Маршрутизація 72 синтетичних тікетів підтримки: Jev отримав 93% для відділу, 85% для терміновості та 99% для виявлення повернень; Laya отримала 58%, 63% і 74%, розпізнавши лише 1 з 12 тікетів безпеки.
Then I tried something much narrower: route 72 synthetic support tickets. Jev got 93% for department, 85% for urgency and 99% for refund detection. Laya managed 58%, 63% and 74%. Worse, it recognized only 1 of 12 safety tickets.
Автор ділиться досвідом використання Jev: спочатку здавалося складно, але стало зрозуміло, коли він уявив це як «не дозволяти ШІ писати текст». На прикладі обробки запитів традиційний підхід передає все GPT або Claude для аналізу, а Jev має інший підхід.
Прототип використовує ШІ для оцінки вагань або зацікавленості за рухами курсора чи затримкою перед кліком, спостерігаючи за поведінкою клієнта та доповнюючи пояснення або пропонуючи порівняння.
Автор створив демо служби підтримки клієнтів у реальному часі для електронної комерції на Jev і gpt-live-1, яке миттєво пропонує рекомендовані товари на основі мовлення користувача під час розмови, забезпечуючи чудовий досвід.
