: 82%.<\/strong><\/p>\n\n\n\n

L\u2019integrazione 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\u2019azione.<\/p>\n\n\n\n

Ma davvero Jev \u201cnon allucina\u201d?<\/h2>\n\n\n\n

TypeSafe utilizza un\u2019affermazione forte: Jev sarebbe progettato in modo da non produrre valori esterni allo schema previsto.<\/p>\n\n\n\n

Qui per\u00f2 le parole contano.<\/p>\n\n\n\n

Non produrre un output formalmente impossibile non significa prendere sempre la decisione giusta.<\/strong><\/p>\n\n\n\n

Un campo che ammette soltanto vero<\/code> o falso<\/code> pu\u00f2 essere perfettamente conforme allo schema e perfettamente sbagliato nella risposta.<\/p>\n\n\n\n

La vera innovazione tecnica riguarda quindi la type safety dell\u2019output<\/strong>, non l\u2019infallibilit\u00e0 della decisione. La stessa documentazione TypeSafe distingue infatti la conformit\u00e0 strutturale dall\u2019accuratezza del modello.<\/p>\n\n\n\n

E \u2014 Etica e persona: l\u2019AI invisibile \u00e8 ancora AI<\/h1>\n\n\n\n

Qui compare forse la questione pi\u00f9 interessante.<\/p>\n\n\n\n

Con ChatGPT l\u2019utente sa che sta interagendo con un sistema di intelligenza artificiale.<\/p>\n\n\n\n

Ma immaginiamo Jev inserito dentro un software.<\/p>\n\n\n\n

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\u2019agente autonomo riceve il permesso di continuare.<\/p>\n\n\n\n

Tutto pu\u00f2 accadere senza chatbot, avatar o cursori lampeggianti.<\/p>\n\n\n\n

L\u2019AI non sparisce. Sparisce dalla vista.<\/strong><\/p>\n\n\n\n

E una tecnologia invisibile pu\u00f2 porre un problema etico pi\u00f9 sottile di una tecnologia spettacolare: l\u2019utente potrebbe non sapere pi\u00f9 quando una decisione che lo riguarda contiene una componente algoritmica.<\/p>\n\n\n\n

La domanda allora non \u00e8 soltanto se il sistema sia accurato.<\/p>\n\n\n\n

\u00c8: quando \u00e8 giusto che decida da solo?<\/strong><\/p>\n\n\n\n

S \u2014 Standard: economico non significa automaticamente affidabile<\/h1>\n\n\n\n

La diminuzione del costo rende ancora pi\u00f9 importante il risk management.<\/p>\n\n\n\n

ISO\/IEC 42001:2023<\/strong> stabilisce requisiti per un sistema organizzativo di gestione dell\u2019AI e include governance, gestione del rischio, trasparenza e responsabilit\u00e0. ISO\/IEC 23894:2023<\/strong> fornisce invece indicazioni specifiche sull\u2019integrazione della gestione dei rischi nelle attivit\u00e0 connesse all\u2019intelligenza artificiale.<\/p>\n\n\n\n

Il NIST AI Risk Management Framework<\/strong>, che \u00e8 un framework volontario e non una legge, struttura la gestione del rischio attraverso quattro funzioni: Govern, Map, Measure e Manage<\/strong>. NIST sottolinea inoltre l\u2019importanza di valutazioni indipendenti proprio per ridurre bias e conflitti di interesse nei test.<\/p>\n\n\n\n

Quest\u2019ultimo punto sembra scritto apposta per casi come Jev.<\/p>\n\n\n\n

Un benchmark prodotto dall\u2019azienda \u00e8 informazione utile.<\/p>\n\n\n\n

Una valutazione indipendente \u00e8 un\u2019altra cosa.<\/strong><\/p>\n\n\n\n

T \u2014 Tutele e diritto: quando un \u201cBoolean\u201d diventa una decisione sulla persona<\/h1>\n\n\n\n

Jev non \u00e8 automaticamente un sistema \u201cad alto rischio\u201d ai sensi dell\u2019AI Act.<\/p>\n\n\n\n

La classificazione giuridica dipende dal sistema nel quale viene integrato, dalla finalit\u00e0 prevista e dal contesto d\u2019uso.<\/p>\n\n\n\n

Ma se tecnologie di questo tipo entrano in applicazioni qualificate come ad alto rischio, il quadro europeo diventa particolarmente rilevante.<\/p>\n\n\n\n

L\u2019articolo 9 dell\u2019AI Act<\/strong> impone per i sistemi ad alto rischio un processo continuo di gestione dei rischi. L\u2019articolo 14<\/strong> 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.<\/p>\n\n\n\n

E non c\u2019\u00e8 soltanto l\u2019AI Act.<\/p>\n\n\n\n

Quando vengono trattati dati personali e una decisione \u00e8 basata unicamente su un trattamento automatizzato<\/strong> producendo effetti giuridici o incidendo in modo analogo significativamente su una persona, entra in gioco anche l\u2019articolo 22 del GDPR<\/strong>, con condizioni ed eccezioni precise e, nei casi previsti, garanzie tra cui l\u2019intervento umano e la possibilit\u00e0 di contestare la decisione.<\/p>\n\n\n\n

Il punto quindi non \u00e8:<\/p>\n\n\n\n

\u201cJev \u00e8 legale?\u201d<\/strong><\/p>\n\n\n\n

Una domanda simile avrebbe poco senso senza conoscere l\u2019applicazione.<\/p>\n\n\n\n

La domanda corretta \u00e8:<\/p>\n\n\n\n

\u201cQuale decisione gli stiamo affidando?\u201d<\/strong><\/p>\n\n\n\n

A \u2014 Accessibilit\u00e0: l\u2019esempio del buttafuori<\/h1>\n\n\n\n

Immaginiamo un locale con mille persone in fila.<\/p>\n\n\n\n

Un addetto impiega trenta secondi a valutare ogni situazione.<\/p>\n\n\n\n

Arriva un sistema che lo fa in cento millisecondi.<\/p>\n\n\n\n

Fantastico.<\/p>\n\n\n\n

La fila sparisce.<\/p>\n\n\n\n

Ma se il criterio utilizzato \u00e8 sbagliato, non abbiamo eliminato l\u2019errore.<\/p>\n\n\n\n

Abbiamo comprato un errore con una fila molto pi\u00f9 corta.<\/strong><\/p>\n\n\n\n

\u00c8 questo il punto che il dato sui 193\u00d7 rischia di nascondere: velocit\u00e0 e costo misurano quanto rapidamente una decisione viene prodotta.<\/p>\n\n\n\n

Non dicono automaticamente quanto sia giusta quella decisione<\/strong>.<\/p>\n\n\n\n

Il paradosso<\/h2>\n\n\n\n

Per anni si \u00e8 cercato di costruire AI capaci di parlare come esseri umani.<\/p>\n\n\n\n

Ora una possibile innovazione consiste nel farle parlare meno<\/strong>.<\/p>\n\n\n\n

E potrebbe essere proprio cos\u00ec che finiranno per decidere di pi\u00f9.<\/p>\n\n\n\n

La rivoluzione, insomma, potrebbe non essere avere un’intelligenza artificiale sulla scrivania.<\/p>\n\n\n\n

Potrebbe essere averne cento dentro il software senza vederne nemmeno una.<\/p>\n\n\n\n

Cosa sappiamo e cosa ancora non sappiamo<\/h2>\n\n\n\n

Sappiamo che Jev esiste, \u00e8 disponibile tramite Vercel AI Gateway, produce decisioni strutturate e TypeSafe pubblica prezzi e risultati delle proprie valutazioni. Sappiamo inoltre che l\u2019azienda stessa riconosce limiti metodologici nei benchmark che producono i valori 193,6\u00d7 e 444,6\u00d7.<\/p>\n\n\n\n

Non disponiamo invece, sulla base delle fonti pubbliche esaminate, di una validazione indipendente capace di trasformare quei moltiplicatori in una superiorit\u00e0 generale dimostrata rispetto agli LLM.<\/p>\n\n\n\n

E soprattutto non esiste alcuna evidenza che Jev sia un \u201cnuovo ChatGPT\u201d.<\/p>\n\n\n\n

Non vuole esserlo.<\/strong><\/p>\n\n\n\n

Conclusione: l\u2019AI del futuro parler\u00e0 meno e decider\u00e0 di pi\u00f9?<\/h1>\n\n\n\n

La parte pi\u00f9 interessante di Jev non \u00e8 probabilmente quel 193,6\u00d7<\/strong> che funziona cos\u00ec bene nei titoli.<\/p>\n\n\n\n

\u00c8 il tentativo di separare due funzioni che con i chatbot abbiamo imparato a sovrapporre: comunicare e decidere<\/strong>.<\/p>\n\n\n\n

Un grande modello linguistico pu\u00f2 restare utile per conversare, interpretare, elaborare e generare contenuti. Modelli specializzati potrebbero invece diventare componenti silenziosi incaricati di classificare, valutare, instradare e autorizzare.<\/p>\n\n\n\n

Il vantaggio potenziale \u00e8 notevole: meno latenza, meno costi e la possibilit\u00e0 di inserire intelligenza artificiale in processi nei quali oggi un grande LLM sarebbe sproporzionato.<\/p>\n\n\n\n

Ma proprio perch\u00e9 una decisione da pochi centesimi pu\u00f2 essere replicata milioni di volte, l\u2019errore diventa economico quanto la decisione<\/strong>.<\/p>\n\n\n\n

Ed \u00e8 qui che tecnologia, etica, standard e diritto finiscono nello stesso punto.<\/p>\n\n\n\n

La domanda per Jev non \u00e8 dunque:<\/p>\n\n\n\n

\u201c\u00c8 pi\u00f9 intelligente di ChatGPT?\u201d<\/strong><\/p>\n\n\n\n

\u00c8 molto pi\u00f9 interessante:<\/p>\n\n\n\n

se prendere una decisione diventa quasi gratuito, quante decisioni saremo tentati di delegare prima di chiederci quali avrebbero dovuto rimanere umane?<\/strong><\/p>\n\n\n\n

\n\n\n\n

Cronologia essenziale<\/h2>\n\n\n\n