Edição Markdown

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

# Demonstrações da Jev mostram onde se encaixam decisões de IA no software do dia a dia

> Oito demonstrações da Jev mostram como uma decisão tipada de IA pode ordenar, selecionar ou filtrar elementos numa aplicação existente. Analisamos o que continua a ser feito pelo software envolvente e o que ainda falta testar.

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.

Oito exemplos incluídos em [vídeo de Matthew Berman, de 24 de setembro](https://www.youtube.com/watch?v=jGD_UR4wMJc) mostram o modelo Jev da TypeSafe AI em tarefas conhecidas: limpar uma página web, encontrar uma passagem, ordenar correio eletrónico e selecionar elementos de uma interface. As demonstrações são de vários criadores. Em todas, o modelo toma uma decisão limitada, enquanto a aplicação reúne os dados de entrada e executa o resultado.

Cada clipe é mais informativo quando se distingue a decisão do trabalho realizado pelo código ou por outro modelo. O potencial erro que o utilizador notaria é tão importante como a chamada ao modelo. São demonstrações e ferramentas em fase inicial; a BIG CHANGE não testou de forma independente a sua precisão nem a fiabilidade no dia a dia.

## A grande mudança

- **O que mudou:** Os programadores estão a integrar decisões tipadas de IA em interações existentes, desde um atalho no navegador até uma caixa de entrada. A Jev devolve uma opção, uma pontuação ou uma probabilidade; a aplicação fornece os candidatos e age com base na resposta.
- **Porque é importante:** A decisão pode ocorrer durante a leitura, a pesquisa ou a ordenação, sem transferir toda a tarefa para uma conversa de chat. Esta conceção também torna a aplicação responsável por classificações erradas, conteúdos ocultos e ações involuntárias.
- **O que importa acompanhar:** A evidência deve ser específica para cada tarefa: se a ferramenta escolhe a passagem correta, preserva controlos essenciais, dá prioridade adequada ao correio eletrónico e lida com casos incertos na utilização habitual. Uma demonstração rápida não basta para responder a estas questões.

## Um sistema para limpar páginas mostra como se divide o trabalho

[A extensão de navegador Unclutter, de Kitze](https://x.com/thekitze/status/2100595129874817340) é o exemplo mais claro. O seu [README do projeto](https://github.com/kitze/unclutter) explica que a extensão extrai elementos candidatos e pergunta à Jev quais são dispensáveis. O código do navegador aplica regras reversíveis para os ocultar, guarda-as por modelo de página e volta a aplicá-las sem consultar novamente o modelo. O utilizador pode pausar a extensão, manter um elemento visível ou analisar a página de novo. Pode ocultar avisos de cookies, mas não clica em «Aceitar» ou «Recusar» em nome do utilizador.

Esse limite tem consequências. A Jev pode considerar que algo é ruído visual; não controla o navegador, não escolhe as opções de consentimento nem determina a duração de uma regra. Uma avaliação prática verificaria se, depois da limpeza, continuam disponíveis a navegação, os controlos de acessibilidade, os avisos de pagamento e as opções legítimas de consentimento. O projeto disponibiliza compilações do código e uma configuração com chave própria; o README não apresenta um estudo independente desses erros em utilização real.

O detetor web [Made with Jev](https://madewithjev.com/free-tools/ai-slop-detector), apresentado no minuto [3:29 do vídeo de Berman](https://www.youtube.com/watch?v=jGD_UR4wMJc&t=209s), segue outro processo. Segundo a descrição do seu método, o navegador mede os estilos apresentados; o DeepSeek V4 Flash descreve capturas de ecrã; a Jev avalia o design e o texto com base numa lista de sinais e o DeepSeek redige o veredito. O site atribui à anthropic.com uma pontuação «slop» de 26%. Trata-se de uma pontuação estilística segundo os critérios da própria ferramenta. Não demonstra que parte do site da Anthropic foi escrita com IA, apesar da inferência de Berman.

## A classificação de informação é outro tipo de decisão

[A demonstração de caixa de entrada de Jonathan Unikowski](https://x.com/jnnnthnn/status/2101399331115077760) propõe substituir a ordem cronológica inversa por uma classificação dinâmica de importância. A sua publicação diz que a funcionalidade «será lançada» na Avec. Não documenta uma caixa de entrada implementada, a definição de importância nem uma medição independente de mensagens urgentes não detetadas. A aplicação continua a recolher as mensagens, a apresentar a ordenação e a decidir se arquiva, etiqueta ou envia alguma coisa; a Jev apenas lhes dá prioridade.

[A extensão Needle, de Shubham Saboo](https://x.com/Saboo_Shubham_/status/2101576462042366114) torna mais clara a distinção. Saboo diz que a Jev classifica passagens segundo a consulta e que a extensão realça o texto correspondente. A sua [explicação mais detalhada](https://www.linkedin.com/posts/shubhamsaboo_introducing-a-new-way-to-find-f-withtypesafe-activity-7507513455138979841-CY8S) diz que a Needle não redige uma resposta: a frase já está na página. Uma pesquisa rápida pode encontrá-la, mas ela pode ainda ser a frase errada. Os testes precisam de consultas com passagens corretas conhecidas, incluindo páginas com afirmações semelhantes e contraditórias.

[A publicação de excertos de vídeo de Burhan Usman](https://x.com/BurhanUsman/status/2101641842441732297) relata que encontrou segmentos temáticos num vídeo com mais de 90 minutos. No [excerto do vídeo ao minuto 8:34](https://www.youtube.com/watch?v=jGD_UR4wMJc&t=514s), Berman considera provável que o sistema utilize uma transcrição; trata-se de uma inferência sua, não de uma descrição verificada do processo. A publicação não especifica as entradas e saídas da Jev. A aplicação continua a ter de obter o material original, definir os limites temporais e produzir excertos descarregáveis. O tempo e o custo são o relato de um criador, sem um teste de precisão nem uma discriminação do processo completo.

## O que a composição de interfaces deixa a cargo da aplicação

[A experiência json-render de Chris Tate](https://x.com/ctatedev/status/2101022101750571357) compõe uma interface a partir de opções da aplicação. A [documentação do projeto sobre a Jev](https://github.com/vercel-labs/json-render/blob/main/apps/web/lib/jev/README.md) explica: a Jev escolhe componentes e posições; o código compõe e valida a especificação e o renderizador apresenta-a. Os dados do ambiente de teste são sintéticos e os controladores só são executados quando o utilizador interage. A demonstração mostra como compor uma interface limitada, não como um modelo cria e implementa um site por conta própria.

Os dois exemplos criativos exploram decisões de menor risco. [A experiência de cor de Matt DesLauriers](https://x.com/mattdesl/status/2100899669802963060) transforma texto em paletas numa demonstração visual. [A experiência com emojis de Stefan](https://x.com/heystefan_/status/2101369117496521042), apresentada no minuto [9:52](https://www.youtube.com/watch?v=jGD_UR4wMJc&t=592s), classifica emojis a partir de texto. Em ambos os casos, uma aplicação apresenta opções visuais. São ideias de interação, não testes de adequação a uma marca, conformidade com requisitos de contraste ou funcionamento em diferentes idiomas e contextos.

A [documentação da TypeSafe](https://docs.typesafe.ai/introduction) explica o que os exemplos têm em comum. A Jev avalia perguntas tipadas dos tipos Choice, Score e sim/não com base no estado fornecido. Choice e Score devolvem distribuições e um valor de confiança que o software pode utilizar nas suas regras. A empresa [recomenda testar os limiares na tarefa específica](https://docs.typesafe.ai/confidence); um campo de confiança não é uma medição independente da precisão.

Os exemplos apoiam um padrão de conceção: o software pode colocar uma pergunta pertinente quando uma regra fixa é demasiado rígida. A utilidade quotidiana de cada ferramenta depende dos erros, daquilo que mostra ou oculta e de a aplicação permitir recuperar. Estas são características de todo o fluxo de trabalho, não apenas da decisão do modelo.

## Sources

- [Matthew Berman: oito utilizações da Jev que parecem batota](https://www.youtube.com/watch?v=jGD_UR4wMJc) — Vídeo de 10:38 que reúne demonstrações de oito criadores diferentes. Analisámos todas as legendas automáticas em inglês e os capítulos. O segmento da Zapier (5:17–6:31) é patrocinado. O vídeo não valida o produto de forma independente.
- [TypeSafe AI: apresentação dos modelos System One e da Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev) — Anúncio oficial de acesso antecipado e explicação das decisões estruturadas. Os testes de desempenho são da empresa e têm limitações declaradas; não são utilizados aqui como referência para as oito demonstrações.
- [TypeSafe AI: documentação sobre introdução e confiança](https://docs.typesafe.ai/introduction) — Documenta as entradas da Jev e as perguntas Choice, Score e Noul. A página sobre confiança explica que a confiança de Choice e Score deriva das respetivas distribuições de respostas e que os limiares de ação devem ser testados na tarefa do utilizador.
- [TypeSafe AI: confiança](https://docs.typesafe.ai/confidence) — Distingue probabilidades de resposta, confiança derivada e limiares operacionais específicos de cada tarefa. Não estabelece a precisão de nenhuma demonstração deste artigo.
- [Made with Jev: detetor de conteúdo de IA de baixa qualidade](https://madewithjev.com/free-tools/ai-slop-detector) — Os criadores da ferramenta descrevem medições do navegador, observações de capturas pelo DeepSeek, avaliações da Jev e um veredito separado do DeepSeek. A pontuação de 26% atribuída à anthropic.com reflete critérios estilísticos do site e não demonstra autoria por IA.
- [Kitze: anúncio e código do Unclutter](https://github.com/kitze/unclutter) — O README do criador descreve a classificação de candidatos pela Jev, regras locais e reversíveis para os ocultar, a reutilização por modelo de página e os controlos do utilizador. A publicação original de 17 de setembro (https://x.com/thekitze/status/2100595129874817340.) não inclui uma avaliação independente em condições reais.
- [Jonathan Unikowski: priorização da caixa de entrada com a Jev](https://x.com/jnnnthnn/status/2101399331115077760) — O criador mostra uma ordenação dinâmica e diz que a funcionalidade será lançada na Avec. Trata-se de uma demonstração e de um lançamento proposto, não de uma caixa de entrada implementada ou de uma medição de precisão.
- [Shubham Saboo: pesquisa semântica Needle](https://x.com/Saboo_Shubham_/status/2101576462042366114) — O criador apresenta uma extensão de código aberto para o Chrome. No LinkedIn, diz que a Jev classifica passagens existentes e a extensão as realça sem gerar uma resposta; não apresenta uma avaliação independente da recuperação.
- [Chris Tate: experiência json-render e Jev](https://github.com/vercel-labs/json-render/blob/main/apps/web/lib/jev/README.md) — A documentação indica que a Jev seleciona opções de interface fornecidas pela aplicação; o código compõe e valida a especificação e o renderizador apresenta-a. A publicação original da demonstração, de 18 de setembro (https://x.com/ctatedev/status/2101022101750571357.), não inclui uma avaliação independente. Os dados do ambiente de teste são sintéticos.
- [Burhan Usman: excertos de vídeo por tema](https://x.com/BurhanUsman/status/2101641842441732297) — O criador relata que extraiu excertos temáticos de um vídeo com mais de 90 minutos. Não detalha o processo completo nem valida os limites temporais ou a precisão; a explicação de Berman sobre a utilização de uma transcrição é uma inferência.
- [Matt DesLauriers: experiência de cor com a Jev](https://x.com/mattdesl/status/2100899669802963060) — A experiência visual original associa texto a paletas. Mostra uma ideia criativa, não adequação para design de produção nem conformidade com requisitos de acessibilidade.
- [Stefan: experiência com emojis e Jev](https://x.com/heystefan_/status/2101369117496521042) — A publicação original e o segmento de Berman, ao minuto 9:52, mostram a seleção de emojis a partir de texto. Não incluem uma avaliação da usabilidade nem dos idiomas.