Decision Desk: Jev आधारित टिकट निर्णय ऐप
एक सपोर्ट टिकट को चार टाइप्ड निर्णयों (रूट, प्राथमिकता, जोखिम, अगला कदम) में बदलता है, साथ में प्रायिकता, विलंबता, प्रदाता और लागत, और MIT रिपॉज़िटरी। Link
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev से जुड़ी लॉन्च खबरें, व्याख्याएँ, डेमो और समुदाय प्रोजेक्ट विषय के अनुसार व्यवस्थित हैं। हर एंट्री X के मूल स्रोत से जुड़ती है।
चुनी हुई सूची · पूर्ण नहीं · मैनुअल अपडेट
01 / EXPLORE
0 means awaiting a verified post
एक सपोर्ट टिकट को चार टाइप्ड निर्णयों (रूट, प्राथमिकता, जोखिम, अगला कदम) में बदलता है, साथ में प्रायिकता, विलंबता, प्रदाता और लागत, और MIT रिपॉज़िटरी। Link
एक गेम सपोर्ट मामले का उदाहरण देते हुए जहां एक ही उपयोगकर्ता रोज किसी पात्र की शिकायत भेजता है, पोस्ट Jev के निर्णय के आधारों पर चर्चा करता है और मानव द्वारा उन्हें फैन लेटर मानने से तुलना करता है।
Peter Ramsing बताते हैं कि उनकी टीम TypeSafe के Jev का उपयोग टिकट बनाते समय फॉलो-अप प्रश्न सुझाने के लिए कर रही है, और यह तेज़ होना चाहिए क्योंकि टिकट अक्सर कॉल के दौरान बनते हैं।
लेखक बताते हैं कि Vane Data से बने बिक्री-पश्चात सहायता ऑडियो पाइपलाइन में Jev शामिल करने से निर्णय सटीकता काफी बढ़ी, और Vane अब vane.ai.jev(...) व Relation.jev(...) का समर्थन करता है। Link
एक पुनः प्रयोग योग्य डेमो जिसमें TypeSafe AI का Jev टाइप या वॉइस फ़ीडबैक को वर्गीकृत कर इनबॉक्स में रखता है, साथ में कुकबुक।
लेखक ने Jev के साथ एक रीयल-टाइम चैट मॉडरेटर बनाया जो कई भाषाओं में बुरे शब्दों की हजारों विविधताओं और वर्तनी का पता लगा सकता है, और इसकी बेहद कम कीमत का उल्लेख किया।
Sam Siam ने Maksym का डेमो साझा किया जिसमें Jev बताई गई ज़रूरत के आधार पर अगला क्लिक हाइलाइट करता है, और CRM के नए उपयोगकर्ता को संपर्क आयात करने में मार्गदर्शन की कल्पना की।
लेखक ने NHK सदस्यता अनुबंध संबंधी प्रश्नों के लिए Jev का उपयोग करके AI ग्राहक सहायता लागू करने का प्रयास किया, जिसमें चैट के जरिए यह निर्धारित होता है कि उपयोगकर्ता को जारी रखना है, कार्रवाई करनी है, छूट मिल सकती है या रद्द कर सकता है; Jev उपयोगकर्ता के उत्तरों के आधार पर अगला प्रश्न चुनने का काम करता है।
CowAgent का उपयोग करके Jev पर बैच टिकट विश्लेषण टूल बनाना: प्रति टिकट एक कॉल में 7 वर्गीकरण, स्कोर और बूलियन निर्णय संभाव्यता वितरण के साथ लगभग 500ms में लौटते हैं।
Jev से बनाए गए सपोर्ट टिकट ट्राइएज टूल का डेमो जो एक ही कॉल में टीम, तात्कालिकता, गंभीरता और ग्राहक मूड तय करता है।
लेखक TypeSafe के निर्णय-विशेष AI Jev को ग्राहक सहायता में आज़माता है: गति और सटीकता अच्छी, पर लगभग सही होने पर भी कुछ ऐसे मामले हैं जिनमें चूक नहीं होनी चाहिए, इसलिए Code, LLM और Human के बीच भूमिका विभाजन ज़रूरी है।
72 सिंथेटिक सपोर्ट टिकटों की रूटिंग: Jev ने विभाग के लिए 93%, तात्कालिकता के लिए 85% और रिफंड डिटेक्शन के लिए 99% स्कोर किया; Laya ने 58%, 63% और 74% स्कोर किया, और 12 में से केवल 1 सुरक्षा टिकट पहचाना।