يعرض مطوّر كيف عالج Jev قائمة انتظار من مليوني تذكرة في أقل من 20 ثانية باستخدام ثلاثة قيم منطقية فقط (رسالة مزعجة، عاجلة، تحتاج إلى إنسان)، بتكلفة 21 سنتًا.
IT SORTED TWO MILLION TICKETS AND NEVER WROTE A SINGLE WORD i handed jev 2,000,000 support tickets. the queue hit zero in under 20 seconds. it cost 21 cents. the whole schema is three booleans. is this spam, is it urgent, does it need a human. that is the entire output. words
يشارك المؤلف تجربة استخدام Jev: بدا صعبًا في البداية، لكنه اتضح عندما فُهم على أنه 'عدم ترك الذكاء الاصطناعي يكتب النص'. وباستخدام معالجة الاستفسارات كمثال، فإن النهج التقليدي يرمي كل شيء على GPT أو Claude للتحليل، بينما يتبع Jev نهجًا مختلفًا.
يستخدم النموذج الأولي الذكاء الاصطناعي لتقدير التردد أو الاهتمام من حركات المؤشر ذهابًا وإيابًا أو التوقف قبل النقر، ومراقبة سلوك العميل واستكمال الشروحات أو اقتراح المقارنات.
أنشأ المؤلف عرضًا توضيحيًا لخدمة العملاء الفورية للتجارة الإلكترونية باستخدام Jev و gpt-live-1، يقترح المنتجات الموصى بها فورًا بناءً على كلام المستخدم أثناء المحادثة، مما يوفر تجربة رائعة.
