Новый тип ИИ: почему Jev от создателя ChatGPT может перевернуть автоматизацию — и почему это не заменит GPT

Создатель ChatGPT представил Jev — модель, которая не генерирует текст, а принимает решения параллельно, в 20–200 раз быстрее и в 40–400 раз дешевле классических ИИ. Зачем она нужна, где будет работать и почему это не заменит GPT.

• Jev — это не чат-бот, а инструмент для автоматизации, который работает в 20–200 раз быстрее и в 40–400 раз дешевле классических моделей
• Модель не генерирует текст и не рассуждает, а принимает решения по заданным правилам, исключая галлюцинации, но допуская ошибки в рамках заданных вариантов
• Jev может стать ключевым инструментом для бизнеса, где важны скорость и точность решений, а не креативность или диалог
• Эта технология не заменит GPT, но может вытеснить его из задач, где текст не нужен, а важны скорость и стоимость обработки данных

Два года назад Диогу Алмейда, один из создателей ChatGPT, начал разрабатывать модель, которая не умеет писать тексты и не генерирует ответы по цепочке токенов. Вместо этого она принимает решения — быстро, параллельно и по заданным правилам. Jev (так назвали проект) не похожа ни на один из существующих ИИ-инструментов. Она не отвечает на вопросы, не рассуждает, не фантазирует и не ошибается «своим умом». Вместо этого она выполняет одну задачу: выбирает один из предложенных вариантов, оценивает вероятность события или классифицирует данные — и делает это в 20–200 раз быстрее, чем классические модели, при этом обходясь в 40–400 раз дешевле.

Это не очередной чат-бот, не улучшенная версия GPT и даже не инструмент для творчества. Jev — это машина для автоматизации, где важны не тексты, а решения. И именно здесь она может изменить правила игры.

Почему Jev не похожа на другие модели

Классические модели большого языка, такие как GPT или Llama, работают по принципу «токен за токеном». Они анализируют текст, предсказывают следующий символ, а затем следующий — и так до получения ответа. Этот процесс последовательный, медленный и энергоёмкий. Jev же использует другой подход: она обрабатывает данные параллельно, как суперкомпьютер, и принимает решения на основе заранее заданных правил. Например, если задача — классифицировать клиентские заявки по категориям, Jev не будет «думать», а сразу выберет одну из предложенных категорий. Если задача — оценить вероятность дефолта компании, модель просто выдаст число от 0 до 1.

Важно понимать, что Jev не «знает» ничего сверх того, что ей заложили разработчики. Она не может придумать новый ответ, если его нет в списке вариантов. Это исключает галлюцинации — модель не выдумывает факты, но при этом может ошибаться, если неправильно настроены правила или данные. Например, если в списке категорий нет «неизвестно», а заявка не подходит ни под одну, Jev всё равно выберет что-то одно — возможно, неверно.

Где Jev будет работать лучше, чем GPT

Jev не заменит чат-боты, но она может стать незаменимой в областях, где важны скорость, точность и низкая стоимость. Вот несколько ключевых сценариев:

• Автоматизация бизнес-процессов. Например, сортировка почты, классификация клиентских запросов, оценка кредитных рисков или распознавание мошеннических транзакций. Здесь важно не умение писать ответы, а быстрое и точное принятие решений.
• Обработка больших объёмов данных. Если нужно проанализировать миллионы записей в базе данных — например, определить сегменты аудитории для рекламы или выявить аномалии в логистике — Jev справится быстрее и дешевле, чем классические модели.
• Интеграция с существующими системами. Многие компании уже используют автоматизированные решения на основе правил (например, CRM или ERP-системы). Jev может стать «мозгом» таких систем, принимая решения на основе данных, а не на основе текстового диалога.
• Регулируемые задачи. В финансах, медицине или юриспруденции важно, чтобы ИИ не «изобретал» свои правила, а следовал чётким инструкциям. Jev как раз для этого и создана.

При этом Jev не сможет заменить GPT в задачах, где нужен диалог, творчество или генерация текстов. Например, она не напишет статью, не составит план маркетинговой кампании или не ответит на вопрос пользователя в чате. Зато она может стать «задним мозгом» для таких систем — например, быстро обрабатывать данные, которые потом будут использоваться в диалоге.

Почему это важно именно сейчас

Сегодня компании тратят огромные деньги на автоматизацию, но многие решения остаются дорогими и медленными. Классические модели большого языка требуют мощных серверов, дорогого обучения и постоянного мониторинга. Jev же может изменить эту картину: если модель в 200 раз быстрее и в 400 раз дешевле, то автоматизация становится доступной даже для среднего бизнеса.

Кроме того, Jev решает одну из ключевых проблем ИИ — галлюцинации. В задачах, где важна точность (например, в финансах или медицине), ошибки моделей могут быть критическими. Jev не «придумывает» ответы — она выбирает из того, что ей дали. Это делает её предсказуемой и безопасной для применения в регулируемых отраслях.

Ещё один важный момент — это интеграция с существующими системами. Многие компании уже используют автоматизацию на основе правил (например, роботов-консультантов в банках или чат-ботов для поддержки). Jev может стать следующим шагом в их развитии, добавив «интеллект» без необходимости переписывать всю инфраструктуру.

Что может помешать распространению Jev

Несмотря на очевидные преимущества, у Jev есть несколько ограничений, которые могут замедлить её распространение:

• Зависимость от качества данных и правил. Если модель получает плохие данные или некорректные инструкции, её решения будут ошибочными. Это требует тщательной настройки и контроля со стороны разработчиков.
• Ограниченность задач. Jev не может работать там, где нужен творческий подход или генерация текстов. Это не универсальный инструмент, а узкоспециализированный.
• Конкуренция с существующими решениями. Многие компании уже используют классические модели или даже собственные алгоритмы для автоматизации. Переход на Jev потребует времени и инвестиций.
• Вопросы безопасности и ответственности. Если Jev принимает критические решения (например, в кредитовании или диагностике), важно понять, кто несет ответственность за её ошибки — разработчик, компания или сама модель.

Кроме того, Jev — это не открытая платформа, а продукт конкретной компании. Если она останется закрытой, то её распространение будет зависеть от коммерческих интересов разработчиков.

Что будет дальше: Jev как часть экосистемы ИИ

Скорее всего, Jev не заменит GPT и другие модели большого языка, но станет важной частью их экосистемы. Например, она может использоваться для предварительной обработки данных перед тем, как их будут анализировать более сложные модели. Или работать в паре с чат-ботами — быстро обрабатывать запросы и передавать результаты для дальнейшего диалога.

В долгосрочной перспективе Jev может изменить подход к автоматизации. Сегодня многие компании стремятся создать «универсального ИИ», который бы всё умел. Но возможно, будущее за специализированными моделями, каждая из которых решает одну задачу лучше всех. Jev как раз демонстрирует, что это возможно.

Ещё один важный момент — это стоимость. Если Jev действительно в 400 раз дешевле классических моделей, то автоматизация станет доступной для гораздо большего числа компаний. Это может привести к росту малого и среднего бизнеса, который сможет позволить себе ИИ-инструменты.

Когда Jev появится на рынке и как её использовать

На данный момент Jev ещё не доступна широкой публике — это демонстрационный проект. Однако если тенденция сохранится, то первые коммерческие версии могут появиться в течение 1–2 лет. Компании, которые хотят начать готовиться к внедрению таких моделей, должны:

• Анализировать свои бизнес-процессы на предмет задач, где важна скорость и точность, а не генерация текстов.
• Готовить данные и правила для работы с Jev или подобными моделями.
• Изучать возможности интеграции с существующими системами автоматизации.
• Отслеживать развитие конкурентных решений — возможно, другие компании выпустят аналогичные продукты.

Если Jev действительно сможет выполнять задачи в сотни раз дешевле и быстрее, это может стать переломным моментом в развитии ИИ. Но ключевым условием успеха станет не сама модель, а умение компаний правильно её использовать — там, где она действительно нужна.