Jev + DecisionRules, parte 1

No dia seguinte ao lançamento do Jev, o primeiro modelo System One, um amigo nos escreveu perguntando qual era a relação dele com a nossa ferramenta, DecisionRules. Na verdade, ambos são usados para automatizar decisões: Jev é um modelo de decisão; DecisionRules é um motor de decisões. O objetivo deste artigo é responder à pergunta desse amigo (que implicitamente questiona qual solução é melhor). A conclusão, sem surpresa, é que uma comparação competitiva parte de premissas equivocadas. Essas duas ferramentas não são rivais; elas se complementam na automação de decisões. Ainda assim, é preciso demonstrar isso por meio de uma argumentação clara.

Tese

Jev e DecisionRules têm uma interseção na automação de decisões. Queremos mostrar, por meio de uma análise por casos, que 1. Se presumirmos que competem nessa interseção, o resultado é que são ferramentas que podem ser combinadas e 2. Se presumirmos que se complementam nessa interseção, o resultado também é que podem ser combinadas. Portanto, são ferramentas combináveis e formam uma boa parceria para a transformação digital esperada nos próximos anos.

Justificativa

1. Para começar, esclarecemos que elas pertencem a famílias de sistemas diferentes, de modo que uma comparação pode parecer problemática. No entanto, são líderes em suas respectivas categorias, e sua alta qualidade oferece a melhor base para avaliar a abordagem geral de ambos os sistemas.

a. Jev: Uma solução de IA. O modelo se chama System One Model, com uma estrutura interna semelhante à dos LLMs, mas modificada para garantir respostas com tipos seguros. Afirma oferecer uma solução de IA confiável para uma revolução econômica.

b. DecisionRules: Um motor moderno de regras de decisão. Com base no legado dos motores de regras de negócio (BREs), esse software permite criar e centralizar os padrões de uma empresa, ou seja, suas regras de negócio. Afirma oferecer uma interface intuitiva, sem código ou com pouco código, para uso direto por equipes não técnicas.

2. O cenário atual de transformação digital leva as empresas a preparar suas plataformas tecnológicas para o futuro. Diretores de tecnologia e arquitetos de soluções enfrentam a pressão de escolher as melhores ferramentas para essa transformação, equilibrando requisitos tecnológicos, comerciais e legais. Uma avaliação precisa dessas duas importantes ferramentas de automação de decisões ajuda a orientar essa tarefa. Além disso, se os gestores estão escolhendo entre fornecedores externos e soluções internas, este artigo oferece um contexto valioso para suas decisões.

3. De forma mais ampla, ceticismo e esperança estão presentes em todo investimento em IA. Nesse contexto, comparar soluções de IA com outras ferramentas do mercado pode ajudar a formar opiniões mais maduras e promover discussões mais saudáveis no setor.

Metodologia

Comparamos Jev e DecisionRules e, a partir dos resultados, deduzimos que as propriedades analisadas não colocam as duas ferramentas em oposição, mas revelam que elas podem ser combinadas. Se presumirmos que são complementares, é intuitivo que possam ser combinadas; além disso, a própria análise mostra como isso acontece.

Para a comparação, dividimos as propriedades (funcionalidades dos sistemas) em dois grupos:

A avaliação de cada funcionalidade varia conforme o grupo.

No primeiro grupo, os recursos são avaliados com base na experiência prática em automação digital. Como projetos reais de automação com impacto econômico são essencialmente práticos, a experiência profissional (corroborada por documentação teórica e exemplos) constitui o melhor referencial. Classificamos como ótimo o recurso superior em cada categoria.

No segundo grupo, os recursos são originais e, portanto, avaliados pelos benefícios adicionais que trazem à automação prática. Classificamos esses benefícios como vantagens. (Esse grupo é apresentado na parte 2 deste artigo.)

Para chegar à conclusão, combinamos os recursos ótimos e as vantagens de cada sistema. Juntos, eles sustentam o argumento de que Jev não substitui DecisionRules; pelo contrário, o ambiente digital atual favoreceu uma forte simbiose entre ambos. (Essa conclusão será apresentada na parte 2.)

Semelhanças

Modelo de saída estruturada

Ao contrário dos LLMs atuais, a IA TypeSafe apresentada recentemente, chamada Jev, não retorna texto gerado para leitura humana. Assim como DecisionRules, Jev está limitado a retornar um elemento de um conjunto predefinido de saídas. Esse conjunto pode conter uma, duas ou centenas de opções, mas o sistema só pode retornar resultados que pertençam a ele. As vantagens são muitas: não é necessário interpretar o formato, pois os resultados já são estruturados; o comportamento do sistema pode ser controlado; e os usuários têm mais controle.

O primeiro System One Model oferece três primitivas (ou tipos de pergunta), cada uma correspondente a um conjunto distinto de resultados possíveis:

Para cada um desses conjuntos predefinidos, a seleção é simples. Diante de uma pergunta, a IA realiza uma análise probabilística e escolhe a opção, a posição ou o valor lógico com a maior probabilidade.

DecisionRules define visualmente os conjuntos de saídas, e diferentes tipos de regra os representam de maneiras distintas. Por exemplo, em uma tabela de decisão, a coluna de resultados pode listar qualquer número de saídas possíveis, permitindo expressar opções, posições, valores booleanos e muito mais.

Até aqui, as abordagens são semelhantes. O recurso ótimo se destaca quando um cenário exige respostas com estruturas complexas.

Em DecisionRules, a resposta é clara desde o início: a plataforma retorna um array de objetos JSON personalizáveis. Esse modelo simples permite criar estruturas JSON mais complexas para cada elemento do array. Por exemplo, é possível retornar o melhor produto ou os três melhores produtos de uma lista; um status de falha acompanhado de um array de validações malsucedidas; ou vários mapas de dados.

As respostas do Jev são intencionalmente atômicas: cada pergunta retorna um valor tipado com sua distribuição de probabilidades, e a TypeSafe recomenda combinar essas respostas por programação. Padrões avançados, como percorrer uma taxonomia por meio de várias perguntas, são possíveis, mas a forma de cada resposta individual permanece a mesma. Cenários complexos, como associar um ID de produto ao desconto resultante, não têm suporte nativo.

Portanto, o modelo de saída estruturada do DecisionRules oferece mais flexibilidade e capacidade para diversos cenários de resultado e, por isso, é ótimo.

Entrada em linguagem natural

Há dois anos, não era evidente que um motor de regras de negócio pudesse processar linguagem natural. No entanto, os rápidos avanços da IA permitiram que motores modernos de regras de decisão incorporassem essa capacidade. No segundo trimestre de 2026, DecisionRules esteve entre os primeiros motores a lançar uma nova regra AI Agent, integrando recursos de LLM a fluxos rigorosos de decisão.

A ideia por trás da regra AI Agent se assemelha à visão do Jev. Os engenheiros da DecisionRules criaram uma estrutura que permite conectar um provedor próprio de LLM (por exemplo, OpenAI, Anthropic ou Google) em um modelo de entrada/saída restrito. A regra recebe entradas definidas em seu modelo de entrada, como texto livre, documentos ou transcrições, e retorna saídas JSON estruturadas e com tipos seguros. A linguagem natural entra pelo prompt de IA, no qual os usuários inserem atributos dinâmicos da entrada; o restante do prompt permanece fixo. A lógica de cada saída possível é definida de maneira semelhante à do Jev, com descrições de critérios associadas aos elementos de saída.

Para entender melhor como o AI Agent transforma entradas em linguagem natural em dados estruturados para as regras seguintes, consulte AI Agent no DecisionRules: o primeiro tipo de regra que pensa.

Está claro que modelos System One como o Jev processam linguagem natural. A questão de qual solução é mais adequada aqui depende do desempenho.

Em testes com tarefas reais de decisão do setor financeiro, o Jev apresentou respostas mais rápidas e precisas do que a regra AI Agent baseada em LLMs de uso geral. Nesse sentido, um System One Model transforma melhor entradas não estruturadas em dados estruturados. Portanto, o processamento de linguagem natural do Jev é ótimo.

Confiança

O Jev busca ser um modelo confiável, por isso o sistema retorna um valor de confiança junto com cada Choice ou Score. Isso associa uma medida de confiabilidade ao resultado. Dois benefícios se destacam. Primeiro, oferece controle: sistemas que consomem as saídas do Jev podem definir um limite mínimo de confiança e processar resultados apenas quando a certeza é alta. Segundo, o Jev é treinado para representar honestamente seu grau de certeza. Se reunirmos todas as respostas em que o Jev indica 80% de confiança, aproximadamente 80% delas estarão corretas. A TypeSafe chama esse método de treinamento de RLCD.

DecisionRules também oferece confiança, mas não como um valor anexado ao resultado. Como o nível de confiança é sempre o mesmo para cada resposta, ele pode ser considerado implícito. O nível de um software previsível e determinístico é 100%. A interface criada para usuários não técnicos não compromete a lógica condicional subjacente da programação convencional.

Qual recurso é ótimo depende do caso de uso, pois diferentes cenários envolvem prioridades diferentes. Na prática, porém, setores como finanças, seguros, manufatura e logística exigem previsibilidade total. Isso é inegociável para equipes técnicas e fornecedores.

Embora os modelos System One sejam otimizados com base nos resultados, produzindo probabilidades mais bem calibradas, eles afirmam explicitamente que não há garantia de que cada resposta individual esteja correta. Em ambientes corporativos, as decisões ideais dependem de sistemas previsíveis e determinísticos nos quais, além disso, os processos possam ser inspecionados passo a passo, como nas auditorias do DecisionRules.

Portanto, o modelo de confiança do DecisionRules é ótimo.

Continua…

Até aqui, levamos a comparação competitiva às últimas consequências lógicas, obrigando-nos a escolher uma opção superior em cada caso. Na próxima parte, examinaremos as funcionalidades exclusivas de cada sistema. Isso trará novas perspectivas e mostrará ainda mais por que não são concorrentes, mas colaboradores.