Jev e PENSAI: quando l’IA decide, chi governa la decisione?
Jev propone la decisione. PENSAI potrebbe governarne il passaggio verso l’azione.
C’è qualcosa che sta cambiando nel modo in cui immaginiamo gli agenti di intelligenza artificiale.
Per anni abbiamo associato l’IA soprattutto alla capacità di generare. Una domanda, una risposta. Un testo, un codice, un’immagine. Abbiamo costruito intorno alla conversazione gran parte del nostro rapporto con le macchine.
Ma un agente che deve realmente lavorare non passa tutto il suo tempo a parlare.
Deve scegliere.
Quale strumento utilizzare? Quale documento considerare? Deve continuare? Deve fermarsi? Può eseguire un’azione? È necessario chiedere l’intervento di una persona?
In molti di questi casi non serve una pagina di testo.
Serve una decisione.
È da questa osservazione che diventa interessante Jev, il modello presentato da TypeSafe come primo System One Model. TypeSafe lo descrive come un modello progettato per produrre decisioni strutturate che il software possa utilizzare direttamente, accompagnate da probabilità e confidence. [1]
La domanda che mi sono posto, leggendo questa proposta, è però un’altra:
se una macchina può decidere, chi governa quella decisione prima che diventi un’azione?
È qui che Jev e PENSAI possono incontrarsi.
Non necessariamente perché uno debba sostituire l’altro. Forse, al contrario, proprio perché svolgono funzioni differenti.
La decisione non è ancora l’azione
Immaginiamo un agente che riceva una richiesta.
Jev potrebbe stabilire che la richiesta appartiene, con una determinata probabilità, alla categoria “tecnico”. È esattamente il tipo di decisione strutturata per cui il modello è stato concepito. La documentazione pubblica di TypeSafe mostra infatti un’API nella quale il sistema può ricevere domande sì/no, scegliere tra alternative o assegnare valutazioni. [2]
Ma quella decisione, da sola, non ci dice ancora tutto.
Possiamo conoscere la scelta preferita dal modello. Possiamo conoscere la sua confidence. Possiamo avere un risultato perfettamente conforme allo schema previsto.
Ma non abbiamo ancora stabilito che quell’azione debba essere eseguita.
Questa distinzione mi sembra fondamentale.
Una risposta può essere formalmente valida e tuttavia sbagliata.
Lo stesso materiale pubblicato su Jev riconosce una distinzione importante: un output può essere conforme allo schema e, nello stesso tempo, rappresentare una decisione errata. [3]
E anche una decisione corretta non è necessariamente un’autorizzazione.
Un sistema può sapere cosa sarebbe opportuno fare e, nello stesso momento, avere una policy che impedisce di farlo automaticamente.
È qui che la parola governance acquista un significato concreto.
Dove potrebbe entrare PENSAI
PENSAI non nasce per essere un altro chatbot e non avrebbe molto senso trasformarlo in un concorrente di Jev.
La sua funzione potrebbe essere un’altra.
Jev potrebbe dire:
“Questa è la decisione che propongo.”
PENSAI potrebbe chiedere:
“Questa decisione soddisfa le condizioni necessarie per diventare un’azione?”
E il software potrebbe infine occuparsi di una cosa ancora diversa:
“Eseguo ciò che è stato autorizzato.”
In questa prospettiva la sequenza sarebbe:
Jev → decisione
PENSAI → governance
software → esecuzione
verifica → controllo del risultato
È una differenza apparentemente piccola, ma cambia il modo in cui guardiamo all’agente.
Il modello non deve necessariamente avere l’ultima parola.
Questa è però un’ipotesi architetturale, non una proprietà già dimostrata dell’integrazione Jev-PENSAI.
La confidence non dovrebbe diventare un lasciapassare
È facile cadere in un equivoco.
Se un modello restituisce una confidence del 91%, si potrebbe essere tentati di considerare quel valore come una sorta di autorizzazione implicita.
Ma 91% non significa “puoi procedere”.
La stessa TypeSafe presenta la confidence come uno strumento che consente al software di stabilire soglie operative: quando agire autonomamente e quando chiedere una revisione. [4]
La differenza è importante:
confidence non significa verità.
E neppure:
confidence significa autorizzazione.
La confidence è un’informazione prodotta dal modello.
L’autorizzazione appartiene invece al sistema che utilizza quella informazione.
Questa separazione potrebbe essere uno dei punti nei quali PENSAI può trovare una funzione concreta.
Ma PENSAI non deve presumere di avere ragione
C’è però un’altra faccia della questione.
Sarebbe altrettanto sbagliato pensare che, una volta inserito PENSAI, il problema sia risolto.
PENSAI può sbagliare.
Può applicare male un criterio.
Può essere troppo prudente.
Può bloccare un’azione corretta.
Può non riconoscere un caso particolare.
Può aggiungere complessità senza produrre un vantaggio reale.
Per questo non mi interessa costruire un’architettura nella quale PENSAI venga considerato, per definizione, superiore al modello.
Mi interessa costruire un’architettura nella quale anche PENSAI possa essere messo alla prova.
Questa, per me, è la parte più importante.
La governance non comincia dopo il modello
Il NIST AI Risk Management Framework offre un riferimento interessante proprio perché considera la gestione del rischio come una funzione che attraversa l’intero ciclo di vita del sistema. Il framework organizza il lavoro nelle quattro funzioni Govern, Map, Measure e Manage, precisando che la governance è trasversale alle altre tre. [5]
Non significa che il NIST descriva PENSAI.
Non lo descrive.
Significa però che l’idea di una governance distinta dalla semplice produzione dell’output del modello è compatibile con una visione nella quale l’IA viene valutata come sistema e non soltanto come modello.
Il NIST insiste inoltre sulla necessità di misurare, valutare e monitorare i rischi, compresi i risultati dei test e le relative incertezze. [5][6]
Questo porta a una conseguenza metodologica semplice:
non basta sapere che cosa ha deciso il modello. Bisogna sapere che cosa è accaduto dopo quella decisione.
Anche l’AI Act parte da una logica simile
Il quadro europeo introduce un’altra prospettiva utile.
Per i sistemi di IA ad alto rischio, l’articolo 9 dell’AI Act richiede un sistema di gestione del rischio continuo e iterativo durante l’intero ciclo di vita. Il regolamento prevede inoltre che i sistemi siano testati rispetto a metriche e soglie probabilistiche definite in precedenza e adeguate alla finalità prevista. [7]
L’articolo 14 affronta invece la supervisione umana. Per i sistemi ad alto rischio, stabilisce che la supervisione debba essere effettiva e proporzionata al rischio, al livello di autonomia e al contesto. Prevede inoltre, tra le altre possibilità, che le persone possano interpretare l’output, ignorarlo, annullarlo o interrompere il sistema quando necessario. [8]
Anche qui bisogna evitare una conclusione che le fonti non autorizzano.
L’AI Act non richiede PENSAI.
PENSAI non è una certificazione dell’AI Act.
La relazione è un’altra: alcuni principi del regolamento rendono rilevante la separazione tra ciò che un modello produce e ciò che il sistema autorizza effettivamente a fare.
Forse il punto non è chi decide
A questo punto il problema cambia.
Non dobbiamo necessariamente chiedere:
“Chi prende la decisione?”
Dobbiamo chiederci:
“Quanti passaggi ci sono tra una decisione prodotta da un modello e un’azione reale?”
In un sistema semplice potrebbero essere soltanto due:
Jev → codice.
In un sistema più governato:
Jev → controllo → autorizzazione → codice.
La seconda architettura non è automaticamente migliore.
È semplicemente più articolata.
E ogni livello aggiuntivo deve quindi dimostrare di avere una ragione.
Questo vale anche per PENSAI.
Il vero test è proprio quello che può smentirci
Non farei un confronto teorico fra Jev e PENSAI.
Prenderei un problema reale.
Lo stesso problema verrebbe sottoposto a due sistemi.
Nel primo:
Jev → codice → azione.
Nel secondo:
Jev → PENSAI → codice → azione.
Stessi dati.
Stesso modello.
Stesse condizioni.
Stesso problema.
E soprattutto: criteri di valutazione stabiliti prima del test.
A quel punto si potrebbero osservare gli errori, i casi nei quali il sistema si ferma, quelli nei quali chiede l’intervento umano, i tempi, i costi e soprattutto le decisioni che vengono correttamente bloccate o erroneamente autorizzate.
Il risultato potrebbe essere favorevole a PENSAI.
Potrebbe essere neutro.
Potrebbe essere contrario.
Tutti e tre i risultati sarebbero utili.
Perché il valore di un metodo non dovrebbe dipendere dal fatto che l’esperimento confermi la teoria.
E se PENSAI aggiungesse soltanto complessità?
È una possibilità reale.
Un ulteriore livello di controllo può aumentare latenza e costi.
Può produrre falsi blocchi.
Può richiedere più interventi umani.
Può rendere più difficile progettare il sistema.
Può persino creare una falsa impressione di sicurezza.
Per questo la domanda non dovrebbe essere:
“Possiamo mettere PENSAI davanti a Jev?”
Tecnicamente, probabilmente sì.
La domanda importante è:
“Il risultato ottenuto giustifica il livello aggiuntivo?”
È una domanda molto più difficile.
Ed è quella che dovrebbe guidare l’esperimento.
C’è anche un aspetto economico
Jev non è soltanto un concetto di ricerca. TypeSafe lo sta sviluppando come prodotto commerciale e presenta il modello come infrastruttura per decisioni integrate nel software. La società dichiara inoltre costi e prestazioni specifiche per i propri workflow e per i propri benchmark. [1][4]
Questo significa che esiste già una possibile economia del modello decisionale.
PENSAI, se diventasse un prodotto, potrebbe occupare un altro spazio.
Non necessariamente vendere:
“un modello che decide meglio”.
Potrebbe invece vendere:
“un livello che governa le decisioni prodotte da modelli diversi”.
La distinzione è importante.
Un’organizzazione potrebbe utilizzare Jev per le decisioni e PENSAI per applicare criteri, policy, soglie, verifiche e tracciabilità.
Ma anche qui non bisogna anticipare il mercato.
Non sappiamo se le aziende sarebbero disposte a pagare per questo livello.
Lo si deve dimostrare.
La vera forza potrebbe essere l’indipendenza dal modello
C’è però un’idea che considero particolarmente interessante.
Se PENSAI è realmente un livello di governance, non dovrebbe dipendere necessariamente da Jev.
Oggi potrebbe ricevere una decisione da Jev.
Domani da un altro modello.
Oppure da un modello locale.
Oppure da un classificatore.
In alcuni casi potrebbe persino ricevere una decisione prodotta da regole deterministiche.
La governance dovrebbe rimanere separata dal motore che ha prodotto la proposta.
In teoria:
modello diverso → stessa governance.
Se questa proprietà fosse verificata, PENSAI non sarebbe legato a un singolo fornitore.
Ma anche questa è un’ipotesi.
Deve essere provata.
La domanda che rimane
Dopo aver studiato Jev, la sua documentazione pubblica, il quadro NIST e l’AI Act, la domanda che mi rimane non è:
“Jev è migliore degli LLM?”
E nemmeno:
“PENSAI è migliore di Jev?”
Sono domande troppo generiche.
La domanda realmente interessante è:
Che cosa cambia quando una decisione prodotta da un modello viene sottoposta a un livello indipendente di governance prima di poter produrre un effetto reale?
Questa domanda è abbastanza precisa da poter essere sperimentata.
E soprattutto è abbastanza aperta da poter essere smentita.
Potremmo scoprire che, per determinati problemi, Jev è già sufficiente.
Potremmo scoprire che PENSAI aggiunge valore soltanto in presenza di determinate condizioni.
Potremmo scoprire che alcuni livelli di governance sono utili e altri sono soltanto complessità.
Potremmo persino scoprire che il vantaggio non è nella qualità della decisione, ma nella possibilità di controllare e documentare il passaggio dalla decisione all’azione.
Non lo sappiamo ancora.
Ed è proprio questo il punto.
Non una fusione, ma una separazione
Forse il modo più semplice per raccontare questa possibile relazione è questo:
Jev decide.
PENSAI governa.
Il software esegue.
La verifica controlla.
Non significa che Jev sia incompleto.
Non significa che PENSAI sia necessario.
Non significa che questa architettura sia migliore.
Significa soltanto che esiste una possibile separazione delle responsabilità che può essere sottoposta a verifica.
Ed è forse questa la direzione più interessante.
Non costruire una macchina che pretende di fare tutto.
Ma costruire sistemi nei quali sia possibile capire chi decide, chi governa, chi autorizza, chi esegue e chi verifica.
Se questa separazione produrrà un vantaggio reale, dovrà dimostrarlo sul campo.
PENSAI, in questo caso, non dovrebbe chiedere di essere creduto.
Dovrebbe accettare di essere messo alla prova.
Fonti
[1] TypeSafe AI — “Introducing System One Models & Jev”, 15 settembre 2026.
Fonte primaria per la presentazione di Jev, System One Models, RLCD, output tipizzati, confidence, prestazioni e casi d’uso dichiarati da TypeSafe. TypeSafe AI — Introducing System One Models & Jev
[2] TypeSafe AI — API Documentation.
Documentazione dell’API pubblica di Jev e delle operazioni decisionali disponibili. TypeSafe AI — API Documentation
[3] Documento analizzato: “Che cos’è Jev? Perché gli agenti IA potrebbero aver bisogno di modelli decisionali, non di altri chatbot”.
La fonte distingue esplicitamente tra output conforme allo schema e decisione effettivamente corretta.
[4] TypeSafe AI — sito ufficiale.
Descrizione di Jev come modello per decisioni tipizzate con probabilità calibrate e soglie per l’azione autonoma o l’escalation. TypeSafe AI
[5] NIST — Artificial Intelligence Risk Management Framework 1.0.
Il framework definisce le quattro funzioni Govern, Map, Measure e Manage e considera la governance trasversale alla gestione del rischio. NIST AI Risk Management Framework 1.0
[6] NIST AI RMF Core.
Indicazioni relative a misurazione, benchmarking, test, incertezza, documentazione e monitoraggio dei sistemi IA. NIST AI RMF Core
[7] Regolamento (UE) 2024/1689 — AI Act, articolo 9.
Gestione del rischio continua e iterativa, misure di mitigazione e test rispetto a metriche e soglie definite. AI Act — articolo 9, EUR-Lex
[8] Regolamento (UE) 2024/1689 — articolo 14, sorveglianza umana.
Supervisione umana, interpretazione dell’output, possibilità di ignorarlo o annullarlo e intervento/interruzione del sistema nei casi previsti. AI Act — articolo 14, EUR-Lex
Disclaimer AI
Questo saggio è stato elaborato con l’assistenza dell’intelligenza artificiale. Le informazioni relative a Jev e TypeSafe sono basate principalmente sulle fonti pubbliche indicate e sulle dichiarazioni del produttore; le loro affermazioni su prestazioni, velocità, costi e capacità non sono state presentate come prove indipendenti. I riferimenti NIST e AI Act sono utilizzati come riferimenti metodologici e normativi e non costituiscono certificazione, approvazione o validazione di PENSAI. Il testo non costituisce consulenza legale, normativa, finanziaria o di sicurezza.
Views: 3
