«Due scatole sono arrivate schiacciate. Potete mandarci una nota di credito?» In questo esempio, chi apre la casella condivisa deve coinvolgere il magazzino per verificare il danno e l’amministrazione per esaminare la richiesta. Se l’email finisce in una sola coda, l’altro reparto rischia di scoprirla al sollecito della cliente.
Che cosa aggiunge Liquid AI d1.2
Il 16 novembre 2026 Liquid AI ha rilasciato d1.2 e d1.2-ultra tramite la propria API. Tra le novità c’è la possibilità di scegliere più etichette per lo stesso messaggio. L’applicazione fornisce le opzioni e il modello restituisce le etichette suggerite con le rispettive probabilità. Nell’esempio, «merce danneggiata» e «nota di credito» possono comparire insieme. Le regole aziendali stabiliscono a chi segnalarle e chi prende in carico la richiesta. Annuncio di Liquid AI
Prova sulla casella condivisa
Partiremmo da una casella e da pochi motivi di assegnazione che il team sa distinguere. Scrivi accanto a ogni etichetta quando si applica. Per esempio, usa «nota di credito» per una richiesta esplicita di storno. Una semplice richiesta di aggiornamento sulla consegna segue un’altra regola.
- Prepara i casi da confrontare. Usa email fittizie o anonimizzate, senza allegati nella prima prova. Includi richieste per un solo reparto, messaggi che ne coinvolgono due e un caso vago come «Ci aggiornate su questa pratica?». Fai segnare al team i reparti attesi e i casi in cui serve leggere il messaggio prima di decidere.
- Confronta le assegnazioni sugli stessi messaggi. Applica le regole attuali e raccogli a parte i suggerimenti del modello. Usa come riferimento le assegnazioni stabilite dal team. Durante la prova il modello lavora solo sui messaggi campione.
- Conta gli errori che cambiano il lavoro. Segna i reparti dimenticati e le segnalazioni inutili, poi misura quanto impiega un collega a controllare e correggere i suggerimenti. Se un messaggio richiede due reparti e il modello ne suggerisce uno, registra l’omissione anche se il primo reparto è corretto.
Per un confronto su hardware tuo, puoi includere Decider Flash v1.3, i cui pesi sono distribuiti con licenza Apache 2.0. Formula una domanda sì/no per ciascuna etichetta e mantieni gli stessi criteri di valutazione. La scheda del modello indica una GPU CUDA con circa 8,5 GiB per i pesi, più memoria di lavoro. Scheda di Perplexity su Hugging Face
Quando passare dai suggerimenti agli inoltri
Prova a fissare una soglia per ogni etichetta e verificane l’effetto su messaggi che hai tenuto fuori dalla prima prova. Una probabilità alta va confrontata con gli errori osservati sulla tua casella. Manda in revisione i messaggi senza un’assegnazione chiara. Se tra i casi sopra soglia perdi ancora richieste di storno o le segnali spesso per sbaglio, lascia al team la decisione su quella categoria. Nota di Liquid AI sulla calibrazione
Attiveremmo prima gli inoltri per le categorie in cui le correzioni sono poche e il tempo risparmiato è misurabile. Per le richieste che coinvolgono più uffici, assegna la pratica a un referente e segnala il compito agli altri reparti. Così una sola persona tiene il filo con la cliente. Dopo l’assegnazione puoi misurare a parte il tempo per preparare e rivedere la risposta. La prova di Arketic con Gemini 4 Hydrogen
Se la tua casella condivisa fa da ponte tra più reparti, raccontaci quale tipo di email rimbalza più spesso da un ufficio all’altro. Possiamo partire da quel caso e definire insieme come misurare la prova.
Parliamo del tuo progetto