Jev 기반 티켓 의사결정 앱 Decision Desk
하나의 지원 티켓을 라우팅, 우선순위, 위험, 다음 행동의 네 가지 타입화된 결정으로 변환하며 확률, 지연 시간, 제공자, 비용 정보를 제공하고 MIT 저장소를 공개합니다. Link
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev의 출시 소식, 설명, 데모, 커뮤니티 프로젝트를 주제별로 정리했습니다. 모든 항목은 X 원본 게시물로 연결됩니다.
선별 큐레이션 · 전체 수집 아님 · 수동 업데이트
01 / EXPLORE
0 means awaiting a verified post
하나의 지원 티켓을 라우팅, 우선순위, 위험, 다음 행동의 네 가지 타입화된 결정으로 변환하며 확률, 지연 시간, 제공자, 비용 정보를 제공하고 MIT 저장소를 공개합니다. Link
게임 고객지원에서 매일 동일 사용자가 특정 캐릭터에 대한 불만을 보내는 사례를 들어 Jev의 판단 기준을 논의하고, 이를 팬레터로 분류하는 인간의 판단과 대비한다.
Peter Ramsing이 TypeSafe의 Jev를 활용해 티켓 생성 시 후속 질문을 안내하는 방식을 공유했다. 통화 중 티켓이 만들어지는 경우가 많아 속도가 중요하다고 강조했다.
Vane Data로 구축한 애프터서비스 오디오 처리 파이프라인에 Jev를 도입해 판단 성공률이 크게 향상되었다고 공유하며, Vane이 vane.ai.jev(...)와 Relation.jev(...)를 지원한다고 언급했습니다. Link
입력 또는 음성 피드백을 TypeSafe AI의 Jev가 분류해 받은편지함에 정리하는 재구성 가능한 데모와 cookbook.
작성자는 Jev로 실시간 채팅 중재 도구를 구축하여 여러 언어에서 비속어의 수천 가지 변형과 철자를 감지할 수 있으며 가격이 매우 저렴하다고 언급했습니다.
Sam Siam이 Maksym의 데모를 공유합니다. Jev에 필요를 설명하면 다음 클릭이 하이라이트되며, CRM 신규 사용자의 연락처 가져오기 안내에 활용하고 싶다고 밝혔습니다.
작성자는 Jev를 활용한 AI 고객 지원을 시도했습니다. NHK 수신 계약 관련 질문에서 대화를 통해 사용자가 계약 유지, 절차 필요, 면제 가능, 해지 가능 중 어디에 해당하는지 판단하며, Jev는 사용자 답변에 따라 다음 질문을 선택하는 역할을 맡습니다.
CowAgent를 사용해 Jev에서 배치 티켓 분석 도구를 구축: 티켓당 한 번의 호출로 7가지 분류, 점수, 불리언 판단과 확률 분포를 약 500ms에 반환.
Jev로 구축한 지원 티켓 분류 도구 데모로, 단일 호출로 담당 팀, 긴급도, 심각도, 고객 감정을 판단한다.
TypeSafe의 판정 특화 AI Jev를 고객 지원에 시험 사용. 빠르고 정확하지만 거의 정답이어도 놓치면 안 되는 사례가 있어 Code·LLM·Human의 역할 분담이 중요하다고 강조한다.
72개의 합성 지원 티켓 라우팅: Jev는 부서 93%, 긴급도 85%, 환불 감지 99%를 기록했고, Laya는 58%, 63%, 74%에 그쳤으며 12개의 안전 티켓 중 1개만 인식했다.