De huidige generatie AI kan indrukwekkende teksten, afbeeldingen en softwarecode genereren. Maar in veel bedrijfsprocessen zit je helemaal niet te wachten op nóg een uitgebreid antwoord.
Je wilt gewoon weten:
- Is deze klantvraag urgent?
- Naar welk team moet dit bericht?
- Is deze lead interessant genoeg voor opvolging?
- Voldoet dit document aan onze criteria?
- Mag de automatisering doorgaan of moet een medewerker meekijken?
Dat is precies het probleem waarop Jev, het nieuwe AI-model van TypeSafe, zich richt. Jev is niet ontworpen als chatbot, maar als een beslismodel voor software.
Wat is Jev?
TypeSafe introduceerde Jev op 15 september 2026 als zijn eerste zogenoemde System One-model. Die naam verwijst naar het snelle, intuïtieve denksysteem uit de gedragspsychologie.
De term System One-model is de eigen positionering van TypeSafe. Het is dus geen algemeen erkende technische standaard. Het belangrijkste verschil met een traditioneel taalmodel is echter duidelijk:
Een taalmodel genereert een antwoord. Jev beoordeelt informatie en levert een gestructureerde beslissing.
Jev krijgt een situatie — door TypeSafe een state genoemd — en één of meerdere vooraf gedefinieerde vragen. Het resultaat bestaat uit voorspelbare gegevens die software direct kan verwerken, zoals een categorie, score of waarschijnlijkheid.
Daardoor hoeft een ontwikkelaar niet eerst een lang AI-antwoord te ontleden en te hopen dat het model zich precies aan het gevraagde format heeft gehouden.
Drie soorten beslissingen
Jev ondersteunt volgens de officiële documentatie drie basisvormen.
1. Choice: kiezen uit vaste opties
Met Choice kiest Jev uit vooraf bepaalde mogelijkheden.
Een klantenservice zou bijvoorbeeld deze categorieën kunnen gebruiken:
- Facturatie
- Technisch probleem
- Offerteaanvraag
- Klacht
- Overig
De software krijgt niet alleen een gekozen categorie terug, maar ook waarschijnlijkheden en een indicatie van de zekerheid.
2. Score: beoordelen op een schaal
Met Score beoordeelt Jev informatie aan de hand van een vooraf beschreven schaal.
Denk bijvoorbeeld aan:
- Hoe kansrijk is deze lead?
- Hoe ernstig is dit klantprobleem?
- Hoe goed sluit een kandidaat aan op de functiecriteria?
- Hoe duidelijk is een ontvangen briefing?
De criteria worden vooraf vastgelegd. Daarmee blijft de applicatie — en niet het AI-model — verantwoordelijk voor de betekenis en gevolgen van de score.
3. Noul: waarschijnlijkheid van ja of nee
Noul is de opvallendst genoemde primitive. Hiermee geeft Jev de waarschijnlijkheid dat een bewering waar is.
Bijvoorbeeld:
- Is dit bericht urgent?
- Bevat deze aanvraag voldoende informatie?
- Gaat deze e-mail over een bestaande klant?
- Is menselijke controle noodzakelijk?
De applicatie kan vervolgens zelf een grenswaarde instellen. Bij een hoge waarschijnlijkheid kan een veilige vervolgstap automatisch worden uitgevoerd. Bij twijfel kan de taak naar een medewerker.
Waarom is dit anders dan een normale AI-prompt?
Een regulier taalmodel kun je natuurlijk ook vragen om een bericht te classificeren. Toch bestaan daarbij enkele praktische problemen.
Een taalmodel kan:
- extra uitleg toevoegen;
- onverwachte formuleringen gebruiken;
- van het gevraagde JSON-format afwijken;
- verschillende vragen achter elkaar beredeneren;
- een overtuigend antwoord geven zonder voldoende zekerheid.
Dat is niet altijd erg tijdens een gesprek met een chatbot. In een geautomatiseerd bedrijfsproces kan het wel problemen veroorzaken.
Jev is juist ontworpen om begrensde, gestructureerde beoordelingen te leveren. Meerdere onafhankelijke vragen kunnen bovendien binnen één aanvraag worden beoordeeld.
Het interessante idee hierachter is dat de software de regie houdt:
- De applicatie bepaalt welke informatie wordt aangeboden.
- De ontwikkelaar definieert de mogelijke antwoorden.
- Jev berekent de beoordeling.
- Reguliere software bepaalt wat er daarna gebeurt.
AI neemt dus niet automatisch het hele proces over. Het model vervult één afgebakende beslisfunctie binnen dat proces.
Wat kan een MKB-bedrijf ermee?
Voor Nederlandse MKB-bedrijven ligt de waarde waarschijnlijk niet in het rechtstreeks aanschaffen van “nog een AI-tool”. De echte kans zit in betrouwbaardere automatiseringen.
Slimme inboxverwerking
Jev kan inkomende berichten beoordelen op onderwerp, urgentie en gewenste behandelaar. Een bedrijf kan daarna vaste regels toepassen: spoedzaken signaleren, offerteaanvragen naar sales sturen, factuurvragen aan administratie koppelen en twijfelgevallen laten controleren.
Leadkwalificatie
Een nieuwe aanvraag kan worden getoetst aan bevestigde commerciële criteria, zoals type organisatie, probleem, timing en aansluiting op de dienstverlening. Jev moet niet zelfstandig bepalen welke klant “goed” of “slecht” is, maar kan wel helpen om vastgelegde criteria consistent toe te passen.
Document- en kwaliteitscontrole
Een offerte, werkbon of projectbriefing kan op volledigheid worden beoordeeld voordat een proces verdergaat. De automatisering kan controleren of noodzakelijke gegevens aanwezig zijn, een vervolgstap is genoemd, menselijke goedkeuring nodig is of informatie mogelijk tegenstrijdig is.
Klantenservice en ticketroutering
Klantvragen kunnen direct worden ingedeeld en geprioriteerd, zodat medewerkers minder tijd besteden aan sorteren en een vraag sneller bij de juiste persoon terechtkomt.
Is Jev een vervanger voor ChatGPT of Claude?
Nee. Jev probeert een ander onderdeel van de AI-stack op te lossen.
Een taalmodel blijft geschikter voor taken zoals:
- een klantvriendelijke e-mail schrijven;
- documenten samenvatten;
- een gesprek voeren;
- uitleg of creatieve content produceren;
- uitgebreide informatie combineren.
Jev is juist bedoeld voor momenten waarop software een klein aantal duidelijke beoordelingen nodig heeft.
Een praktische combinatie kan er zo uitzien:
- Een taalmodel vat een lange klantmail samen.
- Jev beoordeelt categorie, urgentie en vervolgstap.
- Bedrijfsregels bepalen of automatisering is toegestaan.
- Een medewerker krijgt twijfelgevallen ter controle.
- Een taalmodel maakt eventueel een conceptantwoord.
Niet één model doet alles. Ieder onderdeel krijgt een afgebakende rol.
De belangrijkste kanttekening
Jev is een nieuw product in vroege toegang. Claims over snelheid, kosten en prestaties komen op dit moment voornamelijk van TypeSafe zelf en moeten per toepassing in de praktijk worden getest.
Een kansrijke demonstratie is nog geen betrouwbaar bedrijfsproces.
Voordat je een model als Jev inzet, moet je daarom minimaal controleren:
- hoe het presteert op eigen praktijkvoorbeelden;
- hoeveel fouten en twijfelgevallen ontstaan;
- welke gegevens naar de aanbieder worden gestuurd;
- waar menselijke goedkeuring nodig blijft;
- wat de kosten bij werkelijk gebruik zijn;
- wat er gebeurt wanneer de API niet beschikbaar is.
Beslissingen met juridische, financiële of personele gevolgen horen bovendien niet zonder passende menselijke controle te worden geautomatiseerd.
Waarom Jev toch interessant is
Jev laat vooral een belangrijke verschuiving zien. De volgende fase van zakelijke AI draait mogelijk minder om steeds grotere chatbots en meer om gespecialiseerde modellen met één duidelijke taak.
Voor bedrijven kan dat aantrekkelijk zijn:
- minder vrije tekst;
- voorspelbaardere integraties;
- duidelijke antwoordtypen;
- beter controleerbare automatisering;
- software die zelf de uiteindelijke regels en grenzen bewaakt.
Of Jev de nieuwe standaard wordt, is nog te vroeg om te zeggen. Maar het onderliggende principe is sterk: gebruik AI niet om elk proces over te nemen, maar om één afgebakende beslissing aantoonbaar beter te ondersteunen.
Wat betekent dit voor jouw bedrijf?
De beste vraag is niet: “Waar kunnen we Jev inzetten?”
Begin liever met:
Welke terugkerende beslissingen kosten ons dagelijks tijd, terwijl de mogelijke uitkomsten en beoordelingscriteria al duidelijk zijn?
Daar liggen de processen waarin gespecialiseerde beslismodellen zoals Jev waarde kunnen toevoegen.
Dlivered helpt MKB-bedrijven om zulke processen te vinden, veilig te ontwerpen en praktisch te automatiseren. Wil je weten welke terugkerende beslissingen binnen jouw organisatie geschikt zijn voor AI? Neem dan contact met ons op voor een eerste procesanalyse.