31.- Taller: Jev en n8n, el nuevo modelo IA viral que toma decisiones en milisegundo

Jev en n8n es el tema de este taller, en el que se presentó a fondo un modelo de inteligencia artificial que se volvió viral por una razón muy concreta: no conversa, solo decide. En este taller se trató cómo un modelo pensado exclusivamente para tomar decisiones puede funcionar como un “if inteligente” dentro de las automatizaciones, clasificando, enrutando y escalando información en milisegundos y con un costo muy inferior al de un LLM tradicional. Se partió de lo visto en la sesión anterior sobre APIs en n8n y se explicó que muchas decisiones dentro de un flujo son simples, como comprobar si un valor es mayor a diez, pero otras son dinámicas y hoy suelen resolverse con un modelo de lenguaje que resulta más lento, más caro y, en ocasiones, poco confiable para ese trabajo.

La parte teórica repasó el origen de este modelo, desarrollado por una empresa fundada en 2024 en San Francisco cuyo nombre rinde homenaje a un economista británico, con la idea de que abaratar drásticamente una función hace que muchas más personas puedan usarla. Se compararon sus diferencias con un LLM: mientras este recibe texto y devuelve texto, Jev recibe un contexto y entrega una evaluación, ya sea un sí o un no, una puntuación entre cero y uno o la elección de una opción. Se destacó su latencia muy baja, su capacidad de evaluar varios escenarios en paralelo y un costo tan reducido que se mencionó como ejemplo la posibilidad de analizar unos 2,000 correos por aproximadamente un peso mexicano. También se aclaró que no procesa imágenes ni video, y que la regla de oro es usarlo para decidir dentro de n8n y dejar al LLM las conversaciones. Se explicaron además sus tres piezas principales, el estado o contexto, las preguntas y la confianza, junto con los tipos de pregunta disponibles y la ventaja de poder rastrear en qué valor se basó cada decisión, lo que ayuda a reducir alucinaciones.

En la parte práctica se mostró cómo preparar un proyecto en Claude con la documentación oficial y una skill para generar código y nodos con ayuda de IA, y cómo conectar el modelo a n8n mediante el nodo de solicitud HTTP importando la petición. El primer ejercicio fue un filtro de correos: con un trigger de Gmail se clasifican los mensajes como spam, estafa o irrelevantes según criterios personales y se marcan como leídos automáticamente. El segundo caso fue un flujo de reclutamiento en el que llegan currículums como archivos adjuntos, se guardan en Google Drive, se extrae su texto y se evalúa contra los requisitos de una vacante de ingeniero de automatización. Según el nivel de confianza, cada candidato se envía a una carpeta de entrevistar, validar o descartar, y en las pruebas los correos de ejemplo terminaron clasificados de forma correcta.

El taller cerró con un uso pensado para agentes conversacionales: colocar Jev como filtro previo a un agente de IA, de modo que cada mensaje nuevo se evalúe junto con el historial guardado en PostgreSQL para detectar enojo, intención de compra o una solicitud de atención humana, y que un nodo switch enrute la conversación según el resultado. Se planteó también aplicar esta clasificación en tiempo real a prospectos que se quedan sin seguimiento, para segmentarlos y enviarles campañas de remarketing personalizadas, sin generar la latencia que provocaría un modelo de lenguaje. La intención de la sesión no fue volver programadores a los asistentes, sino mostrar una forma rápida y económica de validar decisiones que cada quien puede llevar a sus propios proyectos, con los documentos, prompts y archivos del ejercicio disponibles en la carpeta del curso.