01 / PROBABILITY?
Noul참일 확률
“이 고객은 환불을 요청하는가?”
참·거짓 사이의 불확실성까지 값으로 받습니다.
0.92
0 · 거짓1 · 참
noul: 0.92명세THE NEXT LAYER OF AIGUIDE 001
언어의 이해를,
소프트웨어의
판단으로.
Jev는 문장을 이해하고, 코드가 쓸 수 있는 판단을 돌려줍니다.
개발자와 기획자가 함께 읽는 새로운 AI 모델 안내서.
FROM LANGUAGE TO LOGIC+
자연어 입력state
“환불은 필요 없고,
지난달 결제 내역만 확인하고 싶어요.”
의도
문맥
기준
jev
SYSTEM ONE MODEL판단 결과choice
billing_history결제 내역 조회97%
↳
[ 01 → 03 ]코드의 다음 단계로 STRUCTURED. PROBABILISTIC. USEFUL.설명용 가상 예시
JEV AT A GLANCE
작은 반환값.
새로운 설계 가능성.
$0.042
입력 100만 토큰당 · 출력 무료
공개 가격 기준01THE IDEA
AI의 답변 다음에는,
소프트웨어의
판단이 필요합니다.
고객의 말을 이해하는 것과 실제 업무를 처리하는 것.
그 사이에는 “어느 팀으로 보낼까”, “추가 확인이 필요할까”라는 작은 판단들이 있습니다.
TypeSafe의 Jev는 이 반복되는 의미 판단을 함수처럼 호출하도록 만든 System One Model입니다.
System One 개념 자세히 읽기SAME MESSAGE, DIFFERENT ROLE
생성형 모델
“중복 결제로 불편을 드려 죄송합니다.
환불 절차를 안내해 드리겠습니다.”
Jev
설명을 위한 가상 출력 예시request_type: "refund"
refund_requested: 0.98코드가 분기할 판단값을 반환02THREE WAYS TO DECIDE
판단의 형태는
세 가지면 충분합니다.
무엇을 물을지, 어떤 답을 허용할지.
질문에 맞는 반환 타입을 선택합니다.
02 / SELECTION
Choice후보 중 선택
“어느 팀이 처리해야 하는가?”
정해 둔 후보 하나와 후보별 확률을 받습니다.
결제팀92%
기술팀5%
기타3%
choice: "billing"명세03 / EVALUATION
Score등급 위의 평가
“이 문제는 얼마나 심각한가?”
서술한 등급에 부여된 확률의 가중평균입니다.
10%0
30%1
60%2
가중평균1.5 / 2
score: 1.5명세각 카드의 수치는 타입을 설명하기 위한 가상 예시입니다. Noul의 0.5는 강도가 중간이라는 뜻이 아니라, 참과 거짓에 같은 확률을 부여한다는 뜻입니다.
03THE PLAYGROUND
말 한 줄이,
세 가지 판단으로.
메시지를 골라 보세요. 같은 입력이 어떻게
코드가 쓸 수 있는 값으로 바뀌는지 볼 수 있습니다.
INTERACTIVE EXPLAINER
INPUT / 고객 메시지
하나의 state, 세 개의 questions
Noul
환불을 요청하는가?
참일 확률1%
아니오예
Choice
어떤 요청인가?
후보 중 하나 선택Score
얼마나 긴급한가?
정의한 등급의 가중평균0.10 / 2
0 일반1 주의2 긴급
“환불”이라는 단어가 있어도, 실제 요청은 결제 내역 조회입니다. 단어의 등장보다 문장의 뜻을 판단합니다.
가상 정책: 선택 확률이 기준 이상이면 연결
NEXT STEP / 코드의 분기결제 내역 조회로 연결
교육용 시뮬레이션입니다. 모든 결과는 미리 구성한 가상 예시이며 실제 API를 호출하지 않습니다. 선택 확률은 실측 정확도가 아니며, 자동 분류 기준은 업무별 검증이 필요합니다.
04FROM JUDGMENT TO ACTION
이해는 모델이.
실행의 조건은 코드가.
Jev에 의미 판단을 맡기고,
사실 확인과 계산, 권한은 명시적으로 다룹니다.
01 / INPUT고객 메시지“하나는 돌려주세요.”
02 / JUDGMENTJev의 의미 판단환불을 요청하는가?
03 / VERIFICATION코드의 조건 검사거래 사실 · 정책 · 권한
04 / ACTION실행과 결과 확인허용된 API만 호출
거래 사실은 데이터베이스에서 별도 확인 불확실하거나 조건 미충족 → 정보 보완 · 검토
어떤 판단을 자동화할지, 언제 추가 확인이 필요할지 먼저 정합니다. “환불을 원한다”와 “환불이 가능하다”는 서로 다른 조건입니다.
05THE ECONOMICS
작은 판단을
크게 반복할 때.
한 건의 질문보다 수많은 반복에서 비용이 드러납니다.
공개 단가로 입력 토큰 비용을 계산해 보세요.
$0.042/ 입력 100만 토큰
2026. 09. 20 공식 모델 가격도입의 기준은 API 단가에 더해,
같은 오류 허용 수준에서의 처리율과 총비용입니다.
API COST ESTIMATORUSD
1만10만100만1,000만
10010,000
state + questions + criteria를 합친 입력량
예상 API 입력 비용출력 토큰 과금 없음
$63.00단순 계산 예시입니다. 재시도·외부 도구·저장·다른 모델·사람 검토 비용과 환율은 포함하지 않습니다.
01타입이 정확하면, 판단도 항상 맞을까요?
정해진 후보 안에서 답하더라도 잘못된 후보를 고를 수 있습니다. “기술 문의”를 유효한 값인 “결제”로 분류하면 형식은 맞지만 뜻은 틀립니다. 타입 안전성과 의미 정확도는 따로 검증해야 합니다.
타입과 의미의 차이02확률 90%는 실제 정답률 90%일까요?
자동으로 같아지지 않습니다. 예측 확률을 정답과 비교해 해당 업무에서 얼마나 잘 보정됐는지 측정해야 합니다. Choice와 Score의 confidence는 분포의 집중도를 요약한 값이며, 별도로 검증된 정확도가 아닙니다.
확률과 confidence 이해하기03한국어 업무에도 바로 사용할 수 있나요?
한국어를 입력할 수 있지만 주 학습 언어는 영어입니다. 완곡한 표현, 부정문, 생략과 업무 용어가 포함된 실제 한국어 자료에서 분류 품질과 오류율을 검증해야 합니다.
한국어 검증에서 볼 것04생성형 LLM이나 기존 분류기를 대체하나요?
후보가 정해진 반복 판단의 일부를 맡길 수 있습니다. 자유로운 글쓰기와 복잡한 계획에는 생성형 모델이, 정확한 계산에는 코드가 필요합니다. 안정된 단일 분류 업무라면 전용 분류기나 규칙이 더 적합할 수도 있습니다.
도입 조건과 역할 분담GO A LITTLE DEEPER개념에서 설계까지,
개념에서 설계까지,
전체 맥락을 읽어보세요.
기술 구조, 뉴로심볼릭 AI, 활용 사례, 한계와 검증.
11개 장으로 이어지는 Jev 기술 분석 전문입니다.