IA y ML

Jev en la práctica: 3 casos de uso reales

Tres casos de uso verificados de Jev de TypeSafe AI, en detalle: puntuar 724 anuncios en 40 segundos, clasificar 700 leads y una barrera de seguridad para un agente de código con cifras precisas sobre más de 18 000 acciones reales supervisadas.

Publicado: 24 de septiembre de 2026
Actualizado: 24 de septiembre de 2026
Autor: Vitalii Shynkarenko
⏱: 4 min

Respuesta corta: tres casos de uso verificados en detalle — qué se hizo exactamente, qué preguntas se le hicieron a Jev y qué salió al otro lado. Cada cifra viene de una fuente primaria, con su enlace.

Ideas clave

Caso 1: 724 anuncios puntuados con seis criterios cada uno — 40 segundos, 0,09 $
Caso 2: 700 leads clasificados por rendimiento previsto de outreach, con detección de desajustes — 40 segundos, 0,09 $
Caso 3: una barrera para un agente de código redujo las infracciones de 6 a 0 en 150 ejecuciones; medida por separado en 18.075 acciones reales
El patrón compartido: en los tres casos, Jev hace varias preguntas estructuradas sobre cada elemento a la vez, a una escala que un LLM normal no puede igualar

Caso 1: puntuar 724 anuncios en 40 segundos

Matthew Berman reunió 724 anuncios en vivo de 37 marcas y le hizo a Jev seis preguntas sobre cada uno. Su publicación exacta: «jev es una locura. en 40 segundos desglosó 724 anuncios en vivo de 37 marcas. cada gancho. cada formato. oferta. cta. etapa de conciencia. desajuste de landing page. usó 9 centavos de tokens». Fuente: X (@TheMattBerman) (se abre en una pestaña nueva).

Qué se puntuaba exactamente

Gancho — la frase o el fotograma inicial que capta la atención
Formato — el tipo de creatividad (vídeo, imagen estática, carrusel, etc.)
Oferta — qué se ofrece exactamente
Llamada a la acción (CTA) — qué acción se le pide al espectador
Etapa de conciencia — cuánto conoce ya la audiencia el problema o el producto
Desajuste de landing page — si la página a la que enlaza el anuncio cumple lo que promete

Cómo funcionaba la comprobación de la landing page

Para el último criterio, Berman extraía la página real a la que enlazaba cada anuncio, y Jev comparaba su contenido con la promesa del anuncio — en oferta, producto, precio y llamada a la acción. Eso permitió detectar automáticamente anuncios que prometen una cosa mientras la landing page ofrece otra.

Por qué esto cambia el flujo de trabajo

Antes de la clasificación barata, los analistas suelen muestrear un pequeño conjunto de anuncios para revisarlos a mano — revisar todos y cada uno sale demasiado caro. En cuanto una primera pasada sobre todo el conjunto de datos cuesta céntimos, el orden de las tareas se invierte: se clasifica primero todo el conjunto, y una persona revisa después los grupos más interesantes en vez de una muestra aleatoria. Según Berman, la función se incorporará a StealAds y estará disponible vía MCP.

Caso 2: clasificar 700 leads por rendimiento previsto

Romàn (@romanbuildsaas) tomó 700 leads de alta intención junto con un mensaje de outreach personalizado ya preparado para cada uno. Su cita completa: «JEV es una locura. Le dimos 700 leads de alta intención y mensajes de outreach personalizados. En 40 segundos, predijo el rendimiento de cada mensaje, asignó una puntuación de confianza y detectó desajustes entre lead y mensaje. Todo por solo 0,09 $». Fuente: X (@romanbuildsaas) (se abre en una pestaña nueva).

Qué devolvió Jev para cada uno de los 700 leads

Una predicción de rendimiento de ese mensaje, para ese lead concreto
Una puntuación de confianza para cada predicción
Detección de desajustes — señalar cuándo un mensaje claramente no encaja con el perfil del lead

Qué desbloquea esto para un equipo

Según la misma publicación, el mismo enfoque se extiende más allá: puntuar leads, analizar señales de compra, emparejar a cada prospecto con el mejor mensaje e identificar qué campañas tienen más probabilidad de funcionar. En lugar de enviar el outreach a ciegas y descubrir la calidad después por las respuestas, un equipo puede ordenar los leads por predicción primero y empezar por los más prometedores.

Caso 3: una barrera que detecta lo que ningún linter puede ver

pi-warden (se abre en una pestaña nueva) son barreras de seguridad para el agente de código Pi que «guían en lugar de interrumpir». Se instala con `pi install npm:pi-warden` (requiere Pi 0.85+ y Node 22.19+), y luego `/warden enable` activa los juicios usando una clave de API de TypeSafe, mientras que `/warden init` genera un archivo de reglas inicial.

Cómo se describen las reglas

Las reglas del proyecto se escriben en lenguaje sencillo en un archivo `pi-warden.md` — cada encabezado es una regla propia. Un ejemplo tomado directamente del README:

markdown

# Exported functions must have explicit return types
paths: src/**/**.ts
Every exported function declares its return type.

Reglas así no las detecta ningún linter normal — describen intención, no sintaxis

Otros ejemplos reales incluyen «un TODO debe nombrar un ticket», «los comentarios no deben repetir el código» y «una espera de proceso sin tiempo límite» (detectada como infracción en uso real). Jev revisa cada escritura del agente contra estas reglas y cita la infracción en su respuesta, en lugar de simplemente bloquear la acción.

Qué más detecta la barrera, además de las reglas del proyecto

Acciones irreversibles — force pushes, `git reset --hard`, `rm` recursivo, `DROP` de SQL y comandos similares se retienen aparte de las reglas del proyecto
Bucles atascados — cuando el agente repite la misma acción fallida sin avanzar
Afirmaciones de «hecho» sin verificar — cuando el agente dice que una tarea terminó sin ejecutar pruebas ni comprobaciones
Salida de herramientas demasiado grande — un ahorrador de contexto recorta la salida excesiva mientras mantiene el resultado completo recuperable si hace falta

Resultados medidos

0
infracciones con pi-warden: frente a 6 en el grupo de control, 150 ejecuciones pareadas; 13.952
casos de guarda revisados: 109 ciclos de una ejecución nocturna, sin desviación en la precisión; ≈0,3%
acciones irreversibles retenidas: 48 de 18.075 llamadas supervisadas en 315 sesiones reales; 74%
avisos de «¿hecho?» llevaron a una prueba real: 47 avisos en 4 días de uso

Cuando retener una acción irreversible resultaba ser un falso positivo, reintentar liberaba el bloqueo 11 de 13 veces — la barrera rara vez detiene al agente sin motivo. Fuente: GitHub (se abre en una pestaña nueva).

El patrón compartido: un filtro barato antes de una acción cara

En los tres casos, Jev no sustituye el trabajo principal — las personas siguen escribiendo los anuncios, un LLM sigue escribiendo el mensaje, un agente sigue escribiendo el código. Jev añade un juicio estructurado encima de eso: puntúa, clasifica o revisa el resultado en segundos, antes de que una persona o un sistema dedique tiempo a algo que podría haberse descartado antes.

python

from langchain_typesafe import Noul, TypeSafeClassifier

classifier = TypeSafeClassifier()

def review_agent_write(diff: str, project_rules: str) -> bool:
    response = classifier.invoke(
        state=f"Rules:\n{project_rules}\n\nProposed change:\n{diff}",
        questions={
            "violates_rule": Noul(instructions="Does this change violate one of the listed rules?")
        },
    )
    # High confidence of a violation -> block and explain, instead of letting it through.
    return response.nouls["violates_rule"].noul < 0.5

Un ejemplo ilustrativo del mismo principio detrás de pi-warden

Preguntas frecuentes

¿Puedo construir yo mismo algo como pi-warden?

Sí, es uno de los patrones más comunes: Jev revisa cada acción del agente contra reglas que tú escribes y devuelve una probabilidad de infracción antes de que la acción se ejecute. pi-warden es un ejemplo de código abierto para el agente Pi del que puedes partir.

¿Por qué el caso de los anuncios necesitó seis criterios separados en lugar de uno?

Porque Jev permite hacer varias preguntas sobre un mismo elemento en una sola petición con casi ninguna latencia adicional. En lugar de un vago «qué tan bueno es este anuncio», Berman obtuvo seis respuestas claras y separadas — y por eso el resultado se pudo ordenar y comparar.

¿Qué pasa cuando la confianza de Jev es baja?

En los tres casos, una confianza baja es una señal para una revisión humana adicional, no un motivo para ignorar la respuesta. Eso es lo que distingue a un modelo calibrado de un clasificador normal: el número de confianza se puede confiar estadísticamente.

¿Con qué frecuencia bloquea pi-warden a un agente sin motivo?

Raramente, según los datos medidos: de 18.075 llamadas supervisadas, solo se retuvieron 48, y cuando un bloqueo resultaba ser un falso positivo, reintentar lo liberaba 11 de 13 veces.

Hablar sobre dónde encaja Jev en tu producto

01 — Noticias

Noticias relacionadas

02 — Contacto

Cuéntanos qué necesitas

Te contestamos con una propuesta.

¿Prefieres hablar?

Reservar una llamada de 15 minutos Escribir por WhatsApp

O escríbenos a [email protected] · +34 637 045 156