TypeSafe AI wprowadził na rynek model Jev, który reprezentuje nową klasę modeli decyzyjnych zwracających strukturalne wyniki zamiast wygenerowanego tekstu. Model otrzymuje dane wejściowe w postaci stanu (string, tablica lub zestaw par nazwa-wartość) oraz pytania, a zwraca jedną z trzech typów odpowiedzi: Choice - wybór z listy aż 255 opcji z przypisanymi prawdopodobieństwami, Score - ocenę na zdefiniowanej skali z poziomami ufności, oraz Noul - prawdopodobieństwo boolowskie od 0 do 1 dla oceny prawdziwości stwierdzenia. Architektura Jev wykorzystuje równoległy sampler i metodę treningową RLCD (Reinforcement Learning for Calibrated Decisions), co eliminuje ryzyko błędów typów i znacznie przyspieszenia obsługę wielu pytań.
Koncepcja Decision AI zyskała popularność dzięki marketingowemu pozycjonowaniu TypeSafe jako implementacji System 1 myślenia - szybkiego i intuicyjnego podejścia opisanego przez Daniela Kahnemana. Sukces Jev po wyjściu z dwuletniego okresu stealth spowodował szybką konkurencję na rynku. W ciągu zaledwie trzech tygodni Fastino Labs odpowiedziała emisją dwóch modeli - GLiDE i GLiNER2.5-Decide - a społeczność open-source'owa opublikowała kilka reprodukcji w stylu Jev. Pojawienie się tylu opcji jednocześnie sugeruje, że Decision AI wypełnia rzeczywistą lukę w ekosystemie AI - potrzebę modeli zwracających bezpośrednio decyzje, a nie tekst wymagający dalszego przetwarzania.
Decision AI ma istotne znaczenie dla produkcyjnych aplikacji, gdzie integracja wyjścia modelu z logiką biznesową musi być niezawodna i szybka. Tradycyjne modele generatywne wymagają parsowania tekstu i walidacji wyniku, co wprowadza punkt formalny dla błędów. Modele decyzyjne eliminują ten problem przez definicję strukturalnych typów odpowiedzi już na etapie architektury. Różnorodność konkurencyjnych rozwiązań - zarówno proprietary'ch jak i open-source - wskazuje, że kategoria będzie szybko ewoluować, a jej przydatność rozszerzy się poza bieżące przypadki użycia.