Clasificación de texto en Zapier: AI by Zapier Classify vs Vertex Classify Text vs HTTP → Jev

En Zapier, clasificar suele ser un paso de enrutado: normalizas un campo entrante, pides al modelo una etiqueta corta y ramificas con Paths/Filters antes de escribir en Zendesk, Slack o el CRM. Dos opciones documentadas: (1) AI by Zapier con plantilla Classify y campos de salida; (2) Classify Text de Google Vertex AI si ya tienes GCP. La tercera es Webhooks/HTTP hacia una API externa como JevModel. Ninguna sustituye un holdout etiquetado de tu propio tráfico.

Según Zapier Help, AI by Zapier permite escribir un prompt (o plantilla Classify), elegir nivel de modelo—Standard (1×), Advanced (3×), Premium (5×, a menudo por defecto) o BYOK (1×)—y definir Output Fields. Proveedores: OpenAI, Anthropic, Gemini, Azure OpenAI, Bedrock. La moderación va activa por defecto en modelos de Zapier. Fortalezas: edición rápida, Preview, modelos sin salir de Zapier. Límites: el conocimiento se reinicia cada ejecución; la confianza calibrable no es un contrato de producto; el schema vive en este Zap; Advanced/Premium multiplican tareas. Hasta medir precisión, trata la salida como JSON moldeado por el prompt.

La guía de Vertex en Zapier describe Classify Text: mapear Text, listar Categories, elegir Project ID y dejar Model Region en us-central1 salvo otra política. Advanced Fields opcionales exponen parámetros LLM. Casos: spam, sentimiento, tema, moderación. La clasificación queda en facturación e IAM de GCP, no en multiplicadores de tareas de AI by Zapier. Devuelve una categoría para Paths, no un contrato Choice/Score/Noul portable. Úsalo si Vertex ya está aprobado y quieres quedarte en Google.

La tabla contrasta forma de flujo y contrato de decisión, no puntuaciones de marketing. Calibra cualquier confianza en tu muestra etiquetada.

Quédate en Classify o Vertex si hay pocas etiquetas estables, un falso enrutado es barato, todo vive en Zapier y quieres mapeo nativo. Describe bien las categorías, mantén Path Other, Preview con muestras reales y registra nivel de modelo o región Vertex. Prefiere Vertex si GCP ya concentra el gasto de AI.

Patrón habitual: Trigger → Formatter/Code a state → Webhooks POST a /api/v1/systemone con Choice (2–12) y Score/Noul opcional → Paths/Filters → efectos solo con alta confianza → cola humana si no. Claves en Credentials. Presupuesto: ~8000 caracteres tras validar, 1–8 preguntas, cuota diaria (5/día UTC) en cuentas gratuitas verificadas. JevModel hospeda typesafe/jev-1.13 vía OpenRouter; independiente de TypeSafe AI; no multimodal ni pesos descargables aquí.

// Illustrative only — map fields in the Zap editor; keep secrets in Credentials.
POST /api/v1/systemone
{
  "state": "Customer asks for a refund on order #1842 after late delivery.",
  "questions": [
    {
      "id": "route",
      "type": "choice",
      "prompt": "Support route",
      "labels": ["billing", "shipping", "product", "other"]
    }
  ]
}

Calibra cualquier confianza—campo libre de AI by Zapier, score de Vertex o Score/Noul de Jev—antes de autoaplicar. Política: banda alta automática; media a humanos con sugerencias; bajo el suelo, revisión forzada. Cablea Paths medias/bajas antes de escrituras. Los números del vendor son señal débil hasta medirlos.

1) Congela un diccionario de labels con casos límite. 2) Other vs descartar. 3) AI by Zapier, Vertex o API Jev según reuso, GCP y abstención. 4) Claves solo en Credentials. 5) Mide precisión/recall en holdout tras cada cambio. 6) Acciones destructivas detrás de umbrales y Path humana. 7) No afirmes ganancias de ranking o precisión sin medirlas.