Jev réalise environ 38 000 prévisions au niveau du tour de parole sur 2 029 appels à partir des seules informations structurelles — tours, appels d'outils, étapes de workflow, timing — avec une médiane de 118 ms, sans toucher aux noms, adresses ou données de santé.
Calls have a shape. Jev never heard a word. It saw only turns, tool calls, workflow stages and timing, and still made 38,012 turn-level forecasts across 2,029 calls. That's about 19 per call, at a 118 ms median. Structure-only input means no caller names, addresses or health
L'auteur partage un retour d'expérience sur Jev : cela semblait délicat au début, mais tout s'est éclairé en le comprenant comme « ne pas laisser l'IA écrire le texte ». En prenant le traitement des demandes comme exemple, l'approche classique consiste à tout confier à GPT ou Claude pour analyse, alors que Jev adopte une approche différente.
Le prototype utilise l'IA pour estimer l'hésitation ou l'intérêt à partir des mouvements du curseur ou de l'arrêt avant le clic, en observant le comportement du client et en complétant les explications ou en suggérant des comparaisons.
L'auteur a créé une démo de service client en temps réel pour le e-commerce avec Jev et gpt-live-1, qui suggère instantanément des produits recommandés en fonction de la parole de l'utilisateur pendant la conversation, offrant une excellente expérience.
