3. Casos de uso en nuestros repositorios

La pregunta útil no es «¿Dónde añadimos IA?», sino:

¿Dónde necesitamos ya un juicio difuso, repetido y rápido, con respuestas cerradas y un efecto que pueda quedarse detrás de una gate determinista?

Son experimentos propuestos, no funciones. Ninguno se probó con Jev.

Repositorio	Juicio candidato	Primitiva	Dueño determinista	Primera evaluación
Gaia	enrutar evidencia a revisión, implementación acotada, rechazo o desconocido	Choice + Noul	verificador de autoridad y máquina de estados	recibos históricos etiquetados a ciegas
GA	enrutar una consulta musical o puntuar intención ambigua	Choice + Score	parser, registro de capacidades y búsqueda de solo lectura	corpus de consultas etiquetadas
Demerzel	escoger tribunal o cola humana para un registro	Choice	constitución, esquemas y tribunal	veredictos anteriores sin campos de autoridad en la entrada
IX	puntuar observaciones por anomalía o prioridad	Score + Noul	pipeline Rust y pruebas estadísticas	informes reservados para evaluación
TARS	escoger entre varios parses DSL válidos	Choice	parser F# y AST tipado	corpus de ambigüedad con candidatos

Gaia — consejo al lado de la gate

Jev puede estimar próximo paso, riesgo y lenguaje aparente de autoridad. Nunca debe convertir esa probabilidad en prueba. Recibos, digests, generaciones y grants exactos siguen siendo la verdad. Rechaza la integración si una respuesta puede crear sucesor, enviar wake, crear grant o evitar exact replay sin que el controlador demuestre cada precondición.

GA — enrutar intención, preservar verdad musical

«¿La consulta trata de voicings, armonía, reproducción o soporte?» es Choice. El modelo no debe inventar notas, acordes, afinaciones ni dimensiones OPTIC-K. Eso pertenece a tipos y algoritmos de GA. Compara con corpus etiquetado y rechaza si oculta unknown o cambia un endpoint con efectos.

Demerzel — clasificar evidencia, no interpretar la constitución

Un Choice cerrado puede priorizar tribunal o cola. Constitución, esquemas y autoridad siguen siendo deterministas. Una propuesta atractiva pero no autorizada debe ir a revisión, nunca mutar gobernanza.

IX — convertir informes en features, no conclusiones

Jev podría estructurar riesgo de reproducibilidad, probabilidad de baseline ausente o prioridad. Estadísticas e invariantes Rust deciden el resultado. Compara con regex, metadatos o un clasificador pequeño; rechaza Jev si un campo determinista basta.

TARS — elegir candidatos del parser

El seam más limpio aparece después de obtener varios AST válidos. Jev ordena identificadores cerrados; TARS valida el AST y pregunta al usuario si la distribución está dividida. No envíes generación libre directamente a ejecución.

Adaptador compartido

Si dos pruebas funcionan, usa un puerto pequeño e independiente del proveedor:

evaluate(state, questions, budget) -> typed answers + provider evidence

Cada repositorio posee preguntas, umbrales, corpus y política de efectos. El adaptador posee HTTP, modelo, timeout, costes, validación y redacción. Gaia puede registrar evidencia sin convertirse en servicio universal de decisiones.

Límites de coste y proveedor

mock y replay por defecto en CI;
flag live y clave de entorno explícitos;
modelo, entrada, llamadas, reintentos, tiempo y dólares limitados por separado;
proveedor, modelo y uso registrados sin secretos;
fallback determinista o humano, nunca otro proveedor de pago silencioso;
comparación con la base sin modelo más simple.

Ejercicios

¿Qué caso ofrece el tracer más limpio?

Solución

TARS: el parser ofrece una lista cerrada y valida el AST elegido. El modelo no inventa una orden y un corpus de ambigüedad permite medir.

GA llama a Jev y luego a un LLM si hay poca confianza. ¿Qué falta?

Solución

Un techo total de proveedores/coste y autorización explícita del fallback. La segunda llamada amplía silenciosamente autoridad y gasto.

Fuentes

TypeSafe AI: fan-out especulativo, routing por confianza, puntuación compuesta
Repositorios: Gaia, GA, Demerzel, IX, TARS