O autor compartilha a migração da etapa de decisão da triagem de admissão em saúde de um LLM para o Jev (@typesafeai): 25 perguntas tipadas, 0,29 s, US$ 0,00015, com código conduzindo o fluxo, além de método, números e limites.
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 ao vivo, um escriba ambiente fornece periodicamente transcrições ao Jev, que percorre uma ontologia médica para classificar sintomas, atualizar o diagnóstico diferencial, sugerir tratamentos e identificar sinais de alerta em tempo real.
O autor demonstra como encaminhar um paciente ao médico certo usando apenas o modelo Jev da TypeSafe AI e um pouco de código para fazer perguntas, observando que nenhum LLM é usado durante a conversa.
Um desenvolvedor compartilha a criação de um app de rastreamento de calorias com Jev, destacando a experiência instantânea.
