El autor comparte cómo movió el paso de decisión del triaje de admisión sanitaria de un LLM a Jev (@typesafeai): 25 preguntas tipadas, 0,29 s, $0,00015, con código que recorre el flujo, además de método, cifras y límites.
Healthcare intake is the hard case for AI triage: complex workflow, safeguards everywhere, a human able to check every decision. We moved the decision step from an LLM to Jev (@typesafeai): 25 typed questions, 0.29 s, $0.00015, code walks the workflow. Method, numbers, limits
Durante consultas clínicas en vivo, un escriba ambiental proporciona periódicamente transcripciones a Jev, que recorre una ontología médica para clasificar síntomas, actualizar el diagnóstico diferencial, sugerir tratamientos e identificar señales de alerta en tiempo real.
El autor demuestra cómo derivar a un paciente al médico adecuado usando solo el modelo Jev de TypeSafe AI y algo de código para hacer preguntas, señalando que no se usa un LLM durante la conversación.
Un desarrollador comparte la creación de una app de seguimiento de calorías con Jev, destacando su experiencia instantánea.
