Jev 제브 · TypeSafe AI의 System One 의사결정 모델
Jev(제브)는 TypeSafe AI가 2026년 9월 15일 공개한 의사결정 전용 AI 모델로, 문장을 쓰는 대신 미리 정한 선택지 중 무엇이 맞는지를 확률과 함께 바로 돌려준다.
일반 LLM과 무엇이 다른가
ChatGPT나 Claude 같은 대형 언어 모델(LLM)은 글자를 하나씩 이어 붙여 문장을 만든다. Jev는 문장을 전혀 만들지 않는다. 판단할 상황(텍스트나 JSON)과 코드로 정의한 '타입이 정해진 질문'을 받으면, 그 질문의 답만 정해진 형식으로 돌려준다. 설명, 요약, 근거 문장, 코드 작성은 하지 않는다. 그래서 흔히 '똑똑한 if문'에 비유된다. 프로그램의 분기(if)를 사람이 규칙으로 다 적는 대신, 상황을 읽고 어느 쪽으로 갈지를 모델이 정해 주는 셈이다. 이름의 'System One'은 대니얼 카너먼의 『생각에 관한 생각』에서 빠르고 직관적인 사고를 뜻하는 '시스템 1'에서 따왔다.
세 가지 출력 형태(프리미티브)
Choice는 여러 선택지(최대 255개) 가운데 하나를 고르고, 선택지 전체의 확률 분포와 확신도(confidence)를 함께 준다. 예: 문의를 '환불·배송·기술 지원' 중 어디로 보낼지. Score는 2~10단계로 순서가 있는 척도 위의 점수를 매기고, 확률로 가중한 평균 점수와 분포를 준다. 예: 답변 품질 1~5점. Noul은 어떤 진술이 참일 확률을 0~1 사이 값 하나로 준다. 예: '이 메일은 스팸이다'가 참일 확률 0.87. Noul은 확률 자체가 신호이므로 따로 확신도 값을 주지 않는다.
왜 빠르고 싼가
Jev는 글자를 한 개씩 생성하지 않는 비자기회귀(non-autoregressive) 방식이다. 상황을 한 번 읽고 모든 질문을 동시에 평가해 한 번에 답을 내므로, 질문을 늘려도 응답 시간이 거의 늘지 않는다. 공개된 응답 시간은 요청당 약 70~500밀리초다. TypeSafe는 이런 판단 작업에서 LLM보다 193.6배 빠르고 444.6배 싸다고 밝혔지만, 이는 제공자 자체 측정이며 회사도 상단 수치라고 설명한다. 가격은 입력 토큰 100만 개당 0.042달러이고 출력은 과금하지 않는다고 공개했다.
확신도와 학습 방식
Jev의 핵심은 '얼마나 확신하는지'를 숫자로 함께 준다는 점이다. TypeSafe는 RLCD(Reinforcement Learning for Calibrated Decisions)라는 방식으로, 사람이 선호하는 답변이 아니라 실제 결과와 확률이 맞아떨어지도록(보정, calibration) 학습했다고 설명한다. 덕분에 '확신도 0.9 이상이면 자동 처리, 아니면 사람에게 넘기기'처럼 기준선을 두고 자동화와 사람 검토를 나누는 설계가 쉬워진다.
알아 둘 점
Jev는 정의된 선택지 밖의 값을 낼 수 없어 형식이 깨지거나 엉뚱한 라벨을 지어내는 문제는 생기지 않는다. 그러나 확신에 차서 틀릴 수는 있다. 입력은 텍스트만 받으며, 날짜·시간 계산과 수학에 약하고, 관련 없는 정보가 많이 섞이면 정확도가 떨어진다. 글을 써야 하는 일에는 여전히 LLM이 필요하므로, LLM을 대신한다기보다 LLM과 함께 빠른 판단을 맡는 부품으로 쓰는 경우가 많다. 2026년 9월 말 기준 얼리 액세스 단계다.
예시
고객 상담 에이전트에서 들어온 문의를 Jev의 Choice로 '환불·배송·기술 지원·기타' 중 하나로 분류하고, 확신도가 기준보다 낮으면 사람 상담원에게 넘긴다. 같은 요청에서 Noul로 '욕설이 포함되어 있다'의 확률을, Score로 긴급도 1~5점을 동시에 받는다. 다른 LLM이 쓴 답변이 정책을 지켰는지 검사하는 가드레일, 검색 결과 재정렬, 에이전트가 다음에 쓸 도구 고르기(라우팅)에도 쓰인다.