Modelos de decisión IA: Jev, Clef, usos y costes

Clasificar un correo, juzgar si la acción de un agente es arriesgada, elegir el departamento que tratará una solicitud: ninguna de estas decisiones necesita una frase redactada. Es la apuesta de los modelos de decisión IA, una categoría que abrió el 15 de septiembre de 2026 Jev, de la start-up estadounidense TypeSafe AI. Según Vercel, Jev se convirtió en un día en el modelo adoptado más rápido de su pasarela de IA, y OpenAI, Cloudflare y Amazon presentaron su propia versión unas dos semanas después.

Esto es lo que es un modelo de decisión, lo que valen las ofertas de octubre de 2026, para qué sirve según su sector y lo que pensamos de ello. Después, la puesta en marcha, tal como la llevamos a cabo: el diseño de las preguntas, la elección de la infraestructura, el coste y el seguimiento una vez el modelo en servicio.

En resumen

• Un modelo de decisión no redacta nada: responde a preguntas cerradas con un valor y una probabilidad, que su código usa tal cual.
• «Determinista» vale para la forma de la respuesta, no para el juicio: bien calibrado, un modelo que anuncia un 90 % se equivoca aproximadamente una vez de cada diez.
• Jev solo lee texto; Clef, de Cloudflare, también lee imágenes (y sonido, con Clef-omni), retoma la API de Jev y puede instalarse en su casa.
• Por llamada, el coste es mínimo, y ya está bajando: Perplexity factura la mitad que Jev. La factura se decide en la combinación: primero una regla, un modelo de decisión para lo difuso, un gran modelo para escribir, una persona por debajo del umbral.
• La puesta en marcha empieza con una auditoría de las decisiones que se repiten, después una prueba con sus datos y una fase de observación antes de dejar que el modelo actúe.

¿Qué es un modelo de decisión IA?

Cloudflare lo define como un modelo que clasifica para ayudar a un agente a decidir cómo actuar, a partir de probabilidades. El intercambio se desarrolla en cuatro tiempos:

El ejemplo de el anuncio de Clef cabe en tres preguntas sobre un mismo mensaje: «Checkout has been failing for every customer for the last hour.» ¿Es urgente la solicitud? ¿Qué equipo debe tratarla, facturación, técnica o ventas? ¿Cuál es la gravedad para el cliente, de «No impact» a «Critical»? El modelo devuelve una probabilidad para cada opción de cada pregunta, y el código clasifica el ticket, dispara una alerta o confía el caso a una persona.

Dos diferencias cuentan. Con un clasificador clásico, añadir una categoría exigía reentrenar el modelo; un modelo de decisión recibe sus categorías en la petición, subraya Cloudflare. Y a diferencia de un gran modelo de lenguaje, no redacta nada: Clef lee la entrada de una sola pasada y después puntúa en paralelo todas las respuestas permitidas, sin producir texto palabra a palabra, de ahí su rapidez. TypeSafe sitúa a Jev entre los «System One models», en referencia al sistema 1 del psicólogo Daniel Kahneman: el pensamiento rápido e intuitivo, mientras los grandes modelos que «razonan» hacen de sistema 2, lento y deliberado.

¿Son deterministas los modelos de decisión?

En la forma de la respuesta, sí. Cloudflare opone estos modelos a los grandes modelos de lenguaje, «largely non-deterministic», y su primera demostración mostraba «deterministic probabilities». Un modelo de decisión nunca sale de las opciones previstas, y TypeSafe dice haber diseñado el suyo para devolver respuestas estables de una evaluación a otra, en su guía de diseño. Con estado y preguntas idénticos, la respuesta debería seguir siendo la misma, lo que permite probarla y guardarla en caché.

En el juicio, no. «Can’t hallucinate», la promesa de TypeSafe, significa que Jev nunca responde fuera de la lista; nada le impide elegir en ella la opción equivocada, recuerda The Register. La respuesta sigue siendo una probabilidad, y lo que está en juego es que diga la verdad: un modelo bien calibrado que anuncia un 90 % debe equivocarse aproximadamente una vez de cada diez. Cloudflare entrenó Clef con una función de pérdida, llamada de Brier, para afinar esa calibración. En la ficha de Strands Decider, Amazon advierte de que la suya se ajustó con tareas cortas de clasificación: mida sobre su propio tráfico antes de fiarse de un umbral.

Determinista en la forma, probabilístico en el fondo: un modelo de decisión se trata como un clasificador muy rápido cuya tasa de error se mide antes de confiarle la clasificación.

Jev, Clef, Strands, OpenAI: ¿qué modelos de decisión hay en octubre de 2026?

TypeSafe AI salió a la luz con Jev y 40 millones de dólares de financiación, y después captó 870 millones de dólares el 9 de octubre, con una valoración de 7 500 millones, de Andreessen Horowitz y Sequoia Capital, informa SiliconANGLE. Un tercio de las empresas de la lista Fortune 500 ya usarían Jev, según el editor. Menos de un mes después del lanzamiento, el mercado se parece a esto:

Los precios proceden de las tarifas de Jev, de Workers AI, de OpenAI y de Perplexity, consultadas el 11 de octubre de 2026; ninguna factura los tokens de salida. Los pesos de Clef están publicados en Hugging Face, como los de Clef-omni, de Strands Decider y del modelo de Perplexity. En cuanto a la Decisions API, Sam Altman la presentó el 29 de septiembre, en la conferencia en la que OpenAI lanzaba también su plan de ChatGPT de 500 dólares. Ve en ella un medio para concentrar el modelo Luna en una elección para hacerlo «extremely fast», conservando la comprensión de imágenes, un amplio soporte de idiomas y las protecciones de seguridad, informa TechCrunch. La API ha pasado desde entonces a beta pública.

Según sus propias mediciones, Cloudflare anunciaba en el lanzamiento una latencia mediana de 209 milisegundos para Clef, 39 para Clef-flash y 524 para Jev, y después hizo Clef de 1,7 a 2 veces más rápido el 9 de octubre, según su segundo anuncio. En las cuatro evaluaciones sectoriales de TypeSafe, Clef supera a Jev en tres y pierde en la observación de trazas de agentes:

Diferencias de pocos puntos, medidas por la propia Cloudflare y aún no reproducidas para la clasificación oficial, precisa The Register. Clef-flash, más barato que Jev, lo supera por un punto en atención al cliente y lo iguala en seguridad, pero pierde casi cinco puntos en facturas (57,1) y casi dos en trazas de agentes. En los bancos de pruebas públicos de la misma tabla, las diferencias son a veces más claras, en ambos sentidos: Clef gana con holgura en BANKING77 (94,2 frente a 79,7), Jev en When2Call (81,0 frente a 72,4). La tabla cita ya otros modelos del género, como Kev 9B o Laya: el mercado, escribe Cloudflare, está «getting increasingly saturated».

Cloudflare cita también un uso propio. Su equipo de inteligencia de amenazas hace clasificar dominios a Clef, que abre la página con su navegador Browser Run y responde por ejemplo «fashion website» al 95 %, «ecommerce» al 85 % y «phishing» a menos del 1 %. Todo en 2,2 segundos, frente a 4,7 para gpt-oss-120b, su modelo generalista más rápido, que solo devolvió dos categorías. Sumadas, estas probabilidades superan el 100 %: cada categoría se juzga por separado, y un sitio puede ser a la vez de moda y comercial.

El director de TypeSafe, Diogo Almeida, aún no ve un verdadero competidor. Este antiguo empleado de OpenAI, que firmó en 2022 el artículo sobre InstructGPT, el método de entrenamiento que precedió a ChatGPT, considera que estas copias se parecen a ingenieros «wanting to implement a cool architecture» más que a un equipo dedicado a hacer útil la inteligencia, dijo a TechCrunch.

¿Para qué sirve un modelo de decisión, según el sector?

Un modelo de decisión sirve allí donde una misma decisión se repite cientos o miles de veces, sobre un texto redactado libremente, y condiciona lo que ocurre después. El mapa de casos de uso de TypeSafe los ordena por sector, a menudo con una salida hacia una persona. Esta es una lectura para empresas:

Los primeros casos publicados van en esa dirección. En Vercel, un clasificador que verifica la seguridad de los comandos pasó de un modelo de OpenAI a Jev, con respuestas de 5 a 18 veces más rápidas, y más acertadas, según TechCrunch. En Jack & Jill, una plataforma de selección donde agentes acercan candidatos y empresas, Jev sustituyó a Gemini 3.1 Flash Lite para preseleccionar candidatos: un coste dividido por ocho y una clasificación dos veces más rápida, con calidad comparable, según el estudio de caso publicado por TypeSafe. En Cloudflare, Clef ya cierra los tickets no deseados del repositorio público de la documentación, detecta phishing entre las extensiones de su gestor de contenidos y busca datos personales, como números de documentos de identidad, según el anuncio del 9 de octubre; la empresa también quiere afinarlo para clasificar sus solicitudes de soporte, juzgar las denuncias que trata su equipo de confianza y seguridad o distinguir los buenos robots de los malos. Y la pasarela OpenRouter ofrece Jev Router, que elige para cada petición el modelo y el esfuerzo de razonamiento. Clef lee también imágenes, y Clef-omni sonido: una foto de producto, una captura de pantalla o el ruido de una máquina pueden formar parte del estado.

Para una estructura pequeña, la primera pregunta es el volumen. Una decisión tomada veinte veces al día se resuelve a menudo con una regla escrita, o a mano. El modelo de decisión se vuelve interesante cuando el volumen supera lo que una persona clasifica sin pasarse los días haciéndolo, o cuando la respuesta debe llegar en una fracción de segundo, en una interfaz o en el bucle de un agente.

¿Qué valen las promesas de los modelos de decisión?

Para sus defensores, estos modelos corrigen un contrasentido: pedir un «sí» a un modelo entrenado para conversar es pagar prosa para obtener un booleano. «We have lightning in a bottle, and yet it is not useful», resume Diogo Almeida en TechCrunch, porque los grandes modelos están optimizados para el lenguaje humano. El segundo argumento es la probabilidad. Según TypeSafe, «If a model can do a task 95% of the time but doesn’t say when it’s in the 5%, it can’t automate that task.» El director técnico de Bryo AI ve además en Jev el único modelo que devuelve una verdadera probabilidad, aunque, en su prueba de clasificación de correos profesionales, Gemini se mostró algo más preciso, por un precio de 10 a 20 veces mayor.

Los escépticos empiezan por las cifras. Las que muestra la página de inicio de Jev proceden de evaluaciones construidas por TypeSafe, que lo reconoce en su anuncio: esas ganancias estarían en la parte alta del rango real, y no se descarta un sesgo. Las mediciones publicadas por los propios usuarios las recogió el equipo del software OpenChamber a partir de 12 759 mensajes publicados en X, de ellos 215 mediciones de velocidad y 180 de precio; una recopilación de testimonios y no un banco de pruebas, advierten sus autores.

Las ganancias medidas por los usuarios siguen siendo considerables, pero lejos de la página de inicio. Para Armin Ronacher, director técnico de Earendil, Jev «delegates the hallucination problem a little bit to the user», que debe decidir qué hacer con una respuesta al 50 % (TechCrunch).

Y la idea no es nueva: los clasificadores existen desde hace años, y la crítica más vista del lanzamiento, según OpenChamber, reducía Jev a un desvío de código mejorado. La novedad, si las promesas se cumplen: nada que entrenar, categorías definidas en la petición, la comprensión del texto de un gran modelo y una probabilidad que dice la verdad. La adopción, en cambio, es real: según Vercel, casi el 13 % de los equipos de pago de su pasarela usaban Jev al cabo de 24 horas, el doble que la familia GPT-5.6 en la misma fase, y la próxima prueba será saber si esa adopción dura.

¿Qué cambia para la industria de la IA?

Primer efecto: el formato se ha banalizado en dos semanas, hasta el punto de que Clef retoma la API de Jev para sustituirlo sin reescribir el código. Los precios han seguido: Perplexity factura la mitad que Jev, y Cloudflare hizo pasar Clef-flash por debajo del precio de Jev el 9 de octubre, reduciendo su ventana de contexto. Ese mismo día, TypeSafe captaba 870 millones de dólares: los inversores apuestan por el pionero. El valor se desplaza hacia lo que no se copia tan rápido: probabilidades que dicen la verdad, medidas por otros que no sean el editor.

Segundo efecto: la IA se desdobla, con modelos rápidos que deciden en cada etapa y grandes modelos llamados solo para escribir o razonar. Marc Brooker, el ingeniero de Amazon detrás de Strands Decider, ve en ello «a perfect decider for a workflow step» (TechCrunch). Cada vuelta de el bucle de un agente puede pasar por una verificación rápida, una precaución que el caso de los agentes de OpenAI que piratearon Hugging Face vuelve muy concreta. Y el enrutador que elige el modelo se convierte a su vez en un modelo.

Tercer efecto: el ajuste fino se convierte en un producto. Jev sirve los mismos pesos a todos sus clientes y no se entrena con sus datos: se adapta mediante la petición, según su documentación. Cloudflare toma el camino contrario con un servicio de ajuste fino de Clef: su tráfico, captado por su pasarela de IA, se convierte en un conjunto de datos, y después el modelo se reentrena y se despliega de nuevo en Cloudflare, primero con sus ingenieros y más adelante en autoservicio. La propia empresa advierte de que un modelo ajustado puede perder en polivalencia lo que gana en precisión en su ámbito.

El cuarto efecto, el más importante a nuestro juicio, está en el nombre. Jev se lo debe a William Stanley Jevons, el economista que explicaba en 1865, en The Coal Question, que el ahorro de carbón no reduce su consumo:

TypeSafe asume el paralelismo: cada bajada de un orden de magnitud en el coste de la inteligencia abriría órdenes de magnitud de usos nuevos. Decisiones más baratas no reducirán, por tanto, la factura total de la IA, sino que multiplicarán las decisiones automatizadas. Es el mecanismo que describíamos a propósito de la energía y el agua que consume la IA.

Lo que pensamos

La idea es acertada, y ya la aplicamos: separar lo que decide de lo que escribe. Nuestra tabla de enrutamiento interna confía la clasificación, la categorización y el enrutamiento de intención a un modelo muy pequeño, con un modelo abierto en nuestro propio servidor como respaldo, y una regla escrita: el propio enrutador no debe costar casi nada. Los modelos de decisión apuntan exactamente a esa casilla. Entrarán por nuestro banco de pruebas, no bajo palabra. Su verdadera novedad, a nuestro juicio, es la probabilidad: si dice la verdad, permite ajustar un umbral con conocimiento de causa.

Pero más barato no quiere decir necesario. TypeSafe lo escribe en su propia guía: mantenga el trabajo determinista en el código, que es «reliable and cheap», y evite los bucles de agente cuando basta un workflow de software. Una regla escrita no paga ninguna llamada a un modelo y nunca se equivoca en lo que cubre; un modelo de decisión no la sustituye, sustituye a un gran modelo empleado para clasificar. No todas las automatizaciones necesitan IA, y ponerla en todas partes sin necesidad multiplica los costes y hace derivar los proyectos. Es el principio de nuestra oferta de automatización con n8n, con o sin IA: IA solo allí donde rinde, y un modelo de decisión como Jev cuando hay que clasificar texto libre. Nuestra guía sobre la automatización sin IA ayuda a detectar las automatizaciones que prescinden de ella.

Queda la dependencia. Jev es un producto propietario y joven, alojado en Estados Unidos y entrenado primero en inglés, cuyo precio no ha demostrado aún su solidez en el tiempo. Sus 870 millones de dólares le dan con qué durar, no la garantía de que ese precio se mantenga: TypeSafe reconoce que no puede demostrar que no está subvencionado. Clef reduce ese riesgo: habla la misma API, y sus pesos abiertos se instalan en su casa. Mantenga la decisión detrás de su propia interfaz, para que cambiar de proveedor siga siendo un cambio de configuración.

Lo que nos haría cambiar de opinión: evaluaciones independientes, no publicadas por los editores, que muestren que estas probabilidades siguen siendo fiables con datos de empresa en idiomas distintos del inglés, y precios que se mantengan durante un año.

¿Cómo poner en marcha un modelo de decisión?

Este es el método que seguimos. Empieza por el trabajo, no por el modelo.

1. 01Auditar las decisiones que se repiten.

   Se cartografían los procesos con las personas que hacen el trabajo, se inventarían las herramientas y lo que cuestan, se comprueba cuáles se conectan (una API, una exportación, nada en absoluto) y se miden los frenos y la disposición del equipo, así como sus necesidades de formación. De ahí salen las decisiones repetitivas, con su volumen y el coste de un error. Es el objeto de nuestra auditoría de madurez digital y de IA, que sirve para ordenar sus proyectos por impacto y viabilidad, con un GO/NOGO por escrito, en dos a cuatro semanas por 3 500 €. Es una inversión, que cobra todo su sentido cuando varias decenas de personas repiten las mismas decisiones.

2. 02Elegir, decisión por decisión, el peldaño de la escalera.

   Una regla si la decisión se puede escribir (un importe, una fecha, un estado). Un modelo de decisión para lo difuso: un correo redactado libremente, una acción de agente que juzgar. Un gran modelo cuando hay que escribir o razonar. Una persona por debajo del umbral, y siempre para una decisión que afecta a una persona.

3. 03Diseñar las preguntas

   Según los principios de la sección siguiente.

4. 04Probar, y después observar.

   El banco de pruebas compara varios modelos con 20 a 30 muestras reales, un modelo de decisión junto a modelos clásicos: suficiente para elegir, no para garantizar una tasa de error. El modelo elegido trabaja después en observación: decide junto al equipo, sin actuar, hasta que cada tramo de confianza reúne bastantes casos. Para medir una tasa de error de alrededor del 10 % con una precisión de 3 puntos, con el margen habitual del 95 %, hacen falta casi 400 casos en el mismo tramo (el cálculo clásico de un intervalo de confianza sobre una proporción). Nuestra guía para evaluar un modelo de IA antes de la producción detalla el método.

5. 05Conectar el modelo detrás de su propia interfaz.

   El código de negocio solo habla con esa interfaz, que gestiona el presupuesto y el tope de cada uso, el respaldo en caso de caída y el registro de costes: cambiar de modelo no toca el código de negocio. Los umbrales se ajustan según la fase de observación, más altos para una acción irreversible.

6. 06Formar al equipo.

   Las personas que retoman los casos por debajo del umbral aprenden a leer una probabilidad y a corregir el modelo. Cada corrección se anota: es la materia que servirá para recalibrar.

¿Cómo diseñar las preguntas de un modelo de decisión?

Un modelo de decisión vale lo que valen sus preguntas. La guía de TypeSafe cabe en unos pocos principios que hacemos nuestros:

• Preguntas atómicas. Una pregunta, una propiedad. «¿Es este mensaje una reclamación urgente sobre un pedido?» esconde tres juicios; tres preguntas cortas los muestran, y el código los combina. Es, según TypeSafe, probablemente el principio más importante de su guía.
• Criterios explícitos. Para una elección, cada opción dice lo que cubre y lo que corresponde a otra, con algunos ejemplos. Ahí es donde su negocio entra en el modelo.
• Solo el contexto útil. Un estado lleno de información inútil hace perder precisión, y TypeSafe aconseja no contar con lo que el modelo ya sabe cuando la información actualizada está en su base de datos.
• El cálculo, al código. Jev cuenta mal y lee las fechas como texto, según la página de sus debilidades conocidas. Un importe, una fecha límite o un número de artículos se calculan antes de llamar al modelo.
• El orden de las opciones, probado. Jev se inclina a veces por la primera opción de una lista: compruebe que permutar las opciones no cambia la respuesta. Cloudflare dice haber entrenado Clef con datos en los que varían el orden de los campos y la forma de las preguntas; la prueba sigue siendo útil.
• Umbrales según el riesgo. TypeSafe propone tres zonas: actuar cuando la confianza es alta, hacer confirmar o revisar entre ambas, ceder el paso cuando es baja. En su ejemplo bancario, mostrar un saldo se conforma con superar un mínimo del 50 %, mientras que aprobar una transferencia exige más del 90 %, y aun así con confirmación. Empiece con prudencia y ajuste con sus datos, aconseja su página sobre la confianza.

Un ejemplo. Una tienda en línea recibe: «Mi pedido todavía no ha llegado, y me han cobrado dos veces.» Una pregunta única, «¿A qué departamento corresponde este mensaje?», obligaría a elegir entre la entrega y la facturación. Es mejor plantear, en la misma petición:

1. «¿Señala el mensaje un retraso en la entrega?» (verdadero o falso)
2. «¿Señala el mensaje un problema de pago?» (verdadero o falso)
3. «¿Cuál es el nivel de enfado del cliente?» (una puntuación en cuatro niveles)

Las tres preguntas se refieren al mismo estado y se evalúan en paralelo: descomponer no añade ida y vuelta, precisa TypeSafe. Antes de la llamada, el código ha encontrado el pedido y contado los cargos en la base de datos: el modelo no tiene que adivinarlo. Después, el código abre una tarea para la entrega, otra para la facturación, y marca el expediente como prioritario si el enfado es fuerte y la confianza suficiente.

¿Dónde ejecutar un modelo de decisión?

Tres opciones, que se eligen según sus datos, su volumen y el tiempo de respuesta que tolera el uso:

La API del editor es lo más sencillo para empezar: nada que instalar, y el límite de 80 peticiones por segundo supera con mucho el millón de decisiones mensuales del ejemplo de coste más abajo, que suponen menos de una por segundo de media. Conviene para datos públicos. Para datos internos, nuestra tabla de sensibilidad exige un proveedor sin conservación: en TypeSafe, la conservación cero se presenta como una opción de los clientes empresa, y el acuerdo de tratamiento de datos prevé las cláusulas contractuales tipo de la Comisión Europea para las transferencias. Los datos personales y regulados, en cambio, se quedan en autoalojamiento. Para una empresa europea, el alojamiento estadounidense es discutible, como detallamos a propósito de la dependencia de la nube estadounidense; OpenAI propone además tratar en Europa las peticiones de su Decisions API, con condiciones y mediante un suplemento, según su documentación.

Workers AI ejecuta Clef en las tarjetas gráficas que Cloudflare reparte por su red, lo más cerca posible del usuario, junto a grandes modelos alojados en el mismo lugar. La página de Clef anuncia un contexto de 65 536 tokens y la lectura de texto, JSON, imágenes y vídeo; la de Clef-omni añade el sonido, y Clef-flash se limita a 24 576 tokens desde la bajada de su precio. La asignación gratuita de Workers AI, 10 000 «neuronas» al día, cubre casi 460 000 tokens leídos al día con Clef y casi 2,9 millones con Clef-flash, es decir, unas 300 decisiones de 1 500 tokens en un caso y casi 2 000 en el otro; por encima, la oferta de pago de Workers factura 0,011 dólares por cada 1 000 neuronas. Si sus datos deben quedarse en Europa, compruebe dónde se ejecuta la inferencia: las páginas de los modelos no lo dicen.

Su propio servidor lo guarda todo en su casa. Strands Decider 2B acepta incluso solo el procesador, según su ficha, lo que lo pone al alcance de un servidor corriente, con una velocidad que medir. Clef-flash requiere una tarjeta de al menos 41 GB de memoria, y Clef 85 GB, precisó una responsable de producto de Cloudflare a The Register, para una petición a la vez con un contexto completo. En Scaleway, una tarjeta L40S de 48 GB se alquila por unos 1 073 euros sin impuestos al mes en París, según su tarifa consultada el 11 de octubre de 2026. Para comparar, 1 000 dólares compran unos 26 000 millones de tokens leídos por Clef-flash en Workers AI, más de 17 millones de decisiones de 1 500 tokens: por debajo de tales volúmenes, un servidor propio se justifica por la sensibilidad de los datos más que por el precio. Una tarjeta alquilada en Europa corresponde al nivel 3 de nuestros cuatro niveles de IA privada, una máquina en sus instalaciones al nivel 4. Ya ejecutamos modelos abiertos con Ollama en nuestro propio servidor, en producción, para los datos sensibles.

¿Cuánto cuesta de verdad un modelo de decisión?

Por llamada, poco. Retomemos las hipótesis de nuestra guía sobre el coste de la IA en la empresa: 1 500 tokens leídos por decisión y una respuesta de 50 tokens, a las tarifas consultadas el 11 de octubre de 2026, con el mismo número de tokens (cada modelo divide el texto a su manera).

Claude Haiku 5.5, el modelo de gama de entrada de Anthropic, que el editor destina a clasificación, extracción y enrutamiento, se cuenta a 0,10 dólares por millón de tokens de entrada y 0,50 de salida, según la tarifa de Anthropic. El precio de OpenAI es su tarifa base, sin el suplemento por tratamiento en Europa. En Workers AI, la asignación gratuita cubre la primera columna, que representa menos de un centenar de decisiones al día. Y plantear tres preguntas sobre el mismo mensaje no triplica la cuenta: Jev lee el estado una vez y evalúa todas las preguntas en paralelo, según su documentación.

Para una pyme que clasifica 2 000 correos al mes, la diferencia se cuenta en céntimos, mientras que un correo mal clasificado cuesta el tiempo de la persona que lo recupera. Frente a los modelos de lenguaje pequeños más recientes, el precio ya no basta para desempatar: Claude Haiku 5.5 solo cuesta unas tres veces más que Jev, y menos que Clef. La diferencia solo pesa de verdad a muy gran volumen, el de agentes que hacen verificar cada una de sus acciones: con cien millones de decisiones al mes, Jev costaría unos 6 300 dólares y Haiku 5.5, 17 500. El resto se juega en la velocidad, y en una probabilidad calibrada que los modelos de lenguaje no dan de entrada.

La combinación pesa más que el precio unitario. Tomemos un ejemplo de manual, en el que cada peldaño de la escalera solo recibe lo que el anterior no ha resuelto:

Total: unos 32 dólares al mes, frente a 175 si todo pasara por Haiku. Las proporciones se han inventado para el ejemplo; solo cuentan las suyas, y la auditoría sirve para medirlas.

El verdadero coste está en otra parte:

• La puesta en marcha. La auditoría, el banco de pruebas y el diseño de las preguntas pesan mucho más que las llamadas al modelo con un volumen pequeño.
• El tiempo humano por debajo del umbral. Un umbral demasiado prudente devuelve demasiados casos al equipo, uno demasiado audaz deja pasar errores. El ajuste correcto se lee en el registro de decisiones.
• La supervisión. Un workflow que falla en silencio cuesta más que un modelo caro: cada fallo debe disparar una alerta, y cada decisión dejar rastro. Nuestra guía para supervisar los workflows de n8n muestra cómo enterarse a tiempo.
• El efecto Jevons. Las decisiones que no cuestan casi nada se multiplican, y con ellas los errores que vigilar. Por eso cada automatización que entregamos sale con su contador de costes.

¿Cómo hacer el seguimiento de un modelo de decisión tras su puesta en servicio?

Un modelo de decisión no se instala de una vez por todas. Cuatro hábitos lo mantienen fiable:

1. Un registro de decisiones. Para cada decisión: la versión del modelo, las opciones, las probabilidades, el umbral aplicado, lo que hizo el código y la corrección humana si la hubo. Este registro permite recontar los errores por tramo de confianza y prepara para lo que el AI Act exigirá a los usos de alto riesgo: el registro de la actividad y la supervisión humana.
2. Una versión fijada. La documentación de Jev aconseja fijar la versión con la que se ajustaron sus umbrales y pasar después a la siguiente a su ritmo, tras una nueva prueba.
3. Una revisión periódica. Una proporción creciente de casos por debajo del umbral, o correcciones humanas más numerosas, indican que sus datos han cambiado: nuevos productos, nuevas solicitudes, nuevo vocabulario. Nuestro paquete «IA a su justo coste» prevé un informe mensual y una revisión trimestral de la tabla de enrutamiento, y la decisión pasa por ella como lo demás.
4. La especialización, cuando el volumen la justifica. Jev no admite ajuste fino: se adapta mediante el contenido del estado y los criterios de las preguntas. Clef puede ajustarse con el servicio de Cloudflare. Strands Decider publica su receta de entrenamiento, unas 11 horas en una tarjeta RTX 3090, y su ficha aconseja entrenar el modelo con una escala cercana a la suya. Las correcciones anotadas por su equipo se convierten entonces en datos de entrenamiento, con la contrapartida señalada por Cloudflare: un modelo ajustado puede perder polivalencia.

Por dónde empezar

Parta de la decisión que más se repite en sus automatizaciones, como la clasificación de los tickets de atención al cliente o la verificación de una acción. Mida lo que cuesta y cuántas veces se equivoca, y después pregúntese si basta una regla; si no, un modelo de decisión merece una prueba, con un umbral y una persona por debajo. Nuestra sección IA de empresa, privada y a su justo coste sigue estas elecciones, y nuestro paquete «IA a su justo coste» sirve para comparar los modelos con sus propios contenidos, con el coste medido y la calidad juzgada, antes de decidir cuál conservar.

Preguntas frecuentes

Fuentes

1. La documentación de Jev (nueva pestaña)docs.typesafe.ai
2. El anuncio de Clef (nueva pestaña)blog.cloudflare.com
3. Su guía de diseño (nueva pestaña)docs.typesafe.ai
4. The Register (nueva pestaña)theregister.com
5. La ficha de Strands Decider (nueva pestaña)huggingface.co
6. SiliconANGLE (nueva pestaña)siliconangle.com
7. Jev (nueva pestaña)docs.typesafe.ai
8. Workers AI (nueva pestaña)developers.cloudflare.com
9. OpenAI (nueva pestaña)developers.openai.com
10. Perplexity (nueva pestaña)docs.perplexity.ai
11. Están publicados en Hugging Face (nueva pestaña)huggingface.co
12. Del modelo de Perplexity (nueva pestaña)huggingface.co
13. TechCrunch (nueva pestaña)techcrunch.com
14. Su segundo anuncio (nueva pestaña)blog.cloudflare.com
15. The Register (nueva pestaña)theregister.com
16. El artículo sobre InstructGPT (nueva pestaña)arxiv.org
17. TechCrunch (nueva pestaña)techcrunch.com
18. El mapa de casos de uso de TypeSafe (nueva pestaña)docs.typesafe.ai
19. TechCrunch (nueva pestaña)techcrunch.com
20. El estudio de caso publicado por TypeSafe (nueva pestaña)typesafe.ai
21. Jev Router (nueva pestaña)openrouter.ai
22. La Comisión Europea (nueva pestaña)digital-strategy.ec.europa.eu
23. RGPD (nueva pestaña)eur-lex.europa.eu
24. Su anuncio (nueva pestaña)typesafe.ai
25. OpenChamber (nueva pestaña)openchamber.dev
26. Según Vercel (nueva pestaña)vercel.com
27. The Coal Question (nueva pestaña)econlib.org
28. La página de sus debilidades conocidas (nueva pestaña)docs.typesafe.ai
29. Su página sobre la confianza (nueva pestaña)docs.typesafe.ai
30. El acuerdo de tratamiento de datos (nueva pestaña)typesafe.ai
31. La página de Clef (nueva pestaña)developers.cloudflare.com
32. La de Clef-omni (nueva pestaña)developers.cloudflare.com
33. Su tarifa (nueva pestaña)scaleway.com
34. La tarifa de Anthropic (nueva pestaña)platform.claude.com