Nem toda IA precisa gerar texto: como o bitERP usa o Jev na importação de planilhas

Resposta rápida: o Jev é um modelo de decisão da TypeSafe criado para escolher entre alternativas definidas e informar a confiança da resposta. No bitERP, ele é usado em pontos do produto que pedem uma escolha fechada. Um deles é a sugestão de mapeamento das colunas de uma planilha. Na medição interna de 19/09/2026, a combinação entre regras determinísticas e Jev elevou a cobertura automática de 51,1% para 86,7%, com confirmação do usuário antes da importação.

Um modelo de linguagem é uma boa escolha quando a tarefa exige interpretar um pedido e produzir uma resposta em texto. Esse formato deixa de ser a opção mais direta quando o software precisa escolher um item de uma lista fechada.

Foi esse o problema que encontramos na importação de planilhas do bitERP. O sistema precisava reconhecer que Vlr. Unit. significava preço unitário e que Fone correspondia a telefone, sem criar um campo que não existe. Neste artigo, mostramos por que escolhemos um modelo de decisão, como o fluxo foi estruturado e quais limites mantivemos de propósito.

A importação começa com um de-para de colunas

Quando uma empresa começa a usar um ERP, ela precisa trazer os dados que já possui. Clientes, fornecedores, produtos e contas a pagar costumam chegar em planilhas exportadas de outro sistema.

O problema é que uma planilha real raramente usa os mesmos nomes técnicos do sistema que vai recebê-la. Alguns exemplos:

• Vlr. Unit. precisa ser associado a preço unitário.
• Razão Social precisa ser associado a nome legal.
• Fone precisa ser associado a telefone.
• Cod. precisa ser associado a código de referência.
• Fornec. precisa ser associado a fornecedor.

A regra anterior comparava as palavras do cabeçalho com os nomes dos campos do bitERP. Ela funcionava quando existia alguma correspondência textual e deixava as demais colunas para o usuário resolver manualmente.

Em uma das primeiras etapas de uso do produto, cada coluna sem resposta representa mais uma decisão antes de concluir a importação. Era um ponto adequado para testar uma segunda camada de IA, desde que ela não substituísse as regras nem retirasse a confirmação humana.

Por que um LLM não era a ferramenta mais adequada

O bitERP já usa Claude e GPT no chat e nos agentes. Quando você digita uma solicitação, esses modelos ajudam a interpretar o pedido e conduzir uma operação no sistema.

O mapeamento de colunas tem outro formato. A resposta necessária não é uma explicação. É um campo específico do catálogo do bitERP.

Um LLM gera texto livre. Mesmo quando recebe instruções para responder em um formato estruturado, a saída precisa ser analisada e validada antes que o software possa usá-la. O modelo pode devolver outro nome, acrescentar uma explicação ou produzir uma resposta fora das alternativas esperadas.

No mapeamento, queríamos três propriedades:

• Alternativas fechadas. A resposta deve ser um dos campos oferecidos ou a opção de que nenhum campo corresponde à coluna.
• Confiança numérica. O sistema precisa decidir quando aplicar uma sugestão e quando deixar a coluna para revisão manual.
• Saída utilizável pelo software. A resposta deve chegar em um formato definido, sem uma etapa adicional de interpretação de texto.

Esse é o tipo de problema que motivou a TypeSafe a criar o Jev.

O que é o Jev, modelo de decisão da TypeSafe

O Jev foi apresentado pela TypeSafe em setembro de 2026 como seu primeiro System One model. A proposta é produzir decisões tipadas que um software possa usar diretamente, acompanhadas por probabilidades e um grau de confiança.

Na prática, a diferença aparece na saída:

Um LLM de texto pode gerar frases, explicações, código e outros conteúdos abertos. Essa flexibilidade é útil para chat, agentes e tarefas que exigem linguagem.

O Jev escolhe entre opções definidas pelo sistema. Ele não pode devolver um valor fora do tipo e da lista fornecidos. Isso impede que o modelo crie um campo inexistente, mas não significa que toda escolha será correta. Por esse motivo, a confiança e as travas do fluxo continuam necessárias.

A TypeSafe descreve o Jev como um modelo voltado a decisões rápidas e estruturadas dentro de software. A cobertura do The Register também destaca a saída probabilística e tipada como a principal diferença em relação aos modelos de texto.

O Jev não substitui Claude e GPT no bitERP. Ele atende outra classe de tarefa. O chat e os agentes precisam compreender linguagem e conduzir operações. O mapeamento de colunas precisa escolher entre campos conhecidos.

Para conhecer a arquitetura de agentes do produto, leia também como o bitERP usa o Mastra para orquestrar agentes de IA.

Como o bitERP usa o Jev na importação de planilhas

O fluxo combina regras determinísticas, uma escolha fechada feita pelo modelo e a decisão final do usuário.

1. O cliente envia a planilha. O assistente aceita os formatos previstos para a importação.
2. A regra determinística trabalha primeiro. A comparação de palavras mapeia os cabeçalhos que consegue reconhecer sem IA.
3. O Jev recebe somente as lacunas. O bitERP faz uma chamada para as colunas que continuam sem resposta. As alternativas incluem apenas os campos ainda disponíveis e uma opção de escape: “esta coluna não corresponde a nenhum campo”.
4. A confiança funciona como uma trava. A sugestão só é preenchida quando a confiança informada pelo modelo atinge o limite definido pelo produto.
5. O usuário revisa o resultado. Nada é importado antes da confirmação na tela.

O modelo sugere. A regra preserva o que já foi decidido. O usuário confirma antes da importação.

Quais travas protegem o fluxo

Adicionar IA a uma etapa que prepara cadastros exige limites explícitos. O fluxo descrito pela equipe foi desenhado com as seguintes travas:

Envio restrito ao contexto da decisão. A chamada contém os nomes das colunas, o tipo de entidade e o país. O conteúdo das linhas, como nomes de clientes, documentos e valores, não faz parte da entrada descrita para o modelo.

Falha aberta. Se o modelo demorar, apresentar erro ou devolver uma resposta inválida, a importação continua com o resultado da regra determinística. A IA não deve impedir o fluxo anterior de funcionar.

Preenchimento de lacunas. O Jev não sobrescreve, altera nem apaga o que a regra já mapeou. Ele atua somente nas colunas que ficaram sem resposta.

Limite de tempo. A chamada tem um teto configurado. Quando ele é ultrapassado, o sistema segue pelo caminho sem a sugestão do modelo.

Limite de confiança. Uma sugestão só é aplicada quando atinge o valor mínimo definido. A prioridade é evitar um campo incorreto apresentado com aparência de certeza.

Confirmação humana. O usuário revisa o de-para antes que os dados entrem no sistema.

Funcionalidade desligável. Uma chave de configuração permite voltar ao comportamento anterior sem depender do Jev.

Essas escolhas seguem um princípio usado em outras partes do bitERP: a IA pode executar ou sugerir, mas a interface mantém o resultado visível e preserva a confirmação em decisões críticas. O artigo sobre IA agêntica e o protocolo AG-UI explica como essa visibilidade aparece em outros fluxos.

O que a medição interna mostrou

A equipe mediu o fluxo em 19/09/2026 com quatro planilhas e 45 colunas. O conjunto foi curado internamente com cabeçalhos típicos de exportações de ERPs brasileiros para fornecedores, clientes, produtos e contas a pagar. O gabarito foi conferido manualmente e as chamadas ao modelo foram reais.

Os resultados foram separados em três cenários:

Somente a regra determinística. Cobertura de 51,1%, acurácia de 95,7% e falso positivo de 4,3%.

Regra determinística com Jev. Cobertura de 86,7%, acurácia de 97,4% e falso positivo de 2,6%. Esse é o fluxo descrito como levado à produção.

Somente o Jev, como referência de laboratório. Cobertura de 88,9%, acurácia de 100% e nenhum falso positivo no conjunto testado. Esse cenário serviu como comparação e não representa o fluxo escolhido para o produto.

Para interpretar os números:

• Cobertura é a proporção de colunas que o sistema mapeou sem intervenção manual.
• Acurácia mede quantas sugestões estavam corretas entre as colunas que receberam um mapeamento.
• Falso positivo ocorre quando o sistema apresenta uma sugestão com confiança suficiente, mas associa a coluna ao campo errado.

No cenário híbrido, a cobertura cresceu 35,6 pontos percentuais e a acurácia também aumentou no conjunto testado. Cerca de 13% das colunas continuaram sem mapeamento automático e ficaram para revisão do usuário.

O custo medido foi de aproximadamente US$ 0,00011 por importação, equivalente a US$ 110 por um milhão de importações. A latência observada ficou entre 336 e 563 milissegundos, com teto configurado em três segundos.

Esses números têm um limite importante. O corpus foi preparado pela própria equipe e não representa o tráfego completo de produção. A medição responde se o fluxo reconhece cabeçalhos típicos em português naquele conjunto. Ela não permite concluir como o sistema se comportará em todos os arquivos enviados por clientes.

A limitação que escolhemos manter

O único erro do cenário híbrido não veio do Jev. A regra determinística associou Vlr. Unit. a unidade de medida porque encontrou a palavra unit. Quando testado sozinho, o modelo escolheu preço unitário.

Mesmo assim, o Jev não pôde corrigir a resposta no fluxo híbrido. Ele só preenche lacunas e não altera o que a regra decidiu.

Permitir que o modelo sobrescrevesse qualquer associação poderia aumentar a cobertura em casos específicos. Também reduziria a previsibilidade da camada determinística. A equipe escolheu corrigir esse exemplo na própria regra, onde o comportamento pode ser explicado e testado diretamente.

Essa decisão mostra o papel do modelo no fluxo. A IA não recebeu autoridade para refazer todo o de-para. Ela foi adicionada como uma camada restrita para resolver o que permanecia em branco.

Ficha técnica do fluxo

Modelo: TypeSafe Jev.

Tipo: modelo de decisão com escolha fechada, probabilidades e confiança. Não gera texto livre neste uso.

Onde atua: sugestão de mapeamento de colunas no primeiro passo do assistente de importação. Este é um dos usos do Jev no bitERP.

Entidades previstas: produtos, clientes, fornecedores, contas a pagar e cotações.

Formatos informados: .xlsx e .csv, sujeitos aos limites atuais do assistente.

Contexto enviado ao modelo: nomes das colunas, tipo de entidade e país.

Chamadas por importação: uma chamada para as colunas que permanecem sem resposta após a regra determinística.

Comportamento em falha: o sistema preserva o resultado da regra e continua sem a sugestão do modelo.

Perguntas frequentes

O Jev substitui Claude e GPT no bitERP?

Não. Claude e GPT continuam ligados ao chat e aos agentes do bitERP. O Jev entra em pontos nos quais o software precisa escolher entre alternativas fechadas. A importação de planilhas é um desses pontos.

Quais informações são enviadas ao Jev durante o mapeamento?

No fluxo descrito pela equipe, são enviados os nomes das colunas, o tipo de entidade e o país. O conteúdo das linhas da planilha, como nomes de clientes, documentos e valores, não integra essa chamada.

A importação ficou totalmente automática?

Não. A regra e o Jev sugerem o mapeamento, mas o usuário revisa antes da importação. Na medição interna, cerca de 13% das colunas ainda permaneceram para ajuste manual.

O que acontece se o Jev estiver indisponível?

O assistente continua com o resultado da regra determinística. A indisponibilidade do modelo não deve interromper a importação.

A importação está disponível em todos os planos?

Consulte a página de planos do bitERP para conferir as condições atuais de cada faixa. Os planos e a disponibilidade de recursos podem mudar.

Um modelo diferente para uma decisão diferente

O caso da importação mostra por que “usar IA” não significa enviar toda tarefa para o mesmo modelo. O chat precisa interpretar linguagem. O de-para de colunas precisa escolher entre campos conhecidos, informar confiança e aceitar limites impostos pelo software.

No bitERP, a combinação escolhida preserva a regra determinística, usa o Jev somente nas lacunas e mantém o usuário na decisão final. É um exemplo concreto de como um ERP com IA pode aplicar modelos diferentes conforme o formato do problema.

Quer acompanhar como essas decisões aparecem no produto? Conheça o bitERP.

Os números e as afirmações técnicas deste artigo dependem da revisão final da equipe de desenvolvimento antes da publicação.