JEV al cuore di InsightNarrator: il giudizio rapido che mancava alla Voice of the Customer

Ogni giorno un'azienda riceve migliaia di frasi dai suoi clienti: recensioni, ticket, risposte ai sondaggi, chat. Capire cosa dicono è la parte facile. Le domande difficili sono altre: cosa vogliono davvero? Come si sentono? Quanto è urgente? E soprattutto: cosa dovrebbe fare l'azienda adesso?

Le prime tre sono domande di giudizio; l'ultima è una domanda di decisione. Per anni i team di Customer Experience le hanno affrontate in due modi poco soddisfacenti: regole rigide che perdono le sfumature, oppure LLM generalisti troppo lenti e troppo costosi da applicare a ogni messaggio. Con JEV una parte di questo problema si sblocca.

1. Un modello che non parla, decide

Il 15 settembre TypeSafe, un laboratorio di AI rimasto due anni in stealth, ha rilasciato JEV, un modello che classifica testo e dati strutturati invece di generarli. Non conversa e non scrive: riceve un contesto e domande tipizzate, e risponde a ciascuna con una delle opzioni che hai definito, insieme alle probabilità associate. Il nome viene dal paradosso di Jevons: quando un'operazione diventa abbastanza economica, finisci per farne molta di più.

«System One» richiama Kahneman: il pensiero veloce e intuitivo, contrapposto al ragionamento lento e deliberato. Il prezzo spiega parte dell'accoglienza: a 0,042 USD per milione di token di input, con output gratuito, un giudizio che prima era «una chiamata LLM da giustificare» diventa qualcosa che puoi eseguire su ogni richiesta. Secondo TypeSafe, i tempi di risposta end-to-end vanno da 70 a 500 millisecondi. Nelle prime 24 ore dal rilascio su Vercel, circa il 13% dei team paganti della piattaforma lo ha provato: l'adozione più rapida di un nuovo modello sulla piattaforma.

2. Perché il rilevamento di intento ed emozione è il suo territorio naturale

Riconoscere l'intento («vuole disdire», «chiede un rimborso», «sta confrontando i concorrenti») e l'emozione («frustrazione», «delusione», «entusiasmo») sono problemi a tassonomia chiusa. JEV è costruito proprio per questo:

• Categorie sempre valide. Il modello non risponde mai al di fuori delle opzioni che hai definito. Per una pipeline di analytics significa nessuna etichetta inventata e dati che entrano nel resto del sistema già strutturati.
• Probabilità, non solo etichette. Con le distribuzioni di probabilità puoi impostare delle soglie: sopra un certo valore l'insight procede in automatico, sotto va in revisione.
• Costi e latenza su scala reale. Analizzi il 100% del feedback, non un campione, e in tempo reale.

In InsightNarrator, JEV alimenta i motori CORE di rilevamento di intento ed emozione. Nei nostri test su 1,5 milioni di feedback in lingue diverse abbiamo osservato un'accuratezza del 96,7%, a un costo di pochi centesimi ogni 1.000 feedback rispetto alla soluzione basata su LLM.

3. Dove si colloca nello sciame

InsightNarrator non è un modello con una finestra di chat sopra: è uno sciame di dieci agenti coordinati da NarratorGPT, con specialisti come SentimentAI, ThemeMapper, SegmentLens, TrendRadar, RiskAlert, Friction Economist, Data Scientist, Domain Expert, Synthesis Analyst e Quality Auditor.

In questo disegno JEV svolge un compito preciso: produce i segnali elementari (intento, emozione, urgenza) che gli agenti specializzati poi aggregano, incrociano e interpretano. SentimentAI e ThemeMapper non devono più «leggere» ogni frase da zero, perché partono da giudizi già strutturati e con una probabilità dichiarata. Il ragionamento lento (perché il sentiment di un segmento cala? quale attrito costa di più?) resta dove deve stare, negli agenti che possono permetterselo.

Sopra questo livello di giudizio si trovano funzioni che vanno oltre la classificazione:

• Tassonomia ABSA: il sentiment non viene assegnato all'intero messaggio ma ai singoli aspetti di cui parla il cliente (prezzo, consegna, assistenza), ed è questo che rende un'analisi azionabile.
• Analisi C-Risk: leggere il feedback attraverso la lente del rischio, dove intento ed emozione diventano indicatori anticipatori.
• Sondaggi: la raccolta di feedback strutturato che alimenta la stessa pipeline.
• Scoty: l'interfaccia conversazionale con cui gli utenti costruiscono le proprie analisi parlando con la piattaforma.
• ROI Builder: traduce gli insight in valore economico, perché un'analisi che non finisce con un numero di business raramente finisce in un budget.

4. Senza sostituire ciò che hai già

La maggior parte dei team CX non ha bisogno di un altro posto dove raccogliere feedback. Ne ha già uno, spesso più di uno: una piattaforma di sondaggi qui, un tool di text analytics là, un sistema di ticketing a parte. Smantellare tutto per provare un nuovo modello è fuori discussione.

InsightNarrator è stato progettato per lavorare sopra 25 sistemi di Voice of the Customer, tra cui Medallia e Qualtrics. Legge il feedback dove si trova già, aggiunge il livello di intelligenza (intento, emozione, aspetti, rischio, decisioni) e restituisce insight senza un progetto di migrazione. È anche per questo che un nuovo motore come JEV si può adottare in fretta: si innesta nel livello di analisi e le tue fonti di dati restano esattamente dove sono.

5. L'onestà necessaria: un giudizio sbagliato è identico a uno giusto

JEV non è magia, e chi lo adotta in produzione dovrebbe saperlo. Un'analisi indipendente osserva che ogni risposta rispetta il formato che hai definito, quindi una risposta sbagliata è identica a una corretta; nei loro test, un testo inserito nell'input ha spinto il modello verso l'opzione sbagliata con una confidenza superiore al 70%.

Nella Voice of the Customer questo conta più che altrove, perché il testo analizzato è scritto da terzi non affidabili: recensioni, commenti, email. Un modello veloce da solo non basta. Serve qualcosa intorno.

6. «Beyond the Model»: l'harness come sistema

È qui che il nostro lavoro accademico incontra l'attualità. Nel paper Beyond the Model: Designing the Harness as a System sosteniamo che il vero elemento distintivo di un prodotto AI non è il modello ma l'harness che lo circonda, descritto come un sistema di sette organi: costituzione, conoscenza, gestione del contesto, memoria, guardrail, verifica e feedback, osservabilità.

JEV è un caso di studio quasi perfetto:

• Il problema dell'input non affidabile è una questione di guardrail: il testo dei clienti è un dato da analizzare, mai un'istruzione da seguire.
• Il rischio della «risposta sbagliata che sembra giusta» è una questione di verifica e feedback: nell'harness di InsightNarrator, il Quality Auditor e il pattern Goal-Loop controllano il lavoro degli agenti prima che diventi un insight.
• La domanda «cosa ha letto il modello quando ha sbagliato?» è una questione di osservabilità.
• Le soglie di confidenza e il ruolo del Domain Expert riguardano conoscenza e costituzione: cosa conta come decisione accettabile in un certo ambito, e chi è autorizzato a prenderla.

La conseguenza è la nostra tesi: i modelli si sostituiscono, l'architettura resta. Abbiamo integrato JEV in pochi giorni perché l'harness era già pronto ad accoglierlo, e potremo sostituirlo o affiancarlo a qualcosa di meglio senza riscrivere il prodotto. Il nostro lavoro sul protocollo A2A va nella stessa direzione: agenti e modelli intercambiabili dentro un'orchestrazione stabile.

7. Cosa cambia per i team CX

• Dal campione alla totalità: ogni feedback viene classificato per intento ed emozione, non solo quelli che qualcuno ha il tempo di leggere.
• Dal report al segnale: urgenza e rischio emergono mentre il cliente sta ancora scrivendo.
• Dai dati alla decisione: intenti ed emozioni alimentano priorità, instradamento e azioni, con una persona nel loop ovunque la confidenza sia bassa.
• Dal costo all'investimento misurabile: il ROI Builder lega gli insight a un valore economico che puoi difendere davanti al management.
• Dalla sostituzione al potenziamento: nessuna migrazione e nessun nuovo strumento di raccolta, perché il livello di intelligenza poggia sui sistemi che usi già.

8. Provalo sul tuo feedback

JEV è uno dei motori che fanno di InsightNarrator una piattaforma di Decision Orchestration per la Voice of the Customer: giudizio rapido dove serve, ragionamento e controllo dove conta. Se vuoi vedere come funziona il rilevamento di intento ed emozione sul feedback che raccogli già in Medallia, Qualtrics o in uno dei 25 sistemi VoC, inizia una prova gratuita di 14 giorni o prenota una demo.