JEV в CRM: ИИ, принимающий решения за миллисекунды, и какие изменения он способен внести. Kommo к Bytebio

Что вы найдете в этой статье:

• Почему генеративный ИИ, так хорошо умеющий вести диалог, работает медленно и дорого, когда дело доходит до принятия решений?
• Что такое JEV, модель "System One" от TypeSafe AI, и что она возвращает вместо текста?
• Он отвечает на три вопроса: выбор, оценка и «да» или «нет», всегда с указанием вероятности и уверенности.
• В CRM это применимо в следующих областях: квалификация, оценка, метки, маршрутизация этапов и очередь обслуживания.
• Демонстрация с участием лидера из Kommoот полезной нагрузки до действия на карте
• Данные о стоимости и скорости, опубликованные компанией TypeSafe, а также результаты независимого тестирования.
• Чего не делает JEV и почему он дополняет агента ИИ, а не заменяет его.
• Как это вписывается в экосистему? Bytebio: KommoХарнц, ByteGPT ByteCapture

Практически каждая компания, использующая CRM, на каком-то этапе внедряла языковую модель: агент WhatsApp, автоматическое составление сводки разговора, классификация лидов, запускаемая n8n. И почти все сталкивались с одной и той же тройкой проблем при увеличении объема обращений. Ответы занимают секунды, стоимость звонка накапливается в больших масштабах, и один и тот же лид получает разные классификации в разные дни.

Это не недостаток генеративных моделей. Это отклонение от их функции. Они были разработаны для написания текстов, а большая часть работы CRM-системы не связана с написанием текстов. Она заключается в принятии решений: является ли этот лид перспективным или нет, является ли это сообщение вопросом в службу поддержки или намерением совершить покупку, останется ли эта карточка на текущем месте или перейдет к следующему этапу?

В сентябре 2026 года компания TypeSafe AI из Сан-Франциско выпустила модель раннего доступа, специально разработанную для решения второй задачи. Она называется JEV, и стоит понять, какие изменения в ней происходят.

Что такое JEV?

TypeSafe описывает JEV как первую модель нового класса, который он называет System One . Название взято из книги Даниэля Канемана «Думай быстро и медленно» : System 1 — это быстрое и интуитивное мышление, System 2 — медленное и обдуманное. Генеративная модель — это System 2: она рассуждает в текстовом виде, слово за словом. JEV — это System 1: она получает состояние (текст, JSON, список событий), получает один или несколько типизированных вопросов и возвращает ответы, которые код обрабатывает без интерпретации.

Разница сразу бросается в глаза в формате ответа. Генеративная модель, которой поручено классифицировать потенциального клиента, возвращает текст, который нужно прочитать, проверить и часто исправить, потому что она написала «Здравствуйте, вот JSON» перед самим JSON. JEV не генерирует текст. Он возвращает выбранный вариант, вероятность каждого варианта и число доверия. Это функция, а не инструмент для начала разговора.

Компания TypeSafe формулирует свою позицию тремя словами: «решения, а не строки».

Три вопроса, на которые он отвечает.

Каждый вопрос в рамках теста JEV относится к одному из трех типов , и именно это делает результат предсказуемым.

Для тех, кто устанавливает системы автоматизации, важны две детали.

Первый критерий — уверенность . В вопросах с множественным выбором и оценочных вопросах он измеряет, насколько велика вероятность правильного ответа. Когда модель распределяет вероятность между двумя вариантами, уверенность снижается, и в документации рекомендуется использовать это как второй критерий принятия решения: ответ говорит о том, что именно, а уверенность показывает, может ли система действовать самостоятельно. Высокая уверенность означает, что код действует. Средняя уверенность означает, что код запрашивает подтверждение или отметку для проверки. Низкая уверенность означает, что решение принимает человек.

Второй способ — пакетная обработка . В один запрос входит несколько вопросов, каждый из которых оценивается независимо по отношению к одному и тому же состоянию, при этом ответ на один вопрос не влияет на остальные. Поскольку состояние передается только один раз, запрос десяти вопросов обходится немногим дороже, чем запрос одного.

Детерминизм — нет; последовательность — да.

Вопрос, который задает себе каждый инженер, — является ли JEV детерминированным. Честный ответ, и сам TypeSafe проводит это различие, заключается в том, что он согласован. Строгий детерминизм означал бы возврат одного и того же ответа для одного и того же входного значения. Согласованность же означает принятие одного и того же решения, когда смысл остается тем же, даже если предложение меняется.

Для тех, кто пытался классифицировать сообщения WhatsApp, это решает старую дилемму. Регулярные выражения слишком ненадежны: если клиент напишет «Мне нужна смета» вместо «Мне нужно коммерческое предложение», правило не сработает. Генеративные модели слишком непредсказуемы: лишняя запятая в подсказке меняет поведение. JEV находится где-то посередине. Он понимает семантику как языковую модель и отвечает структурой функции.

В ходе теста, проведенного компанией TypeSafe, в котором тринадцать вопросов повторялись пять раз по одному и тому же документу, большинство ответов не изменились между раундами.

Какое место это занимает в CRM-системе?

Модель, позволяющая принимать быстрые и недорогие решения, меняет роль ИИ в CRM. Вместо того чтобы просто использоваться в службе поддержки клиентов, он становится фоновым уровнем принятия решений для каждого события, без необходимости задавать какие-либо вопросы. Карта вариантов использования TypeSafe точно перечисляет для отдела продаж все, что необходимо коммерческой деятельности: соответствие идеальному профилю клиента, зрелость компании, болевые точки, намерение совершить покупку, приоритезация и маршрутизация.

Переведено на Kommoс системами, которые Bytebio Это уже интегрировано в CRM, поэтому так и останется.

Непрерывная квалификация лидов. При каждом сообщении или событии анализируется вся история карточки (сообщения, клики, время ответа, источник), и обновляется поле этапа взаимодействия. Отсутствует одноразовая квалификация при поступлении, которая затем забывается.

Показатель вовлеченности. Оценка по шкале, определенной компанией, с письменными критериями для каждого уровня, записывается в числовое поле на карточке. Продавец сортирует очередь по этому полю, а не по интуиции.

Теги интересов. Вопрос с несколькими вариантами ответа по теме (планирование, интеграция с ERP, поддержка ИИ, цена) становится тегом для потенциального клиента. Сегментация для кампаний и отчетов затем основывается на том, что сказал клиент, а не на том, что продавец вспомнил записать.

Коммерческие намерения против потребности в поддержке. Простой ответ «да» или «нет», который отличает тех, кто хочет купить, от тех, кому нужна помощь, и направляет каждого в соответствующую очередь еще до того, как кто-либо ее прочтет.

Поэтапная маршрутизация. Когда вероятность закрытия сделки превышает пороговое значение, карточка переходит на следующий этап, и продавец получает задание. Когда вероятность падает ниже этого порога, карточка возвращается на этап развития отношений.

Срочность и риск потери. В активном режиме тот же механизм считывает сигналы охлаждения и запускает задачу повторной активации до того, как клиент исчезнет.

Механизм защиты агента ИИ. Прежде чем агент ответит, задается вопрос «да» или «нет», чтобы проверить, не выходит ли сообщение за рамки его компетенции или не содержит ли оно конфиденциальные данные, и в случае положительного ответа перенаправляет к оператору.

Общим моментом является то, что ни в одном из этих случаев JEV (Executive Value Proposition) не разрабатывает ничего для клиента. Решение принимает он сам, а CRM (Customer Relationship Management) его выполняет.

Демонстрация: лид от Kommo оценено JEV

Приведенный ниже пример адаптируется к Kommo Концепция, представленная в докладе, который послужил источником вдохновения для этой статьи, изначально была реализована в n8n с использованием другой CRM-системы. Процесс тот же: считывание карточки и временной шкалы, формирование состояния, постановка вопроса и запись ответа на карточке.

Данный документ представляет собой краткое описание потенциального клиента. Обратите внимание, что он поступает уже в структурированном виде, поскольку JEV обрабатывает текст и JSON, а источником данных является система отслеживания ByteCapture.

{
  "model": "jev-latest",
  "state": {
    "lead": { "etapa": "Contato realizado", "origem": "Instagram Ads, via ByteCapture" },
    "contato": { "empresa": "Clínica com 12 profissionais", "cargo": "Gestora administrativa" },
    "linha_do_tempo": [
      { "quando": "há 6 dias", "evento": "Clicou no anúncio e mandou a primeira mensagem no WhatsApp" },
      { "quando": "há 6 dias", "evento": "Perguntou se a IA agenda consultas e lembra os pacientes" },
      { "quando": "há 4 dias", "evento": "Recebeu a apresentação em PDF e abriu em três minutos" },
      { "quando": "há 2 dias", "evento": "Pediu proposta com valores para 12 agendas" },
      { "quando": "ontem", "evento": "Perguntou o prazo de implantação e se integra ao sistema da clínica" }
    ]
  },
  "questions": {
    "estagio_relacionamento": {
      "type": "choice",
      "instructions": "Considerando a linha do tempo, qual é o estágio atual de relacionamento deste lead?",
      "criteria": {
        "ativo": "Interações recentes e recorrentes, iniciadas pelo lead.",
        "passivo": "Poucas interações, esporádicas.",
        "inativo": "Recebe mensagens recentes, mas não responde.",
        "adormecido": "Sem interação há um período prolongado.",
        "evidencia_insuficiente": "O histórico não permite decidir."
      }
    },
    "engajamento": {
      "type": "score",
      "instructions": "Qual é o nível de engajamento demonstrado? Considere frequência, variedade e recência.",
      "criteria": {
        "0": "Nenhuma interação relevante.",
        "1": "Uma interação isolada ou antiga.",
        "2": "Algumas interações, irregulares.",
        "3": "Interações recorrentes, sobre mais de um assunto.",
        "4": "Interações frequentes, recentes e consistentes."
      }
    },
    "intencao_comercial": {
      "type": "noul",
      "instructions": "O histórico mostra sinais consistentes de intenção de compra? Uma leitura isolada de mensagem não conta.",
      "criteria": "Pedido de proposta, pergunta sobre prazo, preço ou integração, ou mais de um clique em material comercial."
    }
  }
}

В ответе возвращается структура, используемая API JEV. Приведенные ниже значения являются иллюстративными, но формат соответствует реальному.

{
  "model": "jev-1.13.0",
  "answers": {
    "estagio_relacionamento": {
      "type": "choice",
      "choice": "ativo",
      "confidence": 0.91,
      "probabilities": { "ativo": 0.91, "passivo": 0.05, "inativo": 0.02, "adormecido": 0.01, "evidencia_insuficiente": 0.01 }
    },
    "engajamento": {
      "type": "score",
      "score": 3.62,
      "confidence": 0.71,
      "probabilities": { "0": 0.00, "1": 0.01, "2": 0.04, "3": 0.28, "4": 0.67 }
    },
    "intencao_comercial": { "type": "noul", "noul": 0.94 }
  },
  "usage": { "input_tokens": 1180, "output_tokens": 0 }
}

Нет текста для интерпретации. Существует лишь набор чисел, и на их основе правило принятия решения заложено в коде, где его можно прочитать, протестировать и версионировать. Вот как происходит интеграция... Bytebio вписать Kommo:

Пороговые значения устанавливаются компанией, а не моделью. TypeSafe рекомендует начинать с консервативных значений и корректировать их на основе реальных данных, масштабируя соответственно: для перемещения карты требуется меньше уверенности, чем для отбрасывания потенциального клиента, а для отбрасывания потенциального клиента требуется меньше уверенности, чем для обещания скидки.

Цифры

Следует обратить внимание на два набора данных: опубликованные компанией TypeSafe и данные независимого тестирования.

Что публикует TypeSafe. Цены, страница с шаблонами и примеры рецептов содержат проверяемые измерения.

На своей главной странице TypeSafe также утверждает, что JEV в 193,6 раза быстрее и в 244,6 раза дешевле, чем генеративные модели в задачах этого типа. Это утверждение производителя, без какой-либо опубликованной методологии на той же странице, и поэтому оно регистрируется как утверждение.

Независимый тест. Приведенные ниже данные получены в ходе теста, представленного на лекции экспертом по автоматизации, который отправил одну и ту же историю контактов (приблизительно 18 000 токенов временной шкалы) в JEV и двум генеративным моделям в рамках потока n8n с одним и тем же запросом на структурированную классификацию. Названия генеративных моделей соответствуют названиям, использованным в презентации.

Время отклика генеративных методов для генерации и проверки JSON составляло от 3 до 5 секунд. JEV отвечал за доли секунды, что позволяло осуществлять синхронные вызовы в рамках потока без постановки в очередь или ожидания.

Стоит отметить один момент из теста: JEV подсчитал больше входных токенов, чем генеративных (26 600 против 17 700), из-за способа обработки состояния. Тем не менее, он оказался примерно на 82% дешевле в расчете на один анализ, поскольку не взимает плату за выход и взимает плату за вход по гораздо более низкой цене.

Что эти цифры означают на практике: анализ ста тысяч разговоров или контактов в месяц теперь обходится чуть более чем в сто долларов. Непрерывная квалификация всей базы данных, которая раньше укладывалась в бюджет только крупной компании, теперь вписывается в работу отдела продаж и CRM-системы.

Чего не делает JEV

Чтобы предотвратить превращение энтузиазма в провальный пилотный проект, сама компания TypeSafe ведет страницу, на которой изложены известные ограничения . Наиболее важные аспекты CRM:

• Он не пишет. Отсутствие ответа от клиента, резюме или предложения. Так обстоит дело и с генеративной моделью.
• Он не умеет считать. Подсчет сообщений, суммирование значений и сравнение дат — это задача кода, которая выполняется до того, как будет задан вопрос. Вопрос «было ли больше трех кликов?» следует задавать после подсчета, а не с использованием исходного списка.
• Он читает это буквально. В инструкции должно быть указано, что является сигналом, а что нет. Именно поэтому в вопросе о коммерческих намерениях выше содержится предупреждение о том, что однократное считывание не засчитывается.
• Его отвлекает огромный и грязный штат. Фильтрация истории перед отправкой улучшает время ответа и снижает затраты.
• Он не подозревает, что это за текст. Встроенные в сообщение клиента инструкции могут влиять на ответ, поэтому основным критерием остается как код, так и сам процесс.

Практический вывод заключается в том, что JEV не заменяет агента ИИ. Он забирает у агента то, что тот делает плохо и дорого (принятие решений), и оставляет то, что он делает хорошо (общение).

Как это вписывается в экосистему? Bytebio

A Bytebio é Экспертный партнер Kommo и поддерживает собственные системы, интегрированные с CRM: классификация потенциальных клиентов, оценка, обновление полей, метки и перемещение по этапам. JEV добавляет более быстрый, дешевый и стабильный механизм принятия решений в этих областях. Архитектура, которая... Bytebio Предложение состоит из четырех уровней.

1. Каналы продаж и CRM. WhatsApp выходит на рынок KommoКаждая карточка хранит информацию о разговоре, его источнике и соответствующих полях. ByteCapture Это гарантирует правильность происхождения потенциального клиента, что становится одним из показателей при оценке.
2. Агент искусственного интеллекта. O ByteGPT Или же агент компании Harnz общается с клиентом, используя «Документ истины» компании в качестве нормативного источника и, при необходимости, обращаясь к непосредственному сотруднику.
3. Решение. Для каждого соответствующего события, Харнц Она собирает информацию о статусе потенциального клиента, запрашивает данные из базы JEV и получает введенные ответы.
4. Действия в Kommo. Правила Харнца для Kommo Они преобразуют ответ в поле, маркировке, шаге и задании, всегда в пределах пороговых значений, определенных компанией, и возвращают в очередь обработки человеком то, что находится ниже минимального уровня достоверности.

Harnz — ключевой компонент, обеспечивающий устойчивость этого процесса. Каждый вопрос, каждый критерий и каждый пороговый уровень имеют версионный статус; изменения вступают в силу только после одобрения человеком и могут быть отменены; каждое решение регистрируется вместе с ответом модели и предпринятыми действиями; а стоимость каждого потока отображается отдельно, что в модели, взимающей плату в несколько центов за тысячу анализов, перестает быть проблемой и становится показателем. Тестовый центр Harnz позволяет запустить серию реальных диалогов с новым набором вопросов, прежде чем запускать какие-либо действия в CRM.

O Que a Bytebio В этом контексте реализация включает в себя разработку вопросов с критериями приемлемости и их интеграцию в... Kommoкалибровка пороговых значений с использованием фактических данных компании и оказание поддержки после запуска системы.

Как запустить операцию, не останавливая её

Путь, который Bytebio Процесс добавления уровня принятия решений в CRM-систему следует тому же пути, что и другие этапы: диагностика, архитектура, поэтапная реализация и эксплуатация.

1. Выбор решения. Одна-единственная строка, с ответственным лицом и четкими последствиями. Приоритизация очереди обслуживания — распространенный отправной пункт, поскольку это недорогая ошибка, которая быстро окупается.
2. Напишите вопросы и критерии. На простом португальском языке изложено, что важно, а что нет на каждом уровне. Этот текст представляет собой бизнес-правило, и именно так его интерпретирует Харнц.
3. Выполните калибровку по фактическим данным. Проанализируйте несколько сотен потенциальных клиентов, уже прошедших квалификацию, и сравните их. Именно здесь порог доверия приобретает численное значение.
4. Езда в тени. Решение принимает JEV, Харнц записывает его, и карточка не меняется. В течение одной-двух недель команда просматривает решения в журнале.
5. Связывайте действия по одному. Сначала поле, затем метка, затем шаг. Каждый шаг имеет свои критерии приемки и подготовленный путь возврата.
6. Измерьте и отрегулируйте. Показатели автоматизированного принятия решений, коэффициент ручной проверки, точность выборки и стоимость привлечения потенциального клиента. Полученные в ходе работы данные используются для корректировки критериев.

Ни один из этих этапов не заканчивается пилотной фазой. Каждый из них имеет свои результаты и критерии приемки.

Вывод, имеющий значение для лица, принимающего решение.

Дискуссия об использовании ИИ в CRM уже два года застряла в сфере обслуживания клиентов, а обслуживание клиентов — это лишь одна часть процесса продаж. Более важная часть — это негласное решение, принимаемое с каждым сообщением: кому оно адресовано, с каким приоритетом, на каком этапе, с какой меткой. До сих пор принятие этого решения ИИ на каждом этапе было слишком дорогостоящим и медленным процессом, поэтому оно принималось один раз, вначале, а затем откладывалось.

Модель, принимающая решения за миллисекунды и взимающая плату в несколько центов за тысячу анализов, меняет эту ситуацию. Однако она не меняет того, что делает решение обоснованным: письменные критерии, определенный пороговый уровень, журнал каждого действия, утверждение изменений и ответственный сотрудник в случае сбоя. Без этого дешевая модель лишь быстрее выдает ошибки.

Сначала структура. Автоматизация потом. JEV решает проблему скорости и стоимости принятия решения. Bytebio Оно отвечает за окружающую его структуру.

Такие как Bytebio может помочь

A Bytebio Это инженерная компания. Ribeirão PretoС 2009 года компания внедряет ИИ, автоматизацию и CRM-системы в предприятиях, чья прибыль зависит от операционной деятельности, и несет ответственность за то, что она создает. Экспертный партнер Kommo, создатель ByteGPT, победитель Kommo Награда Partners Award 2024 за лучшую локальную интеграцию и поддерживает ХарнцСтруктура управления ИИ в WhatsApp, включающая версионирование, утверждение изменений, полное логирование и оплату за каждый поток.

Если в вашей компании уже используется CRM-система и ИИ-агент, и квалификация по-прежнему зависит от того, кто прочитал переписку, поговорить с BytebioМы начнем с краткой диагностики воронки продаж и необходимых для ее реализации решений, и откровенно заявим, какие из них стоит автоматизировать в первую очередь.