Jev คืออะไร และทำไมโลก AI ถึงเริ่มหันมาสนใจ
Jev คือ AI โมเดลสำหรับนักพัฒนาแนวใหม่ที่ถูกออกแบบมาเพื่อการตัดสินใจแบบมีโครงสร้าง ไม่ใช่เพื่อสนทนากับมนุษย์ โดยรับข้อมูลสถานะจากระบบแล้วส่งคืนผลลัพธ์เป็นค่าที่กำหนดประเภทไว้อย่างชัดเจนพร้อมค่าความน่าจะเป็น ช่วยให้ซอฟต์แวร์นำไปใช้ตัดสินใจหรือสั่งงานขั้นต่อไปได้ทันที โดยไม่ต้องผ่านขั้นตอนสร้างข้อความยาวเหมือนโมเดลภาษาแบบเดิม โมเดลนี้ถูกพัฒนาโดยบริษัท TypeSafe AI ซึ่งก่อตั้งโดยอดีตนักวิจัยจากองค์กรที่เคยมีบทบาทสำคัญในการผลักดันเทคโนโลยี ChatGPT มาก่อน และถูกนิยามว่าเป็น System One Model หรือโมเดลที่เน้นการตัดสินใจเร็วและมีโครงสร้าง การเปิดตัวอย่างเป็นทางการเกิดขึ้นวันที่ 15 กันยายน โดยเปลี่ยนโจทย์จากการทำให้ AI คุยเก่ง ไปสู่การทำให้ AI ตัดสินใจในซอฟต์แวร์ได้อย่างมีประสิทธิภาพ
จากโมเดลพูดเก่งสู่โมเดลตัดสินใจเร็ว 193 เท่า
เบื้องหลังการเกิด Jev มาจากคำถามตรงไปตรงมาว่า เมื่อโมเดลภาษาอย่าง ChatGPT และ Gemini พูดคุยกับมนุษย์ได้ดีขึ้นมากแล้ว เหตุใดเราจึงยังไม่เห็นระบบที่ปล่อยให้ AI ทำงานอัตโนมัติแทนมนุษย์อย่างแพร่หลาย คำตอบอยู่ที่ช่องว่างระหว่างข้อความที่มนุษย์อ่านเข้าใจ กับผลลัพธ์ที่ซอฟต์แวร์ต้องการคือข้อมูลเชิงโครงสร้างที่สามารถนำไปสั่งงานต่อได้ทันที TypeSafe จึงออกแบบ Jev ให้ตัดขั้นตอนการสร้างข้อความออกไป แล้วเปลี่ยนเป็นการส่งคืนผลลัพธ์แบบ typed decision พร้อมค่าความน่าจะเป็นและความเชื่อมั่นเพื่อใช้ขับเคลื่อนขั้นตอนในระบบโดยตรง ตามการทดสอบ Workflow Evals ที่จำลองขั้นตอนการทำงานจริง Jev ทำงานเร็วกว่า LLM รุ่นใหม่หลายตัวได้สูงสุดประมาณ 193.6 เท่า และมีต้นทุนการประมวลผลต่ำกว่าประมาณ 444.6 เท่า ซึ่งเป็นตัวเลขที่สะท้อนชัดว่าการตัดสินใจด้วย AI เร็ว กำลังเป็นสนามแข่งขันใหม่
แนวคิดแบบ type-safe primitives โมเดลที่คิดเหมือนฟังก์ชันในโค้ด
จุดที่ทำให้นักพัฒนาให้ความสนใจกับ Jev ไม่ใช่แค่ความเร็ว แต่คือวิธีคิดที่ใกล้เคียงกับโลกโปรแกรมมิง Jev ถูกมองว่าเป็นเหมือนฟังก์ชันอัจฉริยะที่รับอินพุตแล้วคืนค่าเอาต์พุตที่ถูกกำหนดสคีมาไว้ล่วงหน้าอย่างชัดเจน ผ่าน primitive สามแบบคือ Choice Score และ Noul ซึ่งทั้งหมดเป็นการตัดสินใจในรูปข้อมูลที่อ่านได้แบบเป็นโครงสร้าง เมื่อ Jev ไม่สร้างข้อความอิสระ ผู้ใช้จำเป็นต้องนิยามสคีมาและชุดตัวเลือกให้เรียบร้อยก่อนถาม ทำให้มันเป็น AI โมเดลสำหรับนักพัฒนาที่เน้นวางแผนและตั้งค่าอย่างเป็นระบบมากกว่าการพิมพ์ prompt แบบลองผิดลองถูก แนวทาง type-safe primitives นี้สะท้อนทิศทางตลาด AI ที่เริ่มขยับจากโมเดลสารพัดประโยชน์ไปสู่โมเดลเฉพาะทางที่อัดความเร็วและความชัดเจนด้านข้อมูล เพื่อให้เชื่อมต่อกับ workflow นักพัฒนาได้แนบเนียนกว่าเดิม
Jev AI ทดสอบเว็บด้วย Playwright MCP ตัวอย่างการใช้ในงานจริง
ตัวอย่างการใช้งานที่เริ่มถูกพูดถึงคือการนำ Jev AI ทดสอบ web application ร่วมกับเครื่องมืออย่าง Playwright MCP ในงาน Proof of Concept ที่มีการสาธิต ผู้ใช้จะกำหนด scenario การทดสอบ เช่น การคลิกสินค้า การตรวจจำนวนในรถเข็น และการกรอกฟอร์ม จากนั้นใช้ LLM แยก scenario ออกเป็น task ย่อยหลายขั้นตอน แล้วให้ Playwright MCP อ่านสถานะหน้าเว็บปัจจุบันมาสร้าง context ก่อนส่งให้ Jev ช่วยตัดสินใจว่าแต่ละ task ควรใช้ action หรือ tool ใดจาก Playwright MCP หากค่าความเชื่อมั่นจาก Jev มากกว่า 80 เปอร์เซ็นต์ระบบก็จะดำเนินการตามนั้น แต่ถ้าต่ำกว่าก็จะ fallback กลับไปใช้ LLM ตัดสินใจแทน ผลที่ได้คือการทดสอบผ่านเบราว์เซอร์ที่เร็วขึ้นอย่างเห็นได้ โดยเคสหนึ่งรายงานว่าจากเดิมใช้เวลาประมาณเกือบนาที หากเชื่อม Jev เข้ามาเหลือเพียงไม่กี่วินาที แต่ต้องแลกกับการเขียน scenario ให้ชัดเจนและเป็นระบบมากกว่าเดิม
Jev กับการเปลี่ยนสมรภูมิ AI สู่โมเดลความเร็วสูงสำหรับ workflow เฉพาะ
แม้ช่วงแรก Jev ยังไม่ได้ถูกวางตัวให้เป็น Chatbot สำหรับผู้ใช้ทั่วไป แต่ถูกให้บริการผ่าน API เพื่อให้นักพัฒนาเชื่อมเข้ากับแอปพลิเคชัน ระบบ AI Agent หรือเครื่องมือทดสอบต่าง ๆ โดยตรง นั่นสะท้อนทิศทางชัดเจนว่า AI ความเร็วสูงกำลังถูกออกแบบให้เป็นส่วนประกอบลึกในซอฟต์แวร์ ไม่ใช่เพียงหน้าต่างแชตต่อผู้ใช้ เมื่อการตัดสินใจของ AI มีต้นทุนถูกลงและรวดเร็วขึ้น ทีมผู้สร้าง Jev เชื่อว่าจะเกิดปรากฏการณ์แบบ Jevons Paradox ในโลก AI คือองค์กรจะนำ AI ไปตัดสินใจในงานยิบย่อยจำนวนมากขึ้น ตั้งแต่คัดกรองข้อมูล ตรวจธุรกรรม ไปจนถึงอนุมัติขั้นตอนต่าง ๆ แบบอัตโนมัติ ในมุมมองของผู้เขียน การมาของ Jev คือสัญญาณว่าตลาด AI เริ่มแบ่งชัดระหว่างโมเดลสายสนทนา และโมเดลสายตัดสินใจที่ออกแบบมาชน workflow นักพัฒนาโดยเฉพาะ ใครต้องการแอปที่คิดได้เร็วในระดับมิลลิวินาที การพึ่ง LLM ทั่วไปอาจไม่พออีกต่อไป
