AI-translated from English; not yet reviewed by a fluent editor.

# Demo Jev menunjukkan posisi keputusan AI di dalam perangkat lunak sehari-hari

> Delapan demo Jev menunjukkan cara keputusan AI bertipe dapat memberi peringkat, memilih, atau menyaring di dalam aplikasi yang sudah ada. Kami menelusuri apa yang masih dilakukan perangkat lunak di sekitarnya dan apa yang belum diuji.

By BIG CHANGE Editorial

Published: 2026-09-24T22:47:28.571Z
Updated: 2026-09-24T22:47:28.571Z
Canonical: https://bigchange.ai/blog/jev-demos-ai-decisions-everyday-software

![Charcoal illustration of a desktop monitor showing a generic web article with one passage highlighted in orange.](https://bigchange.ai/api/media/file/jev-find-in-page-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

Delapan contoh dalam [video Matthew Berman pada 24 September](https://www.youtube.com/watch?v=jGD_UR4wMJc) menempatkan model Jev dari TypeSafe AI dalam tugas yang akrab: merapikan halaman web, menemukan bagian teks, mengurutkan kotak masuk, dan memilih bagian antarmuka. Demonstrasi ini berasal dari beberapa pembuat. Pola umumnya adalah memberi model tugas penilaian yang sempit, sementara aplikasi mengumpulkan masukan dan menjalankan hasilnya.

Setiap klip menjadi lebih informatif jika keputusannya dipisahkan dari pekerjaan yang dilakukan dalam kode atau oleh model lain. Jenis kesalahan yang akan terlihat oleh pengguna juga penting. Ini adalah demonstrasi dan alat tahap awal; BIG CHANGE belum menguji sendiri akurasi atau keandalannya dalam penggunaan sehari-hari.

## Perubahan besar

- **Yang berubah:** Para pembuat menyisipkan penilaian AI bertipe ke dalam interaksi perangkat lunak yang sudah ada, mulai dari pintasan peramban hingga tampilan kotak masuk. Jev mengembalikan pilihan, skor, atau probabilitas; aplikasi menyediakan bahan kandidat dan bertindak berdasarkan jawaban tersebut.
- **Mengapa ini penting:** Keputusan yang berguna dapat dibuat saat seseorang sedang membaca, mencari, atau memilah, tanpa menyerahkan seluruh tugas kepada antarmuka obrolan. Desain yang sama membuat pemilik aplikasi bertanggung jawab atas pemeringkatan yang keliru, konten tersembunyi, dan tindakan yang tidak disengaja.
- **Yang perlu dicermati:** Bukti berikutnya perlu spesifik pada tugas: apakah alat ini memilih bagian teks yang tepat, mempertahankan kendali halaman yang penting, mengurutkan email penting dengan baik, dan menangani kasus yang tidak pasti dalam penggunaan biasa. Demonstrasi cepat saja tidak dapat menjawab pertanyaan tersebut.

## Pembersih halaman menunjukkan pembagian tugas

[Ekstensi peramban Unclutter buatan Kitze](https://x.com/thekitze/status/2100595129874817340) adalah contoh paling jelas. [README proyeknya](https://github.com/kitze/unclutter) menyebut ekstensi itu mengekstrak elemen halaman kandidat dan meminta Jev menentukan mana yang tidak penting. Kode peramban kemudian menerapkan aturan penyembunyian yang dapat dibatalkan, menyimpannya berdasarkan templat halaman, dan menerapkan ulang aturan itu tanpa permintaan model baru. Pengguna dapat menjeda ekstensi, mempertahankan elemen agar tetap terlihat, atau menganalisis ulang halaman. Lapisan cookie mungkin disembunyikan, tetapi ekstensi tidak menekan Terima atau Tolak bagi pengguna.

Itulah batas yang berdampak. Jev dapat menilai suatu elemen sebagai gangguan; model tidak menguasai peramban, menulis pilihan persetujuan, atau menentukan berapa lama aturan berlaku. Evaluasi praktis perlu memeriksa apakah navigasi, kendali aksesibilitas, pemberitahuan paywall, atau opsi persetujuan yang sah tetap dapat digunakan setelah pembersihan. Proyek ini menawarkan build dari sumber dan pengaturan dengan kunci milik pengguna, tetapi README-nya tidak menyediakan studi lapangan independen mengenai kesalahan tersebut.

Alat [detektor situs Made with Jev](https://madewithjev.com/free-tools/ai-slop-detector), yang ditampilkan pada [menit 3:29 dalam video Berman](https://www.youtube.com/watch?v=jGD_UR4wMJc&t=209s), memakai alur berbeda. Metodenya sendiri menyebut peramban mengukur gaya hasil render, DeepSeek V4 Flash menguraikan tangkapan layar, Jev menilai desain dan teks berdasarkan daftar ciri, lalu DeepSeek menulis kesimpulan singkat. Situs itu menampilkan skor “slop” 26% untuk anthropic.com. Itu adalah skor gaya dari rubriknya sendiri. Skor tersebut tidak membuktikan seberapa banyak situs Anthropic ditulis oleh AI, meskipun Berman menyimpulkan demikian dalam videonya.

## Pemeringkatan informasi adalah jenis keputusan yang berbeda

[Demo kotak masuk Jonathan Unikowski](https://x.com/jnnnthnn/status/2101399331115077760) mengusulkan penggantian urutan kronologis terbalik dengan pemeringkatan kepentingan langsung. Unggahannya menyebut fitur tersebut “akan hadir di” Avec. Unggahan itu tidak mendokumentasikan kotak masuk yang telah diterapkan, definisi kepentingan, atau pengukuran independen atas pesan mendesak yang terlewat. Aplikasi tetap mengambil email, menampilkan urutannya, dan memutuskan apakah sesuatu diarsipkan, diberi label, atau dikirim; peran Jev yang didemonstrasikan adalah menentukan prioritas.

[Ekstensi Needle buatan Shubham Saboo](https://x.com/Saboo_Shubham_/status/2101576462042366114) memperjelas perbedaannya. Saboo menyatakan Jev memberi skor pada bagian-bagian halaman berdasarkan kecocokan dengan kueri pembaca, lalu ekstensi menyorot teks yang cocok langsung di halaman. [Penjelasannya yang lebih panjang](https://www.linkedin.com/posts/shubhamsaboo_introducing-a-new-way-to-find-f-withtypesafe-activity-7507513455138979841-CY8S) menyebut Needle tidak menulis jawaban: kalimat yang disorot sudah ada di halaman. Ini mengubah sasaran pencarian pintasan temukan, tetapi kalimat yang disorot tetap bisa keliru. Pengujian memerlukan kueri dengan bagian yang benar sudah diketahui, termasuk halaman yang memuat pernyataan serupa tetapi saling bertentangan.

[Unggahan pemotongan klip oleh Burhan Usman](https://x.com/BurhanUsman/status/2101641842441732297) melaporkan penemuan klip tentang suatu topik dalam video berdurasi lebih dari 90 menit. Pada [bagian video di menit 8:34](https://www.youtube.com/watch?v=jGD_UR4wMJc&t=514s), Berman mengatakan sistem itu kemungkinan menggunakan transkrip; itu adalah kesimpulannya, bukan uraian alur kerja yang terverifikasi. Unggahan tersebut tidak merinci masukan atau keluaran Jev. Aplikasi pemotongan klip tetap harus memperoleh materi sumber, menentukan batas waktu, dan menghasilkan klip yang dapat diunduh. Waktu dan biayanya dalam unggahan merupakan laporan satu pembuat, tanpa uji akurasi atau perincian pekerjaan ujung-ke-ujung yang dipublikasikan.

## Apa yang masih dikerjakan aplikasi dalam penyusunan UI

[Eksperimen json-render Chris Tate](https://x.com/ctatedev/status/2101022101750571357) menyusun antarmuka pengguna dari opsi yang dimiliki aplikasi. [Dokumentasi Jev proyek tersebut](https://github.com/vercel-labs/json-render/blob/main/apps/web/lib/jev/README.md) sangat jelas: Jev memilih komponen dan posisi tata letak; kode menyusun dan memvalidasi spesifikasi; perender menampilkannya. Data bisnis di playground bersifat sintetis, dan penangan tindakan berjalan saat pengguna berinteraksi. Jadi, demonstrasi ini menunjukkan cara menyusun antarmuka dengan batasan, bukan model yang secara mandiri menulis dan menerapkan situs web.

Dua contoh kreatif mengeksplorasi pilihan dengan risiko lebih rendah. [Eksperimen warna Matt DesLauriers](https://x.com/mattdesl/status/2100899669802963060) memetakan perintah teks ke palet dalam demo visual. [Eksperimen emoji Stefan](https://x.com/heystefan_/status/2101369117496521042), yang ditampilkan pada [menit 9:52](https://www.youtube.com/watch?v=jGD_UR4wMJc&t=592s), memberi peringkat emoji berdasarkan teks bertipe. Dalam kedua kasus, aplikasi menampilkan materi visual yang dapat dipilih. Unggahan tersebut menunjukkan gagasan interaksi; tidak membuktikan bahwa pilihannya sesuai dengan merek, memenuhi persyaratan kontras, atau berfungsi lintas bahasa dan konteks.

Dokumentasi [TypeSafe](https://docs.typesafe.ai/introduction) menjelaskan kemiripan keluarga pada contoh-contoh ini. Jev mengevaluasi pertanyaan bertipe Choice, Score, dan ya/tidak berdasarkan keadaan yang diberikan. Choice dan Score mengembalikan distribusi serta nilai keyakinan yang dapat digunakan perangkat lunak dalam aturannya sendiri. Perusahaan [merekomendasikan pengujian ambang batas pada tugas sebenarnya](https://docs.typesafe.ai/confidence); kolom keyakinan bukan hasil pengukuran akurasi independen.

Contoh-contoh itu mendukung sebuah pola desain yang masuk akal: perangkat lunak dapat mengajukan pertanyaan kecil dan tepat waktu ketika aturan tetap terlalu kaku. Apakah alat tertentu layak digunakan dalam pekerjaan sehari-hari bergantung pada jenis kesalahannya, apa yang ditampakkan atau disembunyikannya, dan apakah aplikasi memberi pengguna cara untuk memulihkan keadaan. Semua itu adalah sifat dari alur kerja secara keseluruhan, di luar keputusan model saja.

## Sources

- [Matthew Berman: 8 Kasus Penggunaan Jev yang Terasa Curang](https://www.youtube.com/watch?v=jGD_UR4wMJc) — Video berdurasi 10:38 itu mengumpulkan delapan demonstrasi dari berbagai pembuat. Kami meninjau seluruh teks takarir otomatis berbahasa Inggris dan daftar babnya. Bagian Zapier pada menit 5:17–6:31 disponsori. Video ini bukan validasi produk independen.
- [TypeSafe AI: Memperkenalkan Model System One & Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev) — Pengumuman akses awal resmi dan penjelasan tentang keputusan model yang terstruktur. Hasil kinerja berasal dari pengujian perusahaan dengan keterbatasan yang disebutkan; artikel ini tidak menggunakannya sebagai tolok ukur untuk delapan demonstrasi tersebut.
- [TypeSafe AI: Dokumentasi Pengenalan dan Keyakinan](https://docs.typesafe.ai/introduction) — Mendokumentasikan keadaan masukan Jev dan jenis pertanyaan Choice, Score, serta Noul. Halaman keyakinan pendamping menjelaskan bahwa keyakinan Choice dan Score diturunkan dari distribusi jawabannya, dan ambang tindakan perlu diuji pada tugas pengguna.
- [TypeSafe AI: Keyakinan](https://docs.typesafe.ai/confidence) — Menjelaskan perbedaan antara probabilitas jawaban, keyakinan turunan, dan ambang operasional khusus tugas. Dokumen ini tidak menetapkan akurasi demo mana pun dalam artikel ini.
- [Made with Jev: Detektor AI Slop](https://madewithjev.com/free-tools/ai-slop-detector) — Pembuat alat menjelaskan pengukuran peramban, pengamatan tangkapan layar DeepSeek, penilaian Jev, dan kesimpulan DeepSeek yang terpisah. Contoh anthropic.com bernilai 26% adalah skor menurut rubrik gaya situs, bukan bukti kepengarangan AI.
- [Kitze: Pengumuman dan sumber Unclutter](https://github.com/kitze/unclutter) — README pembuat asli menjelaskan klasifikasi kandidat oleh Jev, aturan penyembunyian lokal yang dapat dibatalkan, penggunaan ulang templat, dan kendali pengguna. Unggahan asli 17 September adalah https://x.com/thekitze/status/2100595129874817340. Tidak ditemukan evaluasi lapangan langsung yang independen.
- [Jonathan Unikowski: Prioritas kotak masuk dengan Jev](https://x.com/jnnnthnn/status/2101399331115077760) — Pembuatnya menampilkan pemeringkatan kepentingan secara langsung dan menyatakan fitur itu akan hadir di Avec. Ini membuktikan adanya demonstrasi dan usulan rilis, bukan kotak masuk yang sudah diterapkan atau akurasi prioritas yang terukur.
- [Shubham Saboo: Pencarian semantik dalam halaman Needle](https://x.com/Saboo_Shubham_/status/2101576462042366114) — Pembuatnya memperkenalkan ekstensi Chrome sumber terbuka. Tulisan LinkedIn-nya yang lebih panjang menyebut Jev memberi skor pada bagian halaman yang sudah ada dan ekstensi menyorotnya tanpa menghasilkan jawaban pengganti; tidak ada evaluasi temu-kembali independen yang diberikan.
- [Chris Tate: Eksperimen json-render dan Jev](https://github.com/vercel-labs/json-render/blob/main/apps/web/lib/jev/README.md) — Dokumentasi proyek menyatakan Jev memilih dari kandidat UI milik aplikasi, sedangkan kode menyusun dan memvalidasi spesifikasi dan perender menampilkannya. Demo asli 18 September adalah https://x.com/ctatedev/status/2101022101750571357. Data playground bersifat sintetis.
- [Burhan Usman: Demo pemotongan video berdasarkan topik](https://x.com/BurhanUsman/status/2101641842441732297) — Pembuatnya melaporkan pemotongan video berdurasi lebih dari 90 menit berdasarkan topik. Unggahan itu tidak mengungkap alur kerja lengkap, batas waktu yang tervalidasi, atau akurasi klip; penjelasan Berman yang berbasis transkrip adalah kesimpulan dalam videonya.
- [Matt DesLauriers: Eksperimen warna Jev](https://x.com/mattdesl/status/2100899669802963060) — Eksperimen visual asli memasangkan teks dengan palet warna. Ini membuktikan adanya demo kreatif, bukan kesesuaian untuk desain produksi atau kepatuhan aksesibilitas.
- [Stefan: Eksperimen emoji Jev](https://x.com/heystefan_/status/2101369117496521042) — Unggahan asli dan segmen Berman pada menit 9:52 menunjukkan pemilihan emoji berdasarkan teks bertipe. Unggahan itu tidak disertai evaluasi kegunaan atau lintas bahasa.