Jevベースのチケット意思決定アプリ Decision Desk
1件のサポートチケットをルート・優先度・リスク・次のアクションの4つの型付き意思決定に変換し、確率・レイテンシ・プロバイダ・コストを付与。MITリポジトリも公開。 Link
THE JEV GUIDE · CURATED EDITION
TypeSafe Jevに関する発表、解説、デモ、コミュニティ事例をトピック別に整理しています。各項目からXの元投稿を確認できます。
キュレーション選定 · 全件ではありません · 手動更新
01 / EXPLORE
0 means awaiting a verified post
1件のサポートチケットをルート・優先度・リスク・次のアクションの4つの型付き意思決定に変換し、確率・レイテンシ・プロバイダ・コストを付与。MITリポジトリも公開。 Link
ゲーム問い合わせで毎日同一ユーザーから特定キャラクターへの細かい不満が届く例を挙げ、Jevの判断軸を議論し、ファンレターとして分類する人間の判断と対比している。
Peter Ramsing氏が、TypeSafeのJevを使いチケット作成時に対話形式で追加質問を促す取り組みを紹介。電話中に作成されることが多いため高速性が重要だと述べている。
Vane Dataで構築したアフターサポート音声処理パイプラインにJevを導入し判定成功率が大幅に向上したと共有。Vaneがvane.ai.jev(...)とRelation.jev(...)をサポートしたことも言及。 Link
入力または音声のフィードバックをTypeSafe AIのJevが分類して受信箱に振り分ける、改造可能なデモとcookbook。
著者はJevでリアルタイムチャットモデレーターを構築し、複数言語で悪い言葉の数千ものバリエーションや綴りを検出できると述べ、その非常に低い価格を強調している。
Sam SiamがMaksymのデモを共有。Jevで要望を伝えると次のクリックがハイライトされ、CRM初心者の連絡先インポート支援に使いたいと述べている。
投稿者はJevを利用したAIカスタマーサポートを試作。NHK受信契約に関する設問で、対話を通じて契約継続・手続き必要・免除可能・解約可能のどれに該当するかを判定。Jevはユーザ回答に応じて次の設問を選択する部分を担う。
CowAgentを使いJev上でバッチチケット分析ツールを構築。1チケットにつき1回の呼び出しで7つの分類・スコア・ブール判定と確率分布を約500msで返す。
Jevで構築したサポートチケットのトリアージツールのデモ。1回の呼び出しで担当チーム、緊急度、深刻度、顧客の感情を判定する。
TypeSafeの判定特化型AI「Jev」を問い合わせ対応で試用。速くて精度も高いが、ほぼ正解でも外せない1件があるため、Code・LLM・Humanの役割分担が重要だと述べる。
72件の合成サポートチケットをルーティング:Jevは部門93%、緊急度85%、返金検出99%を記録。Layaは58%、63%、74%で、安全チケット12件中1件のみ認識。