Classificação de texto no Zapier: AI by Zapier Classify vs Vertex Classify Text vs HTTP → Jev

No Zapier, classificar costuma ser um passo de roteamento: normalize um campo de entrada, peça ao modelo um rótulo curto e ramifique com Paths/Filters antes de escrever no Zendesk, Slack ou CRM. Duas opções documentadas: (1) AI by Zapier com template Classify e campos de saída; (2) Classify Text do Google Vertex AI se você já está no GCP. A terceira é Webhooks/HTTP para uma API externa como o JevModel. Nenhuma substitui um holdout rotulado do seu próprio tráfego.

Pela Ajuda do Zapier, o AI by Zapier permite escrever um prompt (ou template Classify), escolher nível—Standard (1×), Advanced (3×), Premium (5×, muitas vezes padrão) ou BYOK (1×)—e definir Output Fields. Provedores: OpenAI, Anthropic, Gemini, Azure OpenAI, Bedrock. Moderação fica ligada por padrão nos modelos Zapier. Pontos fortes: edição rápida, Preview, modelos sem sair do Zapier. Limites: conhecimento reinicia a cada execução; confiança calibrável não é contrato de produto; o schema fica neste Zap; Advanced/Premium multiplicam tasks. Até medir precisão, trate a saída como JSON moldado pelo prompt.

O guia Vertex do Zapier descreve Classify Text: mapear Text, listar Categories, escolher Project ID e deixar Model Region em us-central1 salvo outra política. Advanced Fields opcionais expõem parâmetros LLM. Casos: spam, sentimento, tópico, moderação. A classificação fica na cobrança e IAM do GCP, não nos multiplicadores do AI by Zapier. Devolve uma categoria para Paths, não um contrato Choice/Score/Noul portátil. Prefira se o Vertex já está aprovado e você quer ficar no Google.

A tabela contrasta forma do fluxo e contrato de decisão, não notas de marketing. Calibre qualquer confiança na sua amostra rotulada.

Fique no Classify ou Vertex se há poucos rótulos estáveis, erro de rota é barato, tudo vive no Zapier e você quer mapeamento nativo. Descreva bem as categorias, mantenha Path Other, Preview com amostras reais e registre nível de modelo ou região Vertex. Prefira Vertex se o GCP já concentra o gasto de AI.

Padrão comum: Trigger → Formatter/Code para state → Webhooks POST em /api/v1/systemone com Choice (2–12) e Score/Noul opcional → Paths/Filters → efeitos só com alta confiança → fila humana senão. Chaves em Credentials. Orçamento: ~8000 caracteres após validação, 1–8 perguntas, cota diária (5/dia UTC) em contas gratuitas verificadas. JevModel hospeda typesafe/jev-1.13 via OpenRouter; independente da TypeSafe AI; não multimodal nem pesos baixáveis aqui.

// 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"]
    }
  ]
}

Calibre qualquer confiança—campo livre do AI by Zapier, score Vertex ou Score/Noul do Jev—antes de autoaplicar. Política: faixa alta automática; média para humanos com sugestões; abaixo do piso, revisão forçada. Ligue essas Paths antes de escritas. Números do vendor são sinal fraco até medir.

1) Congele um dicionário de rótulos com casos-limite. 2) Other vs descartar. 3) AI by Zapier, Vertex ou API Jev conforme reuso, GCP e abstenção. 4) Chaves só em Credentials. 5) Meça precisão/recall em holdout após cada mudança. 6) Ações destrutivas atrás de limiares e Path humana. 7) Não afirme ganhos de ranking ou precisão sem medir.