요즘 AI라고 하면 대부분 챗GPT처럼 질문하면 긴 글로 답해 주는 AI를 떠올립니다.
그런데 회사 업무를 들여다보면 긴 설명보다 짧은 결정이 필요한 순간이 훨씬 많습니다. 이 신청 건을 승인할지 보류할지, 이 문의를 어느 부서로 보낼지, 이 민원이 얼마나 급한지 같은 결정입니다.
2026년 9월 15일 TypeSafe AI가 공개한
Jev는 바로 이런 결정만 하도록 만든 AI입니다.
이 글에서는 Jev가 무엇인지, 기존 AI와 무엇이 다른지, 그리고 우리 회사 업무에 쓰려면 무엇을 먼저 확인해야 하는지 차근차근 풀어 보겠습니다.
글에 나오는 Jev 수치는 모두 TypeSafe AI가 직접 발표한 내용이며,
2026년 10월 15일에 확인했습니다.
Jev란 무엇인가요
Jev는 TypeSafe AI가 만든 판단 전용 AI 모델, 즉 의사결정 AI입니다.
상황을 설명하는 글을 넣으면, 정해 둔 선택지 중 하나를 고르거나, 점수를 매기거나, 「예」일 가능성을 숫자로 알려 줍니다.
챗GPT 같은 AI는 답을 문장으로 길게 써 줍니다.
그러나 Jev는 문장을 쓰지 않고 결론만 짧게 내놓습니다.
그래서 훨씬 빠르고, 비용도 적게 듭니다.
TypeSafe AI는 Jev를 「System One」 모델이라고 부릅니다.
사람이 깊이 고민하지 않고 빠르게 내리는 직관적인 판단을 System 1,
차근차근 따져 보는 판단을 System 2라고 부르는데,
Jev는 그중 빠른 쪽을 맡겠다는 뜻입니다.
TypeSafe AI는 OpenAI 출신 연구자 Diogo Almeida가 세운 회사로,
투자사 DCVC가 주도한 4,000만 달러 투자를 받았습니다.
10월 기준 최신 버전은 Jev 1.13입니다.
Jev와 LLM은 무엇이 다른가요
가장 큰 차이는 무엇을 돌려주느냐입니다.
하루 3,000건씩 들어오는 고객 문의를 담당 부서별로 나눠야 한다고 생각해 보겠습니다.
LLM에 맡기면 매번 설명이 붙은 답이 돌아옵니다. 답이 길수록 시간이 걸리고, 글자 수만큼 비용도 쌓입니다. Jev는 「카드 발급팀」처럼 답 하나만 0.5초 안에 돌려줍니다.
비교 | Jev | LLM |
|---|---|---|
돌려주는 답 | 선택지, 점수, 가능성(%) | 설명이 담긴 문장 |
응답 속도 | 0.07~0.5초(자체 발표) | 답이 길수록 늘어납니다 |
잘하는 일 | 같은 결정을 대량으로 반복 | 설명, 요약, 보고서 초안 |
대신 Jev는 왜 그렇게 판단했는지 설명해 주지 않습니다.
요약이나 보고서 초안 같은 일은 여전히 LLM이 더 잘합니다.
글뿐 아니라 이미지까지 함께 읽는 AI(VLM)가 궁금하다면
아래 VLM과 LLM의 차이를 함께 읽어 보세요.
Jev 사용법: 질문을 세 가지 형태로 만듭니다
Jev에 일을 맡기려면 질문을 Jev가 알아듣는 세 가지 형태 중 하나로 바꿔야 합니다.
Choice(고르기):
여러 선택지 중 하나를 고릅니다. 선택지는 최대 255개까지 넣을 수 있습니다.
고객 문의를 담당 부서 12곳 중 한 곳으로 보내는 일이 여기에 해당합니다.Score(점수 매기기):
2단계부터 10단계까지 점수를 매깁니다.
민원이 얼마나 급한지 5단계로 나누는 일이 여기에 해당합니다.Noul(예·아니요):
「예」일 가능성을 퍼센트로 알려 줍니다.
신청 건이 지급 조건을 채웠는지 판단하는 일이 여기에 해당합니다.
지금은 정식 출시 전 단계라서,
TypeSafe AI 공식 사이트에서 사용 신청(얼리 액세스)을 한 뒤
회사 시스템에 연결해 쓰는 방식입니다.
Jev가 잘하는 일과 아직 못하는 일
Jev는 같은 종류의 결정을 하루에 수만 번 반복해야 하는 일에 강합니다.
결정마다 얼마나 확신하는지도 숫자로 알려 주기 때문에,
확신이 낮은 건만 따로 골라 사람에게 보낼 수도 있습니다.
반대로 TypeSafe AI가 직접 밝힌 한계도 분명합니다.
글만 읽습니다. 스캔본, 사진, 음성, 영상은 넣을 수 없습니다.
한국어는 영어보다 성능이 낮습니다.
바깥 지식이 없어서, 넣어 준 내용만 보고 판단합니다.
「~가 아니다」 같은 부정 표현과 숫자 계산에 약합니다.
💡 하나 더 알아 둘 점이 있습니다.
Jev가 「90%」라고 답했다고 해서 그 한 건이 90% 확실하다는 뜻은 아닙니다.
90%라고 답한 건을 100개 모으면 그중 90개 정도가 맞는다는 뜻입니다.
그래서 한 건 한 건을 믿기보다, 일정 기준보다 낮은 건은 사람이 보도록 규
칙을 정해 두는 것이 안전합니다.
결정은 업무의 일부일 뿐입니다
보험금 지급 심사 담당자의 일을 떠올려 보겠습니다.
먼저 고객이 보낸 서류를 열어 내용을 확인합니다.
그다음 지급 조건에 맞는지 판단합니다. 그리고 결과를 시스템에 입력하고,
애매한 건은 상급자에게 넘깁니다. 규정이 바뀌면 판단 기준도 고칩니다.
이 네 단계 가운데 Jev가 맡을 수 있는 것은 두 번째인 판단뿐입니다.
첫 번째 문제는 판단 앞 단계입니다.
현장에 들어오는 자료는 대부분 스캔한 문서나 휴대폰 사진입니다.
Jev는 글만 읽을 수 있으니, 누군가 먼저 내용을 읽어 정리해 줘야 합니다.
이미지와 글을 함께 읽는 멀티모달 AI 에이전트가 필요한 이유입니다.
AI가 바로 일할 수 있도록 데이터를 어떻게 준비하는지는 AI Ready Data에 정리해 두었습니다.
두 번째 문제는 판단 뒷 단계입니다.
판단 결과를 시스템에 입력하고 애매한 건을 담당자에게 넘기는 일은 판단 모델이 하지 않습니다. 이 일은 업무를 끝까지 처리하는 AI 에이전트가 맡아야 합니다.
「얼마나 확실한가」만으로는 부족합니다
Jev가 알려 주는 숫자는 「얼마나 확실한가」입니다.
하지만 실제 업무에서는 두 가지가 더 필요합니다.
첫째는 근거입니다.
감사팀이나 고객이 「왜 이렇게 결정했나요?」라고 물으면 「확신도 92%」로는 답이 되지 않습니다. 원본의 어느 부분을 보고 판단했는지 보여 줄 수 있어야 합니다. 그래야 AI가 그럴듯하게 틀리는 할루시네이션도 걸러낼 수 있습니다.
둘째는 사람에게 넘기는 구조입니다.
AI가 확신하지 못하는 건은 사람이 보고,
사람이 내린 결정은 다시 업무에 반영되어야 합니다.
이런 방식을 human in the loop라고 부릅니다.
이 구조가 잘 작동하는지는 무개입률로 확인합니다.
무개입률은 전체 건 가운데 사람이 손대지 않고 AI가 끝까지 처리한 비율입니다.
아래는 한국딥러닝 AI 에이전트가 실제로 운영 중인 AI 의사결정 사례입니다.
업무 | 월 처리량 | 무개입률 |
|---|---|---|
대형 생명보험사 퇴직연금 지급 심사 | 15,000건 | 92% |
금융그룹 해외법인 여신 서류 심사 | 18,000건 | 89% |
담당자는 전체를 다 보는 대신, 나머지 8%와 11%의 예외 건만 확인하면 됩니다.
참고로 두 사례는 Jev가 아니라 한국딥러닝 AI 에이전트의 결과입니다.
판단이 싸지면 사람이 볼 일도 늘어납니다
Jev라는 이름은 영국 경제학자 윌리엄 스탠리 제번스에서 왔습니다.
제번스는 1865년 책 『The Coal Question』에서, 석탄을 덜 쓰는 증기기관이 퍼지자 오히려 석탄 소비가 늘었다고 지적했습니다.
이를 제번스의 역설이라고 부릅니다.
AI 판단에서도 같은 일이 생길 수 있습니다.
지금까지는 LLM 비용이 부담돼서 사람이 하던 판단이 싸지면,
회사는 더 많은 판단을 AI에 맡기게 됩니다.
예를 들어 하루 1,000건을 판단하고 그중 5%를 사람이 본다면 50건입니다. 그런데 판단이 싸져서 하루 2만 건으로 늘면, 같은 5%라도 1,000건이 됩니다. 판단이 싸질수록 사람에게 넘어오는 건을 잘 처리하는 구조가 더 중요해지는 이유입니다.
우리 회사 업무에 맞는지 확인할 5가지
Jev 같은 판단 AI를 도입하기 전에 아래 다섯 가지를 먼저 따져 보세요.
「예」가 많을수록 판단 AI 하나만으로는 부족합니다.
들어오는 자료가 스캔본이나 사진인가요?
그렇다면 판단 전에 자료를 읽어 주는 단계가 필요합니다.한국어 자료가 많은가요?
그렇다면 실제 업무 자료로 먼저 시험해 보고 결정하는 것이 좋습니다.데이터가 회사 밖으로 나가면 안 되나요?
금융권이나 공공기관처럼 내부망을 따로 쓰는 곳이라면 외부 AI 서비스를 쓰기 어렵습니다. 이때는 회사 안에 직접 설치하는 온프레미스 AI 구축이나 소버린 AI 방식을 검토해야 합니다.판단 근거를 설명해야 하나요?
감사나 민원 대응이 잦은 업무라면, 원본에서 근거를 찾아 보여 주는 기능이 꼭 필요합니다.판단 기준이 자주 바뀌나요?
규정이 자주 바뀐다면, 바뀐 기준을 시험하고 승인한 뒤 반영하는 절차가 있어야 합니다.
AI에 어디까지 맡기고, 누가 승인하고, 무엇을 기록으로 남길지는
AI 에이전트 구축 가이드에서 자세히 다뤘습니다.
판단 앞뒤의 일은 누가 하나요
한국딥러닝은 판단 앞뒤의 일까지 처음부터 끝까지 맡는 AI 직원을 만듭니다.
DEEP Agent는 자료를 읽고 업무를 처리하는 AI 에이전트입니다.
스캔본, 사진, 표가 섞인 자료를 VLM OCR로 읽어 정리하고, 어느 값을 원본의 어디에서 읽었는지 함께 남깁니다. 확신이 낮은 건은 담당자에게 넘깁니다.
읽는 성능은 글로벌 평가에서도 확인됐습니다.
OCRBench v2 영어 부문 1위(68.1점, 2026년 3월 평가), ParseBench VLM 부문 1위(76.4점, 2026년 6월 10일 측정)입니다.
DEEP Ops는 AI 에이전트를 관리하는 플랫폼입니다.
담당자가 바뀐 규정을 말로 지시하면, 새 기준을 시험해 기존 결과와 비교하고, 승인을 거쳐 반영합니다. 자세한 내용은 DEEP Ops 소개에서 볼 수 있습니다.
두 제품 모두 회사 내부 서버와 외부와 분리된 폐쇄망에 설치할 수 있습니다. 참고로 이 글에서 다룬 Jev와 한국딥러닝 제품은 서로 연동되거나 제휴한 관계가 아닙니다.
판단 앞뒤의 업무까지 한 번에 자동화하는 방법이 궁금하다면 ?
도입 상담을 신청해 주세요.
자주 묻는 질문
Jev는 한국어를 지원하나요?
지원합니다. 다만 TypeSafe AI는 한국어 성능이 영어보다 낮다고 밝혔습니다. 한국어 업무에 쓰려면 실제 자료로 먼저 시험해 보는 것이 좋습니다.
Jev 가격은 얼마인가요? 무료로 쓸 수 있나요?
TypeSafe AI가 밝힌 가격은 입력 100만 토큰당 0.042달러이고, Jev가 내놓는 답에는 요금을 받지 않습니다. 토큰은 AI가 글을 세는 단위입니다. 정식 출시 전 단계의 무료 사용 범위는 공식 사이트에서 확인해야 합니다.
Jev로 이미지나 문서를 읽을 수 있나요?
읽을 수 없습니다. Jev는 글만 받습니다. 스캔본이나 사진을 판단에 쓰려면, 이미지를 읽는 AI(VLM)로 먼저 내용을 글로 바꿔야 합니다.
Jev가 챗GPT 같은 LLM을 대체하나요?
대체한다기보다는 역할을 나누는 쪽에 가깝습니다. 설명과 요약은 LLM이 맡고, 많이 반복되는 단순한 결정은 Jev 같은 판단 AI가 맡는 식입니다.
Jev는 어떻게 신청하나요? 다운로드해서 회사 안이나 폐쇄망에서 쓸 수 있나요?
TypeSafe AI 공식 사이트에서 사용 신청을 한 뒤, 인터넷을 통해 불러 쓰는 방식입니다. 2026년 10월 기준으로 내려받아 설치하는 방식은 확인되지 않았습니다. 폐쇄망에서 쓸 수 있는지는 TypeSafe AI에 직접 문의해야 합니다.