# Una IA que elige en vez de escribir: de 3 segundos a medio segundo con Jev

> Sumé Jev, un modelo que clasifica en medio segundo, delante de un modelo de OpenAI: resolvió solo entre 33 % y 41 % de los casos, más barato y sin perder acierto.

Autor: Ricardo Brossard (Ingeniero en sistemas · IA y automatización) · Publicado: 2026-10-02 · Temas: IA, Agentes, Evaluación
URL: https://ricardobrossard.com/blog/una-ia-que-elige-en-vez-de-escribir/

Termina una llamada entre un agente de voz y alguien que preguntó por un departamento. Ahora el sistema tiene que decidir cómo fue: no contestó, pidió que lo llamen otro día, no quiere que lo vuelvan a llamar o el número era equivocado. De esa decisión salen las órdenes para el CRM: reprogramar, crear una tarea, dar de baja. Es marcar una casilla dentro de una lista cerrada. Y casi siempre se resuelve pidiéndole a un modelo de lenguaje que lea la conversación entera y escriba la respuesta, lo que tarda segundos.

Usar un modelo que escribe para marcar una casilla es como pedirle un ensayo a alguien para que tilde una opción. Por eso sumé Jev, un modelo de IA que no escribe: elige. Me gusta probar lo nuevo que va saliendo en proyectos reales y medir si aporta de verdad. Este aportó: resolvió solo entre el 33 % y el 41 % de los casos, en medio segundo en lugar de más de 3, más barato y sin perder un solo acierto.

## Qué es Jev

Jev es un modelo de clasificación. Le das una situación y una lista cerrada de opciones, y devuelve cuál corresponde y con qué seguridad, por ejemplo "baja: 97 %". No redacta ni explica, y no puede inventar una opción que no está en la lista. Por eso responde en alrededor de medio segundo y cuesta unos USD 0,00004 por consulta.

Lo sumé a un orquestador post-llamada que armé en Python con LangGraph, una herramienta para encadenar los pasos de un proceso con IA. Después de cada llamada, el orquestador recibe el evento con la transcripción, decide la etiqueta y emite las órdenes para el CRM. Ahí cada modelo hace lo que mejor sabe:

> Figura: Cada modelo en lo suyo: Jev elige rápido cuando la respuesta sale de una lista; el modelo de OpenAI lee, extrae y resuelve lo dudoso.

- Jev (Elegir de una lista cerrada): responde en medio segundo; elige solo entre opciones fijas; dice con qué seguridad eligió
- Modelo de OpenAI (Leer y entender): lee la conversación completa; extrae los datos de las órdenes; resuelve los casos dudosos

## Cómo lo sumé sin perder confiabilidad

Jev trabaja como una capa delante del modelo de OpenAI. El resto del sistema no sabe que existe, y eso es a propósito: si Jev falla o no responde, todo sigue igual que antes. La regla es simple:

- **Jev decide solo cuando está seguro.** Con 90 % o más de seguridad y una etiqueta que no necesita datos de la conversación (una baja, un contacto descartado, un número equivocado), las órdenes salen directo.
- **En el resto de los casos, el modelo de OpenAI hace de respaldo.** Lee la conversación, clasifica y extrae lo que haga falta, como siempre.
- **También hay un modo de segunda opinión,** en el que Jev solo interviene si el modelo principal duda o no responde.

> Figura: Jev resuelve los casos claros en medio segundo; todo lo demás pasa al modelo de OpenAI, que funciona de respaldo.

1. Llega el evento de la llamada (Sistema). Los datos de la telefonía y la transcripción.
2. Jev elige la etiqueta y dice con qué seguridad (Modelo de IA). En medio segundo, de una lista cerrada.
3. Con 90 % o más de seguridad, sigue directo (Sistema). Solo para etiquetas que no necesitan datos de la conversación.
4. Si no, el modelo de OpenAI lee la conversación (Modelo de IA). El respaldo: también entra si Jev falla o no responde.
5. Arma las órdenes para el CRM (Sistema). Reprogramar, crear tareas, recordatorios o bajas.

Para el lado técnico: esta parte tiene 24 tests automáticos que corren sin red. Uno pasa todo el lote de casos con Jev y verifica que las órdenes para el CRM salen idénticas a las que salen sin Jev.

## La comparación que parecía una paliza

Antes de medir en serio hubo una lección. En la primera prueba, con 8 conversaciones, Jev acertó las 8 y un modelo de lenguaje barato no acertó ninguna. Parecía una goleada, así que miré las respuestas una por una.

El modelo clasificaba un pedido de no volver a llamar como "no interesado", que es razonable si no conocés las reglas. Y no las conocía: a Jev le había pasado la definición de cada categoría y al otro modelo no. Con las mismas definiciones para los dos, empate: 8 de 8.

> Figura: La primera comparación medía otra cosa: las definiciones del catálogo pesaban más que el modelo. Con la misma información, empate.

Aciertos sobre 8 conversaciones:
- Jev, con las definiciones: 8/8
- Modelo barato, sin las definiciones: 0/8
- Modelo barato, con las mismas definiciones: 8/8 (La comparación justa)

Medir con trampa sin querer es facilísimo. Por eso, desde ahí, todas las mediciones usaron las mismas definiciones para los dos modelos.

## Qué dio la medición

Corrí el sistema completo cinco veces sobre cada conversación, con el gasto que informa el proveedor.

En los casos normales, 105 eventos, Jev resolvió solo un tercio: el modelo de OpenAI se consultó 70 veces en lugar de 105. Esos casos tardaron 0,5 segundos de mediana, contra 3,2 segundos sin Jev. El acierto fue de 105 sobre 105 con y sin Jev, y el costo total bajó un 12 %.

En un lote de casos difíciles, con bajas dichas al final de la llamada o con ironía, fueron 70 eventos. Jev resolvió solo el 41 %, el costo bajó un 23 % y el acierto fue de 69 contra 68 sin Jev. Todas las decisiones que tomó Jev solo fueron correctas.

También lo probé sin el otro modelo, decidiendo todo: acertó 20 de 20 casos, con 0,39 segundos de mediana. No lo uso así porque hay etiquetas que necesitan datos de la conversación, y para eso está el modelo de OpenAI.

> Figura: En los casos que resuelve solo, Jev responde en medio segundo; el modelo de OpenAI, leyendo toda la conversación, tarda más de 3.

Tiempo de respuesta por caso, mediana:
- Modelo de OpenAI: 3,2 s
- Jev: 0,5 s (En los casos que resuelve solo)

Cada consulta a Jev cuesta unas seis veces menos que una al modelo de OpenAI que usé. El ahorro final depende de cuánto cueste el modelo principal: con uno de los más baratos de OpenAI, lo que cuesta Jev es lo que ahorra, y la ganancia queda en la velocidad.

## Cuándo conviene usarlo

Clasificar es una de las tareas más comunes de la IA en un negocio. Un clasificador como Jev rinde más en tres situaciones:

1. **Cuando alguien está esperando.** Derivar un mensaje de WhatsApp, decidir a qué área va una llamada o clasificar un reclamo apenas entra. Pasar de 3 segundos a medio segundo se nota en una conversación.
2. **Cuando el volumen es alto.** Miles de consultas, tickets o leads por día, donde cada consulta más barata suma.
3. **Cuando la respuesta sale de una lista cerrada.** Si además hay que leer datos o redactar, el clasificador resuelve lo claro y el modelo de lenguaje se ocupa del resto.

Y una condición para todos los casos: compararlo con las mismas definiciones y los mismos casos que el modelo que ya usás, y dejar siempre un respaldo.

## Para llevarte

No toda tarea de IA necesita el modelo más grande. Cuando la respuesta es elegir, un modelo que elige lo hace en una fracción del tiempo y del costo. La clave está en el diseño: que decida solo cuando está seguro, que el modelo de lenguaje quede de respaldo y que una medición justa confirme que no se pierde nada en el camino.

Si querés que la IA de tu negocio responda más rápido sin perder confiabilidad, escribime y lo vemos.

## Preguntas frecuentes

### ¿Qué es Jev?

Jev es un modelo de IA que no escribe texto: elige. Le das una situación y una lista cerrada de opciones, y devuelve cuál corresponde y con qué seguridad, por ejemplo "baja: 97 %". Por eso responde en alrededor de medio segundo y no puede inventar una opción que no está en la lista.

### ¿Qué diferencia hay entre un modelo que clasifica y un modelo de lenguaje?

Un modelo de lenguaje genera texto palabra por palabra, así que puede responder cualquier cosa, incluso algo fuera de la lista. Un clasificador solo elige entre opciones fijas y suma un porcentaje de seguridad. Para marcar una casilla, el clasificador es más rápido, más barato y más fácil de controlar; para leer y extraer datos, sigue haciendo falta el modelo de lenguaje.

### ¿Cuánto más rápido es un clasificador como Jev?

En mi medición, los casos que resolvió Jev tardaron 0,5 segundos de mediana, contra 3,2 segundos del modelo de OpenAI que lee toda la conversación. Probado solo, sin el otro modelo, Jev acertó 20 de 20 casos con 0,39 segundos de mediana.

### ¿Cuánto cuesta clasificar con Jev?

Unos USD 0,00004 por consulta, unas seis veces menos que cada consulta al modelo de OpenAI que usé. Sumarlo bajó el costo total un 12 % en los casos normales y un 23 % en los difíciles. El ahorro depende del modelo principal: con uno de los más baratos, lo que ahorra Jev es lo que cuesta, y la ganancia queda en la velocidad.

### ¿Se pierde precisión al sumar un clasificador rápido?

En mi caso, no. En 105 eventos normales el acierto fue de 105 con y sin Jev, y en 70 casos difíciles fue de 68 sin Jev y 69 con Jev. Todas las decisiones que tomó Jev solo fueron correctas, porque solo decide cuando está seguro en un 90 % o más.

### ¿Qué pasa si el clasificador se equivoca o no responde?

Para eso está el respaldo. Si Jev no está seguro, si la etiqueta necesita datos de la conversación o si no responde, el caso pasa al modelo de OpenAI, que lo resuelve como siempre. También hay un modo de segunda opinión, en el que Jev solo interviene si el modelo principal duda.

### ¿Cuándo conviene usar un clasificador como Jev?

Cuando la respuesta sale de una lista cerrada y hay alguien esperando: derivar un mensaje de WhatsApp, decidir a qué área va una llamada o priorizar un lead apenas entra. También cuando el volumen es alto, porque cada consulta cuesta menos. Si hay que leer, extraer datos o redactar, el que trabaja es el modelo de lenguaje.

### ¿Cómo se comparan dos modelos de IA de forma justa?

Con las mismas instrucciones, las mismas definiciones y los mismos casos para los dos, y mirando las respuestas una por una antes de creer el resultado. En una prueba mía, un modelo parecía perder 0 a 8 porque no tenía las definiciones de las categorías; con la misma información empató 8 a 8.

### ¿Qué es LangGraph?

LangGraph es una herramienta de Python para encadenar los pasos de un proceso con IA como un grafo: cada paso es una parte del trabajo y el grafo decide por dónde sigue según el resultado. Sirve para que el flujo sea explícito, se pueda probar paso por paso y se le puedan sumar piezas, como un clasificador, sin reescribir el resto.

### ¿Cómo se agrega un modelo nuevo sin romper lo que ya funciona?

Envolviendo la pieza que ya existe, sin que el resto del sistema sepa que hay algo nuevo, y con una salida segura: si el modelo nuevo falla, todo sigue como antes. Yo además sumo un test que corre todos los casos con y sin el modelo nuevo y verifica que las órdenes salen idénticas.

## Contacto

- WhatsApp: https://wa.me/5493442679907?text=Hola%20Ricardo%2C%20vi%20tu%20sitio%20y%20quiero%20consultarte%20por%20un%20proyecto.
- Email: info@ricardobrossard.com
- LinkedIn: https://www.linkedin.com/in/ricardo-brossard
- GitHub: https://github.com/ricardobing