Brasileiro que ajudou a criar o ChatGPT lança Jev, IA criada para tomar decisões dentro de softwares

Diogo Almeida passou pela OpenAI quando as técnicas de treinamento que ajudaram os modelos a seguir instruções e conversar com pessoas ainda estavam sendo desenvolvidas. Agora, depois de dois anos trabalhando em sigilo, ele apresenta o Jev, uma IA construída para fazer algo bem diferente: tomar decisões que softwares conseguem executar diretamente.

Diogo Almeida saiu do ChatGPT para resolver outro problema da IA

A principal diferença da nova aposta de Diogo Almeida está justamente naquilo que ela decidiu não fazer. O Jev, primeiro modelo público da TypeSafe AI, não foi criado para manter uma conversa, escrever um texto ou explicar uma resposta. Seu objetivo é produzir decisões estruturadas que possam ser consumidas diretamente por um software.

Almeida participou das pesquisas de pós-treinamento da OpenAI e aparece entre os autores do trabalho sobre InstructGPT, uma das pesquisas que ajudaram a desenvolver a capacidade dos modelos de seguir instruções. Essa experiência colocou o pesquisador próximo de uma transformação que culminaria no ChatGPT.

Depois de deixar a OpenAI em 2024, Almeida fundou a TypeSafe AI com a ideia de atacar uma limitação que, segundo ele, permanece mesmo com o avanço dos grandes modelos de linguagem: eles são excelentes em produzir linguagem para humanos, mas isso não significa que sejam a forma mais eficiente de entregar inteligência diretamente para máquinas.

A tese da nova empresa é que muitos softwares não precisam de um parágrafo bem escrito. Precisam saber, por exemplo, se uma solicitação deve ser aprovada, qual categoria deve receber um chamado ou qual opção apresenta maior probabilidade de estar correta.

Jev transforma a IA em uma decisão que o software consegue usar

O Jev foi projetado para receber informações e devolver decisões estruturadas, reduzindo a necessidade de interpretar uma resposta textual antes de executar uma ação.

Em vez de texto, o modelo entrega escolhas e probabilidades

O funcionamento do Jev parte de uma mudança simples na interface entre IA e software. Em um modelo conversacional, o sistema normalmente recebe uma pergunta e devolve uma sequência de palavras. O programa que utiliza essa resposta precisa então interpretar o texto e transformá-lo em uma ação.

No Jev, as possibilidades de saída são definidas de forma estruturada. O modelo pode devolver uma escolha, uma pontuação ou uma probabilidade. Isso permite que o código receba diretamente o resultado esperado para aquela etapa do processo.

A TypeSafe AI chama essa abordagem de System One Models. A empresa afirma que desenvolveu uma arquitetura própria, um mecanismo de amostragem paralelo e um método de treinamento chamado Reinforcement Learning for Calibrated Decisions (RLCD).

A ideia é retirar o intermediário entre inteligência e automação

Essa diferença pode parecer pequena, mas muda a forma como uma aplicação utiliza um modelo de IA. Se o objetivo é apenas classificar milhares de documentos ou decidir para qual fila deve seguir uma solicitação, gerar uma resposta textual completa pode representar processamento que o software nunca utilizará.

É nesse espaço que o Jev tenta atuar. A informação entra de maneira não estruturada e a saída já assume um formato que o sistema consegue utilizar.

A proposta se conecta a um movimento maior de empresas brasileiras que começam a colocar IA dentro de processos concretos, e não apenas em interfaces de conversa. Um exemplo recente analisado pelo Notícia Tech mostra como empresas brasileiras estão avançando no uso de IA, aproximando os modelos de problemas operacionais reais.

O produto foi pensado para decisões que acontecem nos bastidores

O Jev não pretende substituir um chatbot dentro de uma aplicação. Sua função é atuar em etapas internas que normalmente passam despercebidas pelo usuário final, mas que determinam o que o software fará em seguida.

Imagine um sistema de atendimento recebendo milhares de solicitações. Uma IA conversacional poderia ler cada mensagem e escrever uma classificação. O software ainda precisaria interpretar aquela resposta. Com um modelo de decisão estruturada, a classificação pode ser devolvida diretamente como uma categoria utilizável pelo sistema.

O mesmo princípio pode ser aplicado a processos de triagem, roteamento, pontuação de registros, detecção de determinados padrões e avaliação de conteúdo. A utilidade está menos na conversa e mais na quantidade de pequenas decisões que podem ser automatizadas.

Isso aproxima o modelo de uma espécie de componente de software. Em vez de abrir uma janela para o usuário conversar com uma IA, o desenvolvedor pode incorporar inteligência em diferentes pontos de um fluxo já existente.

A aposta da TypeSafe é velocidade, custo e decisões em escala

Na proposta da TypeSafe AI, modelos de decisão podem funcionar como componentes internos de fluxos empresariais, processando grandes volumes de escolhas repetitivas.

A empresa anunciou US$ 40 milhões para desenvolver essa visão

A TypeSafe AI saiu do modo stealth em 15 de setembro de 2026 com uma rodada seed de US$ 40 milhões, liderada pela DCVC. O financiamento acompanha o lançamento do Jev e dá escala à tentativa de criar uma categoria diferente de modelo de IA.

A empresa afirma que passou cerca de dois anos trabalhando em sigilo antes de apresentar publicamente o produto. O objetivo declarado não é competir simplesmente pela capacidade de conversar, mas construir modelos que possam ser incorporados diretamente aos sistemas utilizados por empresas.

Essa diferença também ajuda a explicar por que a TypeSafe coloca tanta ênfase em eficiência. Se uma decisão simples precisa ser tomada milhões de vezes, pequenas diferenças de latência e custo podem alterar a viabilidade econômica de uma automação.

Os números de desempenho ainda precisam ser avaliados com contexto

A TypeSafe AI afirma que o Jev pode operar entre dezenas e centenas de milissegundos, dependendo da tarefa, e apresenta comparações de velocidade e custo com modelos de linguagem tradicionais. A empresa também afirma que o modelo não sofre com alucinações de texto porque não gera texto livre.

Essas afirmações precisam ser entendidas como resultados e características apresentados pela própria empresa. O desempenho real em ambientes corporativos dependerá da tarefa, dos dados, da calibração e da necessidade de supervisão humana.

Essa ressalva é especialmente importante porque uma decisão errada dentro de um software pode ser mais problemática do que uma resposta ruim em uma conversa. Uma classificação incorreta pode encaminhar um chamado para a equipe errada, bloquear uma operação ou alterar uma prioridade.

O desafio agora é provar que decidir bem é tão importante quanto decidir rápido

A proposta do Jev resolve uma parte do problema da automação: transformar a saída da IA em algo que o software consiga consumir diretamente. A outra parte continua sendo a confiabilidade dessa decisão.

Para uma empresa, velocidade sozinha não basta. Um modelo que responde em poucos milissegundos, mas erra em situações críticas, pode gerar mais trabalho do que economiza.

Por isso, a lógica de probabilidades do Jev é relevante. Ao devolver uma decisão acompanhada de uma estimativa de confiança, o sistema pode estabelecer regras para determinar quando deve agir automaticamente e quando deve encaminhar o caso para uma pessoa.

O próprio desenho do produto permite uma abordagem mais modular. Um processo pode ser dividido em várias decisões menores, executadas em paralelo, em vez de depender de uma única resposta longa produzida por um modelo conversacional.

O Jev coloca a inteligência artificial dentro do software, não diante do usuário

A mudança proposta pela TypeSafe AI fica mais clara quando o Jev é comparado com o modelo tradicional de chatbot. No ChatGPT, a inteligência aparece para o usuário como uma conversa. No Jev, ela pode permanecer completamente invisível.

Isso abre espaço para aplicações em que ninguém precisa saber que uma IA participou da decisão. Um sistema pode classificar uma solicitação, verificar uma condição, atribuir uma pontuação e escolher uma rota sem apresentar uma interface de conversa em nenhuma dessas etapas.

A ideia também se aproxima de uma discussão importante sobre automação empresarial: o valor da IA pode estar menos em substituir uma conversa humana e mais em reduzir milhares de pequenas tarefas que consomem tempo de equipes todos os dias.

O mercado brasileiro já começa a explorar essa direção em diferentes setores. Casos de IA aplicada a dados e decisões de negócio, como o uso de IA para transformar dados em decisões empresariais, mostram por que a integração entre modelos e processos pode ser tão relevante quanto a própria capacidade de geração de conteúdo.

A invenção de Diogo Almeida mira uma IA que quase ninguém precisa ver

O conceito do Jev desloca a IA da interface de conversa para dentro dos sistemas, onde decisões podem ser executadas como parte dos próprios fluxos de software.

O aspecto mais interessante da criação de Diogo Almeida não está apenas no modelo que acabou de ser lançado, mas na mudança de pergunta. Depois de ajudar a desenvolver tecnologias que fizeram computadores conversarem melhor com pessoas, o pesquisador agora tenta descobrir como fazer máquinas utilizarem inteligência de maneira mais direta.

Essa inversão explica por que o Jev não precisa escrever um texto bonito. Para muitos processos empresariais, a resposta ideal pode ser apenas uma escolha acompanhada de uma probabilidade.

A proposta ainda precisa ser testada em escala e em situações reais para mostrar onde essa arquitetura supera, de fato, os modelos conversacionais. Mas o lançamento já apresenta uma direção clara: em vez de colocar uma IA em cada tela, empresas podem começar a colocar inteligência em cada etapa de seus softwares.

Se essa abordagem funcionar como a TypeSafe AI espera, a próxima geração de aplicações de IA poderá ser menos visível para o usuário justamente porque estará mais integrada ao funcionamento interno dos sistemas. A conversa continua sendo uma das faces mais conhecidas da inteligência artificial, mas o Jev aposta que uma parte importante do valor pode estar em algo muito mais silencioso: decidir o que o software deve fazer em seguida.