💰 STARTUPS 💰
просто куча идей здесь.
то, что я затестил и не хочу гейткипить:
1. всеми любимый кастомер саппорт и тикеты:
есть такой сервис, https://www.intercom.com/
У них есть развитая тикет система, поп апчики, АИ внутри и система классификации тикетов
С джевом вы можете это сделать в тысячи раз дешевле и за один тулл колл
Отправляется в Jev:
— текст сообщения
— массив ваших типов тикетов (Choice options с описаниями)
— опционально: tier клиента, продукт, история тикетов
Возвращается за 1 tool call:
category → billing / bug / feature / account / other
priority → low / medium / high / critical
assigned_team → support / eng / sales / customer_success
is_angry → 0.94
needs_reply_1h → 0.71
пять типизированных ответов, миллисекунды, доли цента. Вместо 100$/место/мес за Intercom который делает то же самое как черный ящик.
2. чаты с клиентами → churn / retention / интеграция с CRM
есть ChurnZero, Gainsight (enterprise, тысячи $/год), Custify (99-299$/мес), CustomerGauge - они читают все касания клиента (тикеты, чаты, звонки) и через свои модели скорят "уйдёт / останется"
С джевом делаешь то же самое дешевле, с типизированным output готовым к прямому пушу в CRM + ты сам определяешь какие данные кормишь в апстрим:
state — все касания клиента за последние 30 дней (Slack + Intercom + emails + call transcripts) склеенные в один блок
один tool call → шесть скоров:
churn_probability → 0.72 (Noul)
retention_signal → 1.2 из 4 (Score: cold→loyal)
primary_concern → "pricing" (Choice: pricing/features/competitor/support/adoption)
requires_human_touch → 0.88 (нужен CS-звонок сейчас)
upsell_readiness → 0.15 (не время)
champion_or_detractor → "detractor"
Оборачиваешь это в интеграцию с CRM
Last, but not least
😏 байесовские системы на Джеве $4D 😏
вытягиваешь API данные (например ордербуки, рил тайм новости, вероятности с полимаркета)
чейнишь джев вызовы (каждый берет ризонинг предыдущего как evidence)
каждый узел дает суждение поверх предыдущего
композируешь в DAG - это буквально bayesian network wikipedia формально
https://en.wikipedia.org/wiki/Bayesian_network
раньше это была квант команда + миллионы долларов + месяцы работы и вручную высчитывания вероятностей
сейчас - один разработчик, ЛЛМ кредиты и теперь System 1 кредиты
4 degrees of freedom:
- ingestion
- calibration
- ensemble (multi-providers whenever they appear)
- structure (даг и что ты туда даешь все твое)
становишься квантом.
Sincerely,
Mr. Banan Babab 🥰
просто куча идей здесь.
то, что я затестил и не хочу гейткипить:
1. всеми любимый кастомер саппорт и тикеты:
есть такой сервис, https://www.intercom.com/
У них есть развитая тикет система, поп апчики, АИ внутри и система классификации тикетов
С джевом вы можете это сделать в тысячи раз дешевле и за один тулл колл
Отправляется в Jev:
— текст сообщения
— массив ваших типов тикетов (Choice options с описаниями)
— опционально: tier клиента, продукт, история тикетов
Возвращается за 1 tool call:
category → billing / bug / feature / account / other
priority → low / medium / high / critical
assigned_team → support / eng / sales / customer_success
is_angry → 0.94
needs_reply_1h → 0.71
пять типизированных ответов, миллисекунды, доли цента. Вместо 100$/место/мес за Intercom который делает то же самое как черный ящик.
2. чаты с клиентами → churn / retention / интеграция с CRM
есть ChurnZero, Gainsight (enterprise, тысячи $/год), Custify (99-299$/мес), CustomerGauge - они читают все касания клиента (тикеты, чаты, звонки) и через свои модели скорят "уйдёт / останется"
С джевом делаешь то же самое дешевле, с типизированным output готовым к прямому пушу в CRM + ты сам определяешь какие данные кормишь в апстрим:
state — все касания клиента за последние 30 дней (Slack + Intercom + emails + call transcripts) склеенные в один блок
один tool call → шесть скоров:
churn_probability → 0.72 (Noul)
retention_signal → 1.2 из 4 (Score: cold→loyal)
primary_concern → "pricing" (Choice: pricing/features/competitor/support/adoption)
requires_human_touch → 0.88 (нужен CS-звонок сейчас)
upsell_readiness → 0.15 (не время)
champion_or_detractor → "detractor"
Оборачиваешь это в интеграцию с CRM
Last, but not least
😏 байесовские системы на Джеве $4D 😏
вытягиваешь API данные (например ордербуки, рил тайм новости, вероятности с полимаркета)
чейнишь джев вызовы (каждый берет ризонинг предыдущего как evidence)
каждый узел дает суждение поверх предыдущего
композируешь в DAG - это буквально bayesian network wikipedia формально
https://en.wikipedia.org/wiki/Bayesian_network
раньше это была квант команда + миллионы долларов + месяцы работы и вручную высчитывания вероятностей
сейчас - один разработчик, ЛЛМ кредиты и теперь System 1 кредиты
4 degrees of freedom:
- ingestion
- calibration
- ensemble (multi-providers whenever they appear)
- structure (даг и что ты туда даешь все твое)
становишься квантом.
Sincerely,
Mr. Banan Babab 🥰