Decision Desk: تطبيق قرارات التذاكر المبني على Jev
يحوّل تذكرة دعم واحدة إلى أربعة قرارات مُنمّطة (التوجيه، الأولوية، المخاطر، الإجراء التالي) مع الاحتمال وزمن الاستجابة والمزوّد والتكلفة، مع مستودع MIT. Link
THE JEV GUIDE · CURATED EDITION
أخبار الإطلاق والشروحات والعروض ومشاريع المجتمع حول TypeSafe Jev، مرتبة حسب الموضوع. كل عنصر يرتبط بمصدره الأصلي على X.
اختيار محرر · غير شامل · تحديث يدوي
01 / EXPLORE
0 means awaiting a verified post
يحوّل تذكرة دعم واحدة إلى أربعة قرارات مُنمّطة (التوجيه، الأولوية، المخاطر، الإجراء التالي) مع الاحتمال وزمن الاستجابة والمزوّد والتكلفة، مع مستودع MIT. Link
باستخدام مثال حالة دعم لعبة يرسل فيها المستخدم نفسه شكاوى يومية حول شخصية معينة، تناقش التدوينة معايير حكم Jev وتقارنها بتصنيف إنسان لها كرسائل معجبين.
يشارك Peter Ramsing كيف بدأ فريقه استخدام Jev من TypeSafe لاقتراح أسئلة متابعة أثناء إنشاء التذاكر، مشيرًا إلى ضرورة السرعة لأن التذاكر غالبًا ما تُنشأ أثناء المكالمات.
يشارك المؤلف أن إدخال Jev في خط معالجة صوت دعم ما بعد البيع المبني على Vane Data حسّن دقة الحكم بشكل ملحوظ، ويذكر أن Vane يدعم الآن vane.ai.jev(...) وRelation.jev(...). Link
عرض قابل لإعادة الاستخدام يصنّف فيه Jev من TypeSafe AI الملاحظات المكتوبة أو الصوتية ويرتبها في صندوق الوارد، مع دليل للتعديل.
أنشأ المؤلف مشرف دردشة في الوقت الفعلي باستخدام Jev يمكنه اكتشاف آلاف الاختلافات وطرق كتابة الكلمات السيئة عبر لغات متعددة، مشيرًا إلى سعره المنخفض للغاية.
يشارك Sam Siam عرض Maksym حيث يبرز Jev النقرة التالية بناءً على الحاجة الموصوفة، ويتخيل استخدامه لإرشاد مستخدم CRM الجديد في استيراد جهات الاتصال.
جرّب المؤلف تنفيذ دعم العملاء بالذكاء الاصطناعي باستخدام Jev لأسئلة عقد اشتراك NHK، حيث يحدد الدردشة ما إذا كان المستخدم بحاجة إلى الاستمرار أو إجراء معاملة أو الإعفاء أو الإلغاء؛ ويتولى Jev اختيار السؤال التالي بناءً على إجابات المستخدم.
استخدام CowAgent لبناء أداة تحليل التذاكر بالدفعات على Jev: استدعاء واحد لكل تذكرة يعيد 7 تصنيفات ودرجات وأحكام منطقية مع توزيعات احتمالية في حوالي 500 مللي ثانية.
عرض توضيحي لأداة فرز تذاكر الدعم مبنية بـ Jev تحدد الفريق والإلحاح والخطورة ومزاج العميل في استدعاء واحد.
يجرّب المؤلف Jev، الذكاء الاصطناعي المتخصص في الحكم من TypeSafe، في دعم العملاء: سرعة ودقة، لكن حتى مع نتائج شبه مثالية توجد حالات لا يجوز الخطأ فيها، لذا يبرز أهمية تقسيم الأدوار بين Code وLLM والإنسان.
توجيه 72 تذكرة دعم اصطناعية: سجل Jev 93% للقسم و85% للإلحاح و99% لكشف الاسترداد؛ بينما سجلت Laya 58% و63% و74%، وتعرفت على تذكرة أمان واحدة فقط من أصل 12.