¿Qué es Jev?

¿Qué cambia cuando un modelo lee el intercambio?

Pensemos en una disculpa seguida de «vale». Esa respuesta podría reconocer la disculpa, aceptarla o cerrar la conversación sin resolver nada. Contar la palabra «perdón» no puede distinguir esas lecturas.

La función de episodio plantea preguntas separadas: ¿hubo un intento de reparación?, ¿lo reconoció la otra persona?, ¿lo aceptó?, ¿y la conversación siguió más calmada durante los siguientes turnos? Separar esos pasos hace que el hallazgo sea más fácil de inspeccionar y menos propenso a exagerar lo ocurrido.

Cuatro vistas en evaluación

Estas vistas usan extractos seleccionados y acotados del análisis existente. No pretenden medir todos los intercambios. Cada vista informa de su cobertura y mantiene una ruta de vuelta a los mensajes originales. Permanecen no disponibles para los clientes mientras la evaluación está en curso.

• Interaction DNA: observa qué estados de conversación se suceden, como una revelación seguida de una evasión. Una conexión muestra orden, no causa.
• Repair Funnel: compara los intentos de cada persona de reconectar con el reconocimiento, la aceptación y una continuación más calmada. Unos pocos turnos más calmados no demuestran un cambio duradero.
• Vulnerability Response Map: examina cómo responde la otra persona cuando alguien expresa dolor, miedo o necesidad. Una respuesta ausente sigue siendo una respuesta ausente, no evidencia de intención.
• Question–Answer Fidelity: compara las respuestas a preguntas emocionales con las respuestas a preguntas prácticas. Sin respuesta visible no hay puntuación.

Qué hacer con un hallazgo

Empieza por el intercambio que hay detrás. Lee los mensajes anteriores y posteriores al turno citado. Pregúntate si el hallazgo sigue encajando cuando incluyes lo que ocurrió fuera de línea o lo que falta en la exportación.

Usa una observación concreta para iniciar una conversación: «Cuando te pregunté cómo te sentías, pasamos directamente a planear el fin de semana. ¿Podemos volver a esa pregunta?». Un informe puede ayudar a localizar el momento; no puede decidir qué quería decir ninguna de las dos personas.

Para las afirmaciones importantes, la nueva comprobación de episodios plantea tres preguntas separadas: ¿la evidencia respalda la lectura?, ¿es plausible otra lectura?, ¿y es suficiente la evidencia? Las reglas permiten la lectura, la marcan como tentativa o la omiten. No modifican los mensajes originales.

Dónde encaja Jev

TypeSafe AI desarrolla Jev. Grey Mirror accede a él a través de Vercel AI Gateway. Los analizadores existentes de Grey Mirror miden la conversación, Pattern Memory organiza los episodios y la recuperación conecta los hallazgos con la evidencia. Jev comprueba preguntas acotadas sobre ese material. El sistema de redacción de informes permanece separado.

Las integraciones actuales admiten la atribución de participantes y comprobaciones sobre determinadas afirmaciones generadas. Eso no significa que se haya verificado de forma independiente cada frase. La disponibilidad también depende de la configuración de la función y de si la comprobación tiene éxito.

Qué no pueden establecer estas comprobaciones

Los mensajes no revelan pensamientos privados. Un modelo no puede diagnosticar a una persona, establecer sus motivos ni demostrar que un mensaje causó un acontecimiento posterior. Una probabilidad expresa el juicio del modelo bajo el contexto proporcionado, no la probabilidad de que una interpretación sea objetivamente cierta.

Una sección faltante de la exportación, el sarcasmo, una conversación que continuó en persona o una atribución incorrecta de participantes pueden cambiar la lectura. Las nuevas vistas dejan los resultados desconocidos fuera de las tasas y revelan cuánto material se revisó.

Qué se envía para una comprobación

Jev no recibe el historial completo para una comprobación de episodio. Recibe un extracto compacto con etiquetas de participante estables y referencias de origen. Los nombres conocidos de los participantes y los datos de contacto habituales se enmascaran antes de que este extracto salga del servidor. El contexto aún puede identificar a personas; la censura no es una garantía de anonimato.

Las comprobaciones seleccionadas de afirmaciones del informe usan hechos derivados del informe y afirmaciones enmascaradas. La política de privacidad explica los encargados del tratamiento y el manejo de datos. La evidencia original sigue siendo accesible solo a través de los controles de acceso del informe privado.