Jev e a nova era da automação inteligente: o impacto dos modelos de decisão nos ERPs

Durante os últimos anos, grande parte da evolução da inteligência artificial esteve concentrada em uma habilidade que rapidamente se tornou conhecida por milhões de pessoas: conversar. 

Modelos de linguagem passaram a escrever textos, responder perguntas, interpretar documentos, gerar códigos e interagir com usuários de maneira cada vez mais natural. 

Mas existe uma diferença importante entre conversar sobre o que deve ser feito e efetivamente tomar milhares de pequenas decisões necessárias para operar uma empresa. 

É justamente nesse espaço que surge uma nova categoria de inteligência artificial. 

Em setembro de 2026, a TypeSafe AI apresentou o Jev, seu primeiro System One Model: um modelo desenvolvido especificamente para tomar decisões estruturadas dentro de softwares. 

Em vez de perguntar apenas “o que uma IA consegue responder?”, surge uma questão potencialmente ainda mais importante para o mercado de software empresarial: 

Quantas decisões que hoje dependem de regras fixas, fluxos previamente programados ou intervenção humana poderão passar a ser tomadas dinamicamente pela inteligência artificial? 

Para o mercado de ERP, essa mudança pode ser especialmente relevante. 

Jev: uma inteligência artificial criada para decidir 

Os grandes modelos de linguagem, conhecidos como LLMs, foram desenvolvidos principalmente para produzir linguagem. Eles recebem informações e geram como resultado palavras, textos, códigos ou outros conteúdos. 

O Jev parte de uma proposta diferente. 

Ele não foi desenvolvido para conversar com uma pessoa ou escrever um texto. Sua função é receber informações sobre determinado contexto e retornar decisões estruturadas que possam ser utilizadas diretamente por um software. 

Em vez de gerar uma resposta aberta, o sistema pode receber opções previamente definidas e determinar, por exemplo: 

• qual ação deve ser executada; 

• para onde determinada informação deve ser encaminhada; 

• se uma situação apresenta determinado risco; 

• qual prioridade deve ser atribuída; 

• se uma operação pode prosseguir automaticamente; 

• ou se é necessário solicitar intervenção humana. 

Além da decisão, o modelo retorna probabilidades e informações de confiança. 

Ou seja, isso permite estabelecer algo fundamental para sistemas empresariais: limites de autonomia. 

Por exemplo, uma empresa pode determinar que determinadas decisões sejam executadas automaticamente quando a confiança for suficientemente alta, enquanto situações de maior incerteza podem ser direcionadas para análise humana. 

Essa característica aproxima a inteligência artificial de uma estrutura que os softwares empresariais conseguem consumir de maneira mais natural. 

Veja abaixo as principais diferenças entre o modelo de LLM tradicional e o modelo de decisão embasado pelo Jev: 

comparativo entre llms tradicionais e modelo de decisão 

Do software baseado em regras ao software baseado em decisões 

Grande parte dos sistemas empresariais atuais funciona a partir de regras previamente estabelecidas. Um ERP pode determinar, por exemplo: “Se o desconto for superior a 10%, solicitar aprovação do gerente.” 

Esse modelo funciona muito bem quando a decisão pode ser representada por uma condição objetiva. O problema aparece quando a decisão depende de contexto. 

Imagine outra situação: 

“Este desconto faz sentido para este cliente, considerando seu histórico, margem, potencial comercial, estoque disponível, prazo de pagamento e momento da negociação?” 

Transformar uma pergunta como essa em dezenas ou centenas de regras pode ser extremamente complexo. É justamente nesse ponto que modelos de decisão como o Jev apresentam uma possibilidade diferente. 

Em vez de tentar transformar todo o conhecimento empresarial em uma quantidade crescente de regras rígidas, parte dessas decisões pode ser realizada por modelos capazes de interpretar o estado da operação e retornar uma decisão estruturada. 

O ERP deixa de trabalhar apenas com: 

evento → regra → ação 

e passa a poder incorporar: 

evento → contexto → decisão inteligente → confiança → ação 

Essa mudança pode transformar a arquitetura dos softwares empresariais. 

comparativo entre modelos tradicionais de automação no software e modelos inteligentes como o Jev 

Por que isso pode ter um impacto tão grande nos ERPs? 

Poucos sistemas concentram tantas decisões quanto um ERP. 

Todos os dias, empresas precisam decidir quais clientes priorizar, quais oportunidades comerciais acompanhar, quais compras antecipar, quais pedidos exigem atenção por apresentarem risco, quais cobranças realizar, quais exceções analisar e quais tarefas deixar seguir automaticamente. 

Em muitos casos, essas decisões ainda dependem de pessoas. Em outros, dependem de regras extremamente específicas criadas ao longo de anos dentro dos sistemas. 

Uma inteligência especializada em decisões cria uma terceira possibilidade. 

Considere uma operação comercial. Um CRM poderia analisar centenas ou milhares de oportunidades continuamente e decidir quais precisam de atenção imediata. 

Mas não apenas verificando uma regra como “o cliente está há cinco dias sem contato”. 

A decisão poderia considerar simultaneamente histórico de relacionamento, comportamento recente, estágio da negociação, valor da oportunidade, probabilidade estimada de fechamento, interações anteriores e diversas outras informações disponíveis. 

O resultado não precisa ser um texto explicando toda a situação. Pode simplesmente ser uma decisão que o software consegue utilizar: prioridade alta, média ou baixa. 

E essa decisão pode alimentar imediatamente o próximo passo do processo. 

Modelos de decisão e automação empresarial 

Essa arquitetura também pode encontrar aplicações em ferramentas de automação empresarial, especialmente em plataformas capazes de conectar eventos, condições, ações e informações de diferentes áreas. 

Em um fluxo tradicional, uma operação pode seguir uma lógica semelhante a: 

Quando acontecer A → verificar condição B → executar ação C. 

Com modelos de decisão, surge a possibilidade de introduzir um novo tipo de elemento dentro desse fluxo: 

Quando acontecer A → compreender o contexto → decidir → executar a ação correspondente. 

Imagine um fluxo comercial iniciado quando uma nova oportunidade entra no CRM. 

Em vez de depender exclusivamente de condições previamente configuradas, uma etapa inteligente poderia avaliar o contexto da oportunidade e classificá-la. 

A partir dessa decisão, o próprio fluxo poderia escolher caminhos diferentes: encaminhar para um vendedor especializado, iniciar determinada cadência de relacionamento, solicitar informações adicionais, priorizar atendimento imediato ou manter a oportunidade em acompanhamento. 

Empresas podem aplicar o mesmo conceito a compras, finanças, logística, qualidade, produção, atendimento e inúmeras outras áreas. 

Nesse cenário, ferramentas de automação deixam de possuir apenas blocos de regras e passam a incorporar também blocos de decisão. 

exemplos de aplicações de ações automatizadas no ERP por área 

Quando automação e inteligência artificial começam a se aproximar 

Essa evolução se torna ainda mais relevante quando conectada ao conceito de sistemas empresariais capazes de utilizar inteligência artificial de forma integrada às operações. 

A IA não funciona apenas como um assistente ao lado do ERP. 

Ela pode passar a fazer parte da própria estrutura operacional do sistema. 

Nesse cenário, usuários podem definir responsabilidades, estabelecer limites e orientar a atuação de sistemas inteligentes utilizando linguagem natural. 

Dessa forma, cria-se uma divisão entre diferentes tipos de inteligência. 

Modelos generativos podem compreender a intenção do usuário, interpretar documentos, conversar, planejar atividades e decompor objetivos complexos. 

Modelos especializados em decisão podem assumir milhares de pequenas decisões operacionais necessárias durante a execução desses objetivos. 

E ferramentas de automação podem transformar essas decisões em processos empresariais executáveis, monitoráveis e rastreáveis. 

Assim, diferentes tecnologias começam a se complementar: 

Inteligência generativa compreende e auxilia. 

Modelos de decisão avaliam e decidem. 

Automação executa e controla o processo. 

Não significa necessariamente que todo processo utilizará um único modelo ou tecnologia. O ponto mais importante é arquitetural: diferentes tipos de inteligência podem ser utilizados de acordo com a natureza de cada problema. 

Um sistema inteligente precisa tomar decisões 

Esse conceito também ajuda a compreender por que modelos dessa categoria podem ser importantes para sistemas empresariais cada vez mais autônomos. 

Imagine um sistema responsável pela área comercial. 

Um gestor poderia orientá-lo: 

“Analise todas as oportunidades abertas. Priorize clientes estratégicos, considere o histórico de relacionamento e nossa capacidade de entrega. Quando identificar uma oportunidade importante que esteja esfriando, tome uma ação.” 

Compreender essa orientação é apenas uma parte do problema. 

Na operação diária, esse sistema precisará tomar continuamente pequenas decisões: 

Esta oportunidade exige atenção? 

Este cliente é estratégico neste contexto? 

Devo agir agora? 

Qual fluxo deve ser iniciado? 

É necessário envolver uma pessoa? 

Tenho confiança suficiente para executar essa ação autonomamente? 

É nesse nível que modelos especializados em decisões podem ganhar importância. 

O sistema deixa de ser apenas uma interface conversacional e passa a possuir mecanismos capazes de decidir continuamente dentro dos limites definidos pela organização. 

Da automação determinística para a automação contextual 

Durante muitos anos, automação empresarial significou principalmente ensinar ao software exatamente o que fazer. 

O desenvolvedor ou usuário precisava antecipar as situações e transformar cada uma delas em regras. 

A inteligência artificial introduz uma mudança importante nessa lógica. 

Nem todas as situações precisam necessariamente estar descritas individualmente. 

O sistema pode receber contexto suficiente para avaliar a situação e escolher entre possibilidades previamente permitidas. 

Isso não significa eliminar regras. 

Muito pelo contrário. 

Em ambientes empresariais, regras continuam essenciais para garantir segurança e compliance, definir limites financeiros, controlar permissões e assegurar o cumprimento de políticas que não admitem interpretação livre. 

A tendência é que os dois mundos coexistam. 

Regras determinísticas definem fronteiras. 

Inteligência artificial interpreta contexto dentro dessas fronteiras. 

Essa combinação pode ser particularmente importante para ERPs autônomos. 

Autonomia não significa ausência de controle 

Quanto mais um software passa a decidir e executar, maior se torna a importância da governança. 

Uma decisão sobre qual vendedor deve receber uma oportunidade possui consequências muito diferentes de uma decisão sobre liberar um pagamento de alto valor. 

Por isso, autonomia precisa ser proporcional ao risco. 

Modelos que fornecem informações de confiança permitem construir mecanismos nos quais o sistema pode agir.