Formular la pregunta correcta
Elegir entre regla, Choice, Noul, Score o generación, con contexto, pregunta y opciones explícitos.
El problema
El modelo responde con seguridad. Y se equivoca con la misma seguridad.
Generar texto para una tarea que solo necesitaba una elección cuesta caro y es difícil de verificar. Los problemas de abajo aparecen cuando la decisión no tiene formato, política ni medida.
- Pides una clasificación y recibes un párrafo que el código no puede leer.
- La alta confianza se convierte en autorización automática, y la respuesta equivocada pasa sin revisión.
- El cálculo solo mira el precio del token y olvida el fallback, la revisión humana y la implantación.
- Los ejemplos ajustados a mano se convierten en prueba de calidad, sin una referencia humana independiente.
- La clave de API termina en el navegador y cada parte del sistema llama al modelo a su manera.
Después de la formación
Al terminar la formación, podrás:
Usar la confianza sin ceguera
Definir umbrales, abstención y revisión humana, y enviar los casos dudosos a una persona.
Hacer la cuenta completa
Sumar entrada, fallback, revisión e implantación, y elegir un piloto que se pague solo.
Aplicar en casos reales
Tickets, transcripciones, cláusulas, evidencias, enrutamiento de modelos y agentes, y selección de elementos en el navegador.
Medir la calidad de verdad
Construir una referencia humana, comparar alternativas y congelar los umbrales antes de mirar el resultado.
Integrar sin perder el control
Credenciales en el servidor, gateway con tope de gasto diario, caché, registro de costos y un fallo que devuelve revisión humana.
Laboratorio + 3 rutas del curso + 2 proyectos · 36 clases
Del caso en el navegador a la decisión en tu código.
Los módulos 1 a 8 son conceptuales. Los módulos 9 a 12 usan JSON, terminal y Python. El laboratorio va primero para que veas la decisión funcionando, y los dos proyectos del final llevan Jev a tu sistema.
- 1
Laboratorio
Laboratorio JEV
20 casos con contexto, preguntas, criterios y respuesta simulada: edita, importa una solicitud y exporta el resultado, sin clave y sin API.
- 2
Entender
Ruta 1 · Entender
Dónde entra Jev, los tres tipos de pregunta, confianza y error, y el cálculo de costos que elige el primer piloto.
12 clasesAbrir la ruta 1 - 3
Aplicar
Ruta 2 · Aplicar
Atención al cliente y transcripciones, documentos y evidencias, enrutamiento de modelos y agentes, navegador y aplicaciones sensibles.
12 clasesAbrir la ruta 2 - 4
Construir y evaluar
Ruta 3 · Construir y evaluar
Integrar sin mezclar responsabilidades, medir la calidad, operar y observar, y el proyecto final con la decisión de adopción.
12 clasesAbrir la ruta 3 - 5
Gateway
jev-gw
Una sola puerta para todas las consultas de tu sistema: tope de gasto diario, caché por solicitud idéntica, costo y latencia por llamada.
- 6
Comparaciónnuevo
Decisions × Jev
Qué es igual y qué cambia entre Jev y la OpenAI Decisions API, con el puente en Python que convierte las preguntas de un formato al otro.
Para quién es
Hecha para ti si
- Tienes una cola de mensajes, tickets o documentos que alguien clasifica a mano.
- Quieres usar IA en un proceso y necesitas decidir con números si vale la pena automatizar.
- Integras modelos en un sistema y quieres separar decidir, generar y ejecutar.
- Enrutas tareas entre modelos, agentes o skills y quieres un criterio explícito.
Todavía no es para ti si
- Necesitas texto generado, como una respuesta al cliente o un resumen: Jev solo elige entre opciones.
- Quieres encontrar dónde el negocio pierde dinero antes de automatizar: empieza por el área Raio-X de Margem.
Incluido en la formación
No te quedas solo con la teoría.
El laboratorio, la guía, el gateway y los paquetes son proyectos abiertos de INEMA en GitHub, con pruebas e informes. Los videos explican la comparación con OpenAI.
Proyectos y kits
Videos
Por qué esta formación
Qué cambia respecto a probar un modelo en el chat.
Ejercicio con solución
12 laboratorios con datos ficticios y de autoría propia. Primero resuelves y después revisas las respuestas.
Franqueza sobre lo que se midió
Los 20 casos son simulados y sirven para aprender. La página separa simulación, baseline de reglas e integración real probada.
Paquetes por área
17 paquetes con contexto, criterios, solicitud y fixture: atención al cliente, ventas, documentos, reuniones, agentes y otros.
Empieza sin conexión
El laboratorio y los paquetes funcionan sin clave. La consulta real a OpenRouter o a TypeSafe entra solo cuando activas --live.
Preguntas
Antes de empezar.
¿Necesito saber programar?
No para los módulos 1 a 8, que son conceptuales. Los módulos 9 a 12 usan JSON, terminal y Python 3.10 o superior.
¿En qué orden lo hago?
Laboratorio, ruta 1, ruta 2, ruta 3, y después jev-gw y la comparación con OpenAI. Quien ya integra modelos puede ir del laboratorio directamente a la ruta 3.
¿Voy a gastar crédito de API?
No en el laboratorio ni en los paquetes sin --live, que usan respuestas simuladas. El modo real exige una clave en el backend y puede consumir créditos.
¿Cuánto contenido hay?
Son 36 clases en 12 módulos, 3 por módulo, más 12 laboratorios y un proyecto final con rúbrica.
¿Qué es Jev?
El modelo de decisiones estructuradas de TypeSafe. El laboratorio y el curso son el proyecto educativo independiente de INEMA sobre él.
Tu próxima decisión de IA puede venir con probabilidad, política y prueba.
Empieza por el laboratorio: elige uno de los 20 casos, cambia la pregunta y mira qué pasa. Después la ruta 1 explica el porqué.