Zapierテキスト分類：AI by Zapier Classify vs Vertex Classify Text vs HTTP → Jev

Zapierでは分類は多くの場合ルーティング工程です。入カフィールド（チケット本文、フォーム回答、チャット書き起こし）を正規化し、短いラベル一覧からモデルに選ばせ、Zendesk/Slack/CRMへの書き込み前にPaths/Filtersで分岐します。ドキュメント上の主な選択肢は(1)Classifyプロンプトテンプレートと構造化出力のAI by Zapier、(2)GCPプロジェクトがある場合のGoogle Vertex AI Classify Text。第三はWebhooks by ZapierやHTTP系アクションでJevModelなど外部意思決定APIへPOST。どれも自前トラフィックのラベル付きholdoutの代わりにはなりません。

Zapier Helpによれば、AI by Zapierはプロンプト作成（またはClassifyなどのテンプレート選択）、モデル階層（Standard 1×、Advanced 3×、Premium 5×＝新規でよく既定、BYOK 1×）、後続でマップできるOutput Fields定義が可能です。対応はOpenAI、Anthropic、Gemini、Azure OpenAI、Bedrock。Zapier提供モデルは既定でコンテンツモデレーションON。強みはエディタ内の速さ、Preview、Zapier内でのモデル柔軟性。限界は実行ごとに知識リセット、校正可能な信頼度が第一級契約ではないこと、スキーマがこのZapのフィールドに閉じること、高量でのタスク倍率コスト。自前チケットで精度を測るまでテンプレート出力は「プロンプト形のJSON」として扱ってください。

ZapierのVertexガイドはClassify Textアクションを説明します。TextをマップしCategoriesを列挙、GCPのProject IDを選び、Model Regionは特に指定がなければ既定のus-central1。任意のAdvanced FieldsでLLMパラメータを出せます。ドキュメントの例はスパム、感情、トピック、モデレーション。分類はZapierのAIタスク倍率ではなくGCPの課金とIAMに紐づきます。Pathsで分岐するカテゴリ型の答えは返りますが、Zapier外で使えるChoice/Score/Noul契約にはなりません。セキュリティがVertexを承認済みでGoogleスタック内に留めたいときに向きます。

下表はワークフロー形と意思決定契約の対比であり、宣伝精度ではありません。信頼度は自前のラベル付きサンプルで校正してください。

ラベルが少なく安定、誤振り分けの損失が小さく、自動化がZapier内で完結し、エディタ内フィールドマップが主目的ならAI by Zapier ClassifyまたはVertex Classify Textで十分。カテゴリ名を明確に（AI by Zapierはプロンプトに説明）、Other/曖昧Pathを残し、実サンプルでPreview、モデル階層やVertexリージョンをログ。AI支出がGCP集計ならVertexを優先。

典型パターン：Trigger→Formatter/Codeで本文をstateへ→Webhooks by Zapier POST（またはHTTP可能なアクション）でJevModel /api/v1/systemoneへChoice（2–12）と任意Score/Noul→Paths/Filters→高信頼のみ副作用→それ以外は人手。鍵はCredentialsへ。検証後state約8000文字、1–8問、無料検証枠はUTC日あたり成功 5 回。JevModelはOpenRouter経由でtypesafe/jev-1.13をホストし、TypeSafe AI（Jev開発）とは独立。マルチモーダルでも重み配布でもありません。

// 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"]
    }
  ]
}

AI by Zapierの自由形式の信頼度、Vertexスコア、JevのScore/Noulのいずれも、自動適用前にラベル付きサンプルで校正します。高帯は安全ラベル自動、中帯は人手キュー（上位ラベル提示）、下限未満は強制レビュー。書き込み前に中・低Pathを配線。ベンダー数値は測定前は弱信号。confidence-and-abstentionとsupport-triageを参照。

1）境界例付きラベル辞書を固定。2）不一致はOtherか破棄か。3）再利用・GCP方針・棄権要件でAI by Zapier／Vertex／共有Jev APIを選ぶ。4）鍵はCredentialsのみ。5）モデル/階層/プロンプト変更後はholdoutで精度・再現率。6）破壊的操作はしきい値＋人手Pathの後ろ。7）未測定の順位や精度向上を謳わない。