Clasificación de comentarios de clientes: un tema, una prioridad y por qué el sentimiento no basta

La decisión son dos preguntas, no una nota. Primera: ¿de qué trata sobre todo este comentario? Segunda: ¿cuándo debería leerlo alguien de producto? El sentimiento responde otra cosa — positivo, neutro o negativo — y el informe semanal de temas desaparece si solo guardas polaridad. El triaje de soporte responde otra: qué cola en vivo debe responder. Un comentario puede ser negativo y ser una petición de función, o positivo y describir una exportación rota. Abrir un ticket por cada comentario llena la cola de elogios. Usa sentiment-analysis-api si el panel necesita polaridad. Usa support-triage o zendesk-ai-ticket-classification si alguien debe responder. Usa content-moderation si la acción es ocultar, banear o escalar por seguridad. Esta página cubre el corpus offline: respuestas literales de NPS, feedback in-app, reseñas públicas y texto libre de encuestas que producto agrupa en una lista fija de temas.

Clasifica una respuesta abierta cada vez. Si la encuesta tiene tres cajas de texto libre, haz tres filas para que los temas no se mezclen. Arma un state JSON con las palabras de quien respondió y unos pocos campos que ya confías: canal (nps, in-app, reseña), la nota si existe, plan, locale y área de producto si el formulario la pidió. Quita el texto fijo del formulario, como “Comentarios adicionales:”. Si la fila llegó por email, recorta primero respuestas citadas y firmas — eso es email-classification — y solo entonces clasifica el comentario restante. No pegues capturas, audio ni archivos. Esta API acepta solo texto o JSON; describir una imagen con palabras no es mostrar los píxeles. Anonimiza nombres, emails e ids de cuenta antes de que la petición salga de tu sistema. El state serializado cabe en 8.000 caracteres como máximo, y la petición validada completa (state más preguntas) también debe caber en 8.000, así que deja sitio a los criteria. Recorta hasta las frases de quien respondió. Si otro modelo resumió el comentario antes, anótalo en la fila, porque ya no clasificas las palabras originales. Los datos de la petición se envían al proveedor upstream; ver privacy-and-history.

La mayoría de equipos deja una capa fina de reglas para frases que ya confía y un modelo para el resto. La tabla compara contratos y modos de fallo. No es un benchmark, y ninguna de las tres sustituye una muestra etiquetada de tus propios comentarios.

El Playground incluye un ejemplo llamado Feedback intelligence. Clasifica un comentario sobre una exportación de informes que se volvió lenta en un tema (rendimiento, usabilidad, función o facturación) y un Score de seguimiento de bajo a muy alto. La petición de abajo conserva ese comentario y añade un tema mixed explícito para que una nota corta o de varios temas no caiga a la fuerza en un área de producto. Los ids de pregunta empiezan por una letra y luego solo usan minúsculas, dígitos y guiones bajos, hasta 40 caracteres. Las instructions van de 8 a 600 caracteres. Cada criterion, de 2 a 350. Choice admite de 2 a 12 temas. Score admite de 2 a 10 niveles ordenados; escríbelos en el orden de la rúbrica, aquí de bajo a muy alto. Una respuesta Choice trae choice, una probabilidad por tema y un resumen confidence de esa distribución. Confidence no es una tasa de acierto medida. Una respuesta Score trae score, que puede caer entre niveles, y ese número no es una probabilidad. Lee ambos antes de cualquier efecto. Un tema no autoriza a cambiar la hoja de ruta. Inicia sesión, verifica el email, crea una clave en Console, API keys, y guárdala como JEVMODEL_API_KEY en el servidor. La llamada de abajo es una petición real y puede gastar cupo o tokens. Las cuentas gratuitas verificadas comparten 5 ejecuciones exitosas por día UTC entre Playground, cada fila de Batch y esta API, sujetas a la capacidad del sitio. El modelo fijo es typesafe/jev-1.13 vía OpenRouter. No hay clave de idempotencia: si se pierde la respuesta, revisa el historial antes de reintentar.

curl --fail-with-body https://jevmodel.app/api/v1/systemone \
  -H "Authorization: Bearer $JEVMODEL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"state":{"channel":"nps","score":3,"comment":"After the latest update, exporting a report takes two minutes instead of ten seconds. We export every morning."},"questions":{"theme":{"type":"choice","instructions":"Classify the main theme of this customer feedback.","criteria":{"performance":"Performance or speed regression.","usability":"Confusing interaction.","feature":"Feature request.","billing":"Billing issue.","mixed":"Several themes, or not enough text to choose."}},"urgency":{"type":"score","instructions":"Rate product-team follow-up priority for this feedback.","criteria":["Low: optional improvement","Medium: limited friction","High: recurring workflow degraded","Very high: core workflow blocked for many users"]}}}'

Fija tres bandas con tus propios comentarios reservados, no con un corte universal. Banda alta: escribe el tema y la prioridad en la fila de tu almacén. Esa acción se puede deshacer. Banda media, la etiqueta mixed o dos temas con probabilidades cercanas: muestra el comentario a quien revisa, con los dos temas principales, y deja que esa persona añada un segundo tema a mano si el informe lo necesita. Banda baja: deja la fila sin etiqueta. No crees un ítem público de hoja de ruta solo con una etiqueta. Calibra qué valores de Score deben avisar a alguien; el score es una lectura de tu rúbrica, no una probabilidad de acertar. Revisa las bandas cuando renombres criteria o cambie el comportamiento del modelo upstream. Para un backlog, Console y luego Batch importa CSV, TXT o JSONL de hasta 2 MB y 1.000 filas, aplica un conjunto fijo de preguntas y exporta respuestas por fila. Une esas respuestas con tus labels fuera del sitio. Batch no calcula la exactitud y no es un endpoint de trabajo masivo asíncrono. Una fila sigue siendo una ejecución ordinaria. Ver confidence-and-abstention para umbrales y evaluation para el conjunto reservado. Si un comentario debe llevar varios temas a la vez, ese contrato es multi-label-text-classification, no un Choice más ancho.

Quédate aquí si la entrada es un comentario abierto de producto y la salida es un tema más una prioridad. Pasa a sentiment-analysis-api si el gráfico solo necesita positivo, neutro o negativo. Pasa a support-triage si el texto es un ticket en vivo que hay que responder. Pasa a email-classification si la entrada cruda sigue siendo un hilo de correo. Pasa a content-moderation si la acción es una medida de seguridad. Pasa a multi-label-text-classification si el informe debe conservar cada tema aplicable, no solo el principal. Un Decision Flow puede encadenar la pregunta de tema con una pregunta siguiente, pero ejecutar un flow es solo para planes de pago: suscríbete o compra un paquete de tokens. Los flows no usan las ejecuciones gratis del día. JevModel no entrena un clasificador con tus comentarios, no acepta imágenes ni adjuntos, no es open source y no ofrece descarga de pesos.