Un modelo de IA que no escribe: qué cambia Jev para el papeleo de una asesoría

El 15 de septiembre de 2026 salió de discreción un laboratorio de San Francisco con un modelo de IA que se niega a escribir. No genera textos, no mantiene conversaciones y no redacta escritos. Solo decide.

Te contamos qué es, porque el tipo de trabajo que resuelve se parece mucho al que llena el día de un despacho.

Un modelo que devuelve decisiones, no párrafos

Los modelos de lenguaje que conoces funcionan escribiendo: les haces una pregunta y te devuelven un texto, palabra a palabra. Si tu programa necesita un dato concreto de esa respuesta, alguien tiene que leer el texto y extraerlo, con el riesgo de que venga en otro formato del esperado.

El modelo del que hablamos, que se llama Jev, hace otra cosa. Le pasas un estado y una lista cerrada de opciones, y te devuelve la opción elegida con su probabilidad. Si le preguntas a qué departamento corresponde una incidencia de un cliente, la respuesta se parece a esto: facturación 0,08, técnico 0,85, ventas 0,07, con una confianza de 0,82.

Para una persona eso no sirve de nada. Para un programa es exactamente lo que hacía falta.

Por qué la velocidad no es lo importante

La empresa publica que responde entre 70 y 500 milisegundos y que la entrada cuesta 0,042 dólares por millón de unidades de texto, con la salida gratis. Son números llamativos frente a los de un modelo de lenguaje convencional, y son los que se han repetido en todas partes estos días.

Pero no es ahí donde está lo interesante para un despacho. Lo interesante es una frase de su propia documentación técnica: un modelo que acierta el 95 % de las veces pero no avisa cuándo está en el 5 % restante no sirve para automatizar esa tarea.

Esa frase separa las dos cosas que en IA se confunden a menudo. Una es acertar. La otra es saber cuándo no estás acertando.

Dónde encaja esto en una asesoría

El trabajo de un despacho se parece poco a redactar y bastante a decidir, muchas veces, sobre lo mismo. Piensa en el recorrido de un documento cualquiera desde que entra:

• Qué es. Una factura recibida, una emitida, un contrato, un justificante bancario.
• De qué cliente es, cuando el documento no siempre lo dice con claridad.
• Si ya había entrado antes, porque el mismo PDF llega por correo y por WhatsApp la misma semana.
• A qué cuenta contable va, según el criterio que ese cliente tiene desde hace años.
• Y la decisión que sostiene todas las demás: si esto lo puede cerrar el sistema o tiene que mirarlo una persona.

Ninguna de esas preguntas necesita que una IA escriba un párrafo. Necesitan una respuesta de una lista corta, repetida cientos o miles de veces al mes, con la seguridad de saber cuándo la respuesta es dudosa.

Lo que medimos nosotros

Esto no lo contamos de oídas. El 21 de septiembre de 2026 pasamos ocho facturas con casuística fiscal distinta por nuestro propio motor de extracción, con un modelo de código abierto ejecutándose en local, y anotamos el resultado campo a campo: 66 aciertos de 88.

Lo que aprendimos no está en el porcentaje, sino en el reparto de los fallos.

Hay fallos que se ven. En una factura con recargo de equivalencia, el importe del recargo se coloca donde no toca y la suma deja de cuadrar. Es un error, pero la validación lo detecta y la factura se marca para que la revise una persona. El sistema falla en voz alta.

Y hay un fallo que no se ve. En la factura intracomunitaria no se marca la inversión del sujeto pasivo, y la aritmética cuadra igual: 1.200 más 0 son 1.200. No hay descuadre que detectar, así que nada avisa y la factura sigue su camino.

Ese segundo caso es el que nos preocupa, y es el mismo problema que la frase de antes describe. Perder un dato ruidosamente no es lo mismo que perderlo en silencio, aunque tampoco sea tenerlo.

Lo que no nos cuadra de todo esto

La empresa afirma que su modelo no alucina. La prensa especializada ha matizado que la comparación no es del todo justa, porque su salida no es lenguaje natural, y que devolver una respuesta con la estructura correcta no impide que esa respuesta sea incorrecta. Nos parece el matiz adecuado.

Y conviene decir que buena parte de las cifras que circulan las publica quien vende el producto, medidas sobre casos que ha construido su propio equipo. Ellos lo reconocen en su blog, cosa que hay que apuntarles a favor. Sigue siendo material de parte.

Por qué no vamos a enchufarlo

Por una razón sencilla: es un servicio en la nube de una empresa estadounidense, y lo que sostenemos es que la documentación de un cliente no sale de su servidor. Esa promesa no se negocia por rendimiento.

Lo que sí nos llevamos es la idea, que no tiene dueño. Una decisión automática que llega sin su nivel de confianza no se puede automatizar, solo se puede esperar que salga bien. Y esperar no es un procedimiento.

Es exactamente el criterio que aplicamos a nuestra propia plataforma, instalada en el servidor del cliente: cada documento que el sistema no tiene claro va a una bandeja para que lo mire una persona. Lo difícil no es que el sistema acierte. Es que sepa avisar cuando no.

Cuéntanos cómo entra hoy la documentación en tu despacho y qué decisiones repetís más veces al mes. Te decimos cuáles se pueden automatizar con garantías y cuáles no merece la pena tocar.