Jev a Laya: lacná rozhodovacia vrstva pre AI workflow
Aktualizácia 20. októbra 2026: Clairic oddeľuje voľbu možnosti od extrakcie hodnoty
Cloudflare 19. októbra uviedol Clairic v preview na Workers AI. Rozhodovací krok vyberá zo známych možností; extrakcia vracia napríklad sumu alebo dátum. Rozširuje to tému článku, neznamená to však zameniteľnosť Jevu a Clairicu.
Dokumentácia modelu uvádza typované výsledky, neistotu a cenu 0,10 USD za milión vstupných tokenov bez poplatku za výstupné tokeny. Cloudflare upozorňuje, že správny typ nezaručuje správnu hodnotu a zložité výpočty odporúča ponechať kódu. Otvorené váhy sú ešte len plánované.
Pri faktúrach by som oddelil čo dokument obsahuje, čo vypočítame a kto výsledok prijme. Model navrhne sumu a splatnosť, kód overí súčty a formát, účtovník vyrieši nejasnosti. Odhad dátumu úhrady sa nesmie vydávať za dátum vytlačený na faktúre.
V n8n či Make by som začal HTTP krokom nad anonymizovanými podkladmi bez zápisu do účtovníctva. Ukladal by som dokument, schému, navrhnutú hodnotu, neistotu a následnú opravu. Chýbajúci údaj patrí do kontrolnej fronty, nie k vierohodne znejúcemu odhadu.
Ide o návrh pilotu, nie vykonaný benchmark Clairicu. Porovnávajte chyby jednotlivých polí, čas kontroly a cenu prijatej faktúry s existujúcou extrakciou. Klasifikácia a otvorená extrakcia potrebujú oddelené testovacie sady.
Aktualizácia 11. októbra 2026: Decisions API pridáva ďalšiu možnosť routingu
Marek Bartoš upozornil na Decisions API 10. októbra. OpenAI vydalo betu už 6. októbra; dátum videa nie je dátum vydania.
Oficiálna dokumentácia uvádza endpoint POST /v1/decisions, model gpt-6-luna, textové aj obrazové vstupy a otázky predicate, choice a score. Na extrakciu vlastnej JSON schémy odporúča Responses API so Structured Outputs.
Do pilotu s Jevom by som pridal reklamácie s fotografiou. Navrhovaný HTTP krok v n8n alebo Make dostane minimalizovaný text a snímku a vyberie iba z kategórií fakturácia, poškodenie, doprava a ostatné. Kód overí povolenú hodnotu a pri chybe API odovzdá prípad človeku. Je to návrh integrácie, nie tu otestovaný konektor.
Na 200 ručne označených prípadoch by som meral zámeny kategórií, cenu vrátane opakovaní a čas do správneho zaradenia. Textovú časť treba porovnať samostatne: obrazový vstup mení podmienky experimentu. Rozhodovací prah nastavte každému modelu zvlášť. Klasifikátor navrhuje front; refundáciu schvaľuje samostatné pravidlo alebo človek.
Testy a ceny nižšie patria k uvedeným septembrovým dátumom. Nie sú aktuálnym benchmarkom všetkých troch možností.
Aktualizácia 29. septembra 2026: konkrétny test českých recenzií
AI s rozumem zverejnilo 28. septembra praktický test Jevu. Popis videa uvádza približne 350 recenzií; verejná výsledková aplikácia pracuje s 275 recenziami s textom a porovnáva Jev 1.13, Haiku 4.5 a Sonnet 5. Tieto počty nemožno bez ďalšieho zamieňať.
Pri českých otázkach aplikácia uvádza medián latencie 321 ms pre Jev, 2,90 s pre Haiku a 4,89 s pre Sonnet. Latencia pochádza z 25 postupne odoslaných recenzií z jedného Macu. Cena a priepustnosť vychádzajú z celej sady pri ôsmich súbežných požiadavkách. Prepočet na 1 000 recenzií je približne 0,09 / 3,76 / 9,47 USD. Sú to autorove výsledky pre konkrétne zapojenie, nie naše meranie ani prevádzková garancia.
88 % zhoda Jevu so Sonnetom neznamená 88 % presnosť. Bez vlastných referenčných štítkov aplikácia neukazuje, ktorý model má pravdu. Pri otázke na využiteľnosť recenzie pre vedenie je ich zhoda len 53 %. Pre nasadenie je tento rozpad podľa úloh dôležitejší než jedno priemerné číslo.
Do firemného pilotu by som prevzal postup, nie rozhodovací prah: doménový odborník označí oddelenú validačnú sadu, tím porovná jednotlivé kategórie a neisté výsledky pošle na review. n8n uloží návrh štítku aj neskoršiu opravu. Kým nepoznáme falošne negatívne prípady, model iba navrhuje prioritu a nič automaticky neuzatvára.
Aplikácia upozorňuje, že mená anonymizuje až pri zobrazení; modely dostali pôvodný text. Vo vlastnej podpore by som minimalizoval údaje pred API volaním. Ide o analýzu textovej spätnej väzby, nie o hodnotenie pacientov či zdravotnej starostlivosti.
Oficiálny TypeSafe skill poskytuje coding agentovi kontext API. Užitočné pravidlo z dokumentácie: otázky a prahy držať na jednom mieste, aby ich človek mohol skontrolovať. Skill sám správnosť klasifikácie nedokazuje.
Aktualizácia 26. septembra 2026: Jev v databáze a histórii agenta
Video Jirku Herníka z 25. septembra pridáva k routingu dva konkrétne projekty. Ide o komunitné implementácie, nie nové vydanie modelu. Changelog pg-jev uvádza prvú verziu už 17. septembra.
PostgreSQL: rozhodovanie pri dátach, výpočet mimo databázy
pg-jev umožňuje cez SQL filtrovať a triediť riadky podľa významu. Vyhodnocované dáta však posiela do TypeSafe API. Vyžaduje PostgreSQL 14–17, plpython3u a superužívateľa; hosting bez týchto možností podľa dokumentácie rozšírenie nespustí.
Pre pilot v podpore by som vytvoril obmedzený pohľad s ID a anonymizovaným textom vybraných ticketov. Jev navrhne kategóriu, n8n ju zapíše do samostatnej tabuľky a pracovník ju porovná so skutočným riešením. Produkčné smerovanie by som povolil až po vyhodnotení chýb. Je to návrh zapojenia, nie tu vykonaný test.
Sledujte počet spracovaných riadkov: bežný dotaz teraz spúšťa platené sieťové požiadavky. Projekt ponúka limity riadkov a znakov na príkaz; nastavil by som ich pred pilotom. Náklady a latenciu merajte na vlastných dátach, autorský benchmark nie je prevádzková záruka.
História agenta: vybrať dôkazy namiesto prepisovania všetkého
fast-jev-compaction necháva Jev rozhodnúť, ktoré staršie dvojice volania nástroja a výsledku ponechať, skrátiť alebo odstrániť. Funguje ako knižnica aj plugin pre Claude Code. Výber však môže zahodiť dôležitý dôkaz.
Text konverzácie a vstupy nástrojov odchádzajú do rozhodovacieho API, takže nejde o čisto lokálne upratovanie. Začal by som na necitlivom repozitári a rovnakých úlohách porovnal pôvodnú a skrátenú históriu: dokončenie, stratené obmedzenia, opakované čítania a celkovú cenu. Integrácia potrebuje bezpečný náhradný postup pri chybe klasifikácie či API. Presné znenie ponechaných správ nezaručuje, že zostali všetky potrebné informácie.
Aktualizácia 24. septembra 2026: Laya pridáva lokálnu možnosť
Jirka Herník vo videu z 23. septembra spomína popri Jeve aj Laya. Je to nový praktický podnet na porovnanie, nie overený dátum prvého vydania Laya.
Projektový repozitár ponúka lokálne rozhodovanie nad textom, typované voľby a pravdepodobnosti, vlastný HTTP server a licenciu Apache‑2.0. Výstup sa hodí na routing; nenahrádza generatívny model pri písaní odpovede zákazníkovi.
Ukážková stránka uvádza 21 ms na M1 Max a porovnanie s Jevom na 500 príkladoch. Sú to merania autorov, nie náš benchmark ani dôkaz všeobecného tvrdenia „200× rýchlejšia AI“. Autori upozorňujú aj na jazykový routing, nekalibrovaný viacjazyčný checkpoint a slabiny pri porovnávaní čísel.
Pre český a slovenský support by som pripravil samostatné validačné sady s preklepmi, krátkymi správami a zmiešanými jazykmi. Model navrhuje front, kód kontroluje účtovné sumy a človek rieši nejasné prípady. Začnite tieňovým behom: navrhnuté štítky sa zapisujú, no skutočné smerovanie ešte nemenia.
Merajte chybné automatické voľby, eskalácie a čas pracovníkov na opravy. Prevádzka bez poplatku za každý API call stále stojí hardvér a správu. Laya sa oplatí testovať tam, kde potrebujete vlastnú prevádzkovú hranicu; lokálny model sám nezaručuje správnosť rozhodnutia ani bezpečnosť celého workflow.
Veľa krokov v automatizácii nepotrebuje odstavec textu. Potrebuje rozhodnúť, či je e-mail reklamácia, kam poslať lead alebo či dokument vyžaduje ručnú kontrolu. Používať na každú takúto voľbu veľký generatívny model môže byť zbytočne drahé.
TypeSafe predstavilo 15. septembra 2026 Jev, model na typované pravdepodobnostné rozhodnutia. Pri oznámení ide o early access. Tému priniesol aj AI mastermind 40 Jirku Herníka zo 17. septembra. Pôvodné oznámenie.
Rozhodnutie má iný výstup než chat
Jev obmedzuje výstup na definované rozhodnutia namiesto ľubovoľného textu. TypeSafe zdôrazňuje typovú správnosť a pravdepodobnosti.
Platný typ však nezaručuje správny význam. „Reklamácia“ môže byť povolený štítok a zároveň nesprávna odpoveď pre konkrétny e-mail. Preto treba hodnotiť reálne firemné prípady, nielen počet odpovedí, ktoré sa podarilo spracovať parserom.
Pri podpore by som začal malým slovníkom: fakturácia, technický problém, reklamácia a ostatné. Kategória „ostatné“ má byť normálna vetva procesu.
Návrh zapojenia do n8n alebo Make
Prichádzajúci e-mail dostane interné ID, spracovanie odstráni nepotrebné prílohy a model dostane iba údaje potrebné na klasifikáciu. Rozhodovací krok vyberie kategóriu a aplikácia overí formát výsledku.
Jednoznačný prípad putuje do správneho frontu. Nejasný rieši silnejší model alebo človek. Generatívny model pripraví odpoveď až neskôr, ak je vôbec potrebná.
Do logu by som ukladal verziu klasifikačného schématu, model, rozhodnutie a opravu pracovníkom podpory. Inak budete poznať objem spracovania, ale nie dlhodobú kvalitu.
Prah automatického spracovania musí vychádzať z validačnej sady. Deklarovaná pravdepodobnosť nemusí byť na vašich dátach dobre kalibrovaná. Univerzálne pravidlo „nad 90 % schváliť“ preto nie je vhodný základ.
Lacný krok nemusí znamenať lacný proces
TypeSafe uvádza 0,042 USD za milión vstupných tokenov a výstup zdarma. Veľký násobok úspory v oznámení pochádza zo štyroch vlastných workflow dodávateľa. Nie je to nezávislá garancia pre každú úlohu.
Počítal by som prvotné rozhodnutia, eskalácie, opakované požiadavky aj čas ľudí na opravy. Lacný krok, ktorý vytvára veľa problémov v drahšej vetve, nemusí v súčte ušetriť.
Pri leadoch stojí nesprávne zamietnutie iné peniaze než zlý štítok internej poznámky. Pri faktúrach by model vyberal kontrolný front; platbu ani zmenu bankového účtu dodávateľa by nepovoľoval samostatne.
Pilot s použiteľným výsledkom
Vybral by som niekoľko stoviek historických prípadov vrátane nejasných a zriedkavých kategórií. Dáta na návrh schémy by som oddelil od záverečného testu. Referenčné štítky má potvrdiť človek znalý procesu, nie iný model.
Sledujte zámeny kategórií, podiel eskalácií, chybovosť automaticky prijatých rozhodnutí a cenu správne dokončeného prípadu. Po zmene schémy hodnotenie zopakujte.
Jev dáva zmysel ako kandidát na úzku rozhodovaciu vrstvu. Voľný text, vysvetľovanie a otvorený výskum zostávajú úlohou iných nástrojov. Úspora môže vzniknúť tým, že veľký model prestane robiť tisíce rutinných volieb s malým počtom dovolených odpovedí.
Zdroje: TypeSafe: oznámenie z 15. 9. 2026, TypeSafe a early access, Jirka Herník: AI mastermind 40, 17. 9. 2026.
Doplnené 22. septembra 2026, dátum článku zodpovedá pôvodnému oznámeniu. Opísané zapojenie je návrh pilotu, nie vlastný benchmark Jev.