UiPath подключила модели Jev от TypeSafe для быстрых решений «да/нет» в автоматизациях

UiPath, один из крупнейших разработчиков RPA (роботизированной автоматизации процессов — программ-роботов, повторяющих действия сотрудника в системах), выпустила в режиме превью коннектор для моделей Jev компании TypeSafe. Идея в том, чтобы не звать большую языковую модель туда, где нужно просто выбрать один вариант из нескольких.

Что произошло

Коннектор TypeSafe работает через Integration Service — сервис подключений UiPath. После подключения с API-ключом TypeSafe действия Jev появляются в редакторе, их находят поиском по словам Jev, TypeSafe или System One. Коннектор доступен в Maestro Automate, Maestro Orchestrate и других частях платформы, которые поддерживают коннекторы. Анонс написал Сандип Панда, директор по технологическим партнёрствам UiPath. Модели Jev рассчитаны на ограниченные решения: выбрать вариант, поставить оценку по шкале, ответить «да» или «нет». Открытые многошаговые рассуждения UiPath по-прежнему советует оставлять LLM (большим языковым моделям) и агентам. Jev в этой схеме — «быстрое мышление».

• В запрос передаётся состояние — данные о ситуации в формате JSON — и набор вопросов.
• Вопросы трёх типов: Choice (какой вариант подходит), Score (какой уровень на упорядоченной шкале) и Noul (насколько верно утверждение, от 0 до 1).
• Ответ всегда в рамках заданных разработчиком вариантов: с вероятностью для каждого и общей оценкой уверенности.
• Несколько вопросов об одном состоянии решаются параллельно в одном запросе.
• Для уверенности задаётся порог: если модель не уверена, процесс в UiPath отправляет случай человеку или «тяжёлому» агенту.

UiPath сравнивала Jev с другими моделями на оценке ответов агентов, извлечении полей из документов, классификации и ранжировании результатов поиска. Сама компания называет это ранними внутренними экспериментами, независимой проверки нет.

• В 94% случаев Jev совпала с системой LLM-as-a-judge (когда одна языковая модель оценивает ответы другой) на оценочных наборах данных.
• Решения сопоставимого качества обходились в 7,7 раза дешевле и принимались в 4–20 раз быстрее, чем у аналогичного LLM-судьи.
• Извлечение данных из документа можно разбить на два вызова: сначала найти нужный фрагмент, потом выбрать точное значение.

Почему это важно

Многие компании сегодня гоняют через большие модели задачи вроде «к какому отделу относится письмо» или «это счёт или акт». Это дорого и непредсказуемо по формату ответа. Модель, которая отвечает строго в рамках заданных вариантов и честно говорит о сомнениях, позволяет автоматизировать поток целиком, а людям оставить только спорное. Для бухгалтерии, отдела закупок или поддержки это прямая экономия на проверке. Есть нюанс с данными: коннектор использует собственный ключ клиента, поэтому запросы регулируются прямым договором с TypeSafe и не проходят через AI Trust Layer — слой контроля ИИ-запросов в UiPath. Компаниям с жёсткими требованиями к данным это нужно учесть. Цены в анонсе не указаны. Попробовать коннектор можно в три шага.

• Получить API-ключ TypeSafe и создать подключение в Integration Service по инструкции UiPath.
• Найти действия Jev в редакторе и описать вопросы типов Choice, Score или Noul.
• Задать порог уверенности и ветку для передачи сомнительных случаев человеку.

Что дальше

Коннектор пока в превью. UiPath предлагает сочетать Jev и LLM-шаги последовательно или параллельно и делиться сборками на форуме сообщества. Насколько цифры из внутренних тестов подтвердятся у клиентов, станет ясно после выхода из превью.