L'AI decide, una persona garantisce: FlowSharp integra Jev

Quasi ogni decisione aziendale è una risposta chiusa

In un processo aziendale il testo è l'eccezione. Molto più spesso serve una risposta chiusa: questa richiesta è urgente? A quale categoria appartiene? Il contratto è firmato? Sono decisioni piccole, ripetute decine di volte al giorno, e da loro dipende a chi va il lavoro e con quale priorità.

Affidarle a un LLM generalista funziona, ma è come chiedere a un redattore di mettere un timbro: è lento, costa più del necessario ed è poco controllabile, perché la risposta arriva come testo da interpretare. Dalla release 0.89 FlowSharp, tra le prime applicazioni corporate a integrare Jev, il modello System 1 di TypeSafe, offre un'alternativa: un task AI può anche solo decidere.

Il nome richiama la distinzione di Kahneman in «Pensieri lenti e veloci»: un sistema che ragiona con calma e uno che risponde d'istinto. Per noi è una metafora di prodotto, non una tesi scientifica. L'LLM è il System 2: ragiona e scrive. Jev è il System 1: decide su domande chiuse in una frazione del tempo e del costo. Nel task AI del Designer la scelta tra i due è un bottone.

Cosa fa Jev dentro un processo

Jev risponde a domande tipizzate. I tipi sono tre: vero/falso, classificazione tra categorie definite e punteggio da 1 a N. Ogni task può contenere fino a 20 domande, e ogni risposta arriva con una probabilità calibrata: il modello dichiara quanto è sicuro, invece di limitarsi a rispondere.

Le risposte vengono scritte nei dati della pratica, e una di esse può diventare l'esito che instrada il flusso. I casi d'uso più comuni sono il triage delle richieste di assistenza, il lead scoring, la valutazione dei CV e il controllo documentale: c'è la firma? Il documento è del tipo atteso? È completo?

Un esempio concreto: arriva una richiesta di assistenza. Un solo task Jev con tre domande stabilisce se si tratta di un reclamo, a quale categoria appartiene e quanto è urgente da 1 a 5. Le tre risposte finiscono nella pratica e l'urgenza decide in quale coda entra il lavoro, senza che nessuno debba leggere e smistare a mano.

Quando il modello non è sicuro, decide una persona

Ogni task ha una soglia di confidenza. Se il modello resta sotto la soglia, la risposta non è un'ipotesi forzata ma «non determinata». È il punto in cui una decisione automatica smette di essere un rischio e diventa un'informazione: qui serve una persona.

Dalla release 0.91 il ripiego umano vive nello stesso task. Si definisce chi decide, con quali istruzioni e tra quali esiti, senza costruire un secondo passaggio parallelo. La persona trova il lavoro dove già lo cerca: nella coda «Da fare», nella dashboard, nel calendario e nel Kanban.

L'amministratore può anche nascondere il suggerimento del modello, così chi decide non ne viene influenzato. Può essere utile, per esempio, nella valutazione dei CV, dove si vuole un giudizio indipendente. Il risultato è una divisione del lavoro chiara: l'AI decide dove è sicura, una persona garantisce dove non lo è.

Misurare, poi spostare la soglia: un'adozione graduale

Fedele al principio «prima misura, poi automatizza», FlowSharp tiene separate le due strade. I KPI distinguono le decisioni automatiche da quelle umane e calcolano il tasso di ripiego. Ogni chiamata AI è registrata con il suo costo stimato. Così la soglia si sposta sulla base dei dati e non a sensazione: se il ripiego è alto e le persone confermano quasi sempre il modello, forse la soglia è troppo severa; se lo correggono spesso, forse è troppo permissiva.

Per partire non serve ridisegnare nulla. Un task manuale esistente si converte in decisione Jev mantenendo gli stessi esiti, quindi il resto del flusso non cambia. Il pulsante «Prova» esegue la decisione su una pratica reale senza modificare nulla, così si vede cosa avrebbe risposto il modello prima di affidargli il lavoro.

Chi preferisce un punto di partenza pronto trova i Preset System One, quattro modelli già impostati: CV, lead scoring, triage e documenti.

Per gli integratori: provider, sicurezza e canali

Sul piano tecnico i provider sono già pronti: TypeSafe, con il modello jev-latest, e OpenRouter, con typesafe/jev-1.13. Si può quindi scegliere il canale di accesso che si adatta meglio all'infrastruttura e alle politiche di acquisto dell'azienda.

Il Data Shield oscura i campi riservati anche per Jev, quindi i dati sensibili della pratica non arrivano al modello. Le stesse regole valgono per tutti i canali: API REST, MCP ed estensione browser. Gli avvii richiesti da assistenti AI esterni vanno confermati da una persona, perché un assistente può proporre un'azione, ma non avviarla da solo.

Un'indicazione pratica: Jev rende meglio con istruzioni e criteri scritti in inglese, anche se i dati restano in italiano. Conviene quindi formulare in inglese le domande e i criteri del task e lasciare le pratiche, i nomi dei campi e i contenuti nella lingua dell'azienda.

Provalo dal vivo: lo scenario «Triage richieste»

Il modo più semplice per capire come lavora Jev è vederlo all'opera. Lo scenario demo «Triage richieste» instrada sei richieste di esempio con un solo task Jev e tre domande, ed è pronto per una prova dal vivo.

Si guarda dove il modello decide da solo, dove risponde «non determinata» e chi ne raccoglie il lavoro, e poi i KPI mostrano come si sono divise le decisioni. Prima si misura, poi si decide quanto automatizzare.