Problème
Une entreprise de l'industrie du divertissement se noyait dans les emails entrants — soumissions d'agents, demandes presse, escalades fan/PR, avis juridiques, threads d'équipe internes — tous arrivant dans des boîtes partagées sans temps pour trier proprement. Les threads importants passaient au travers ; les routiniers consommaient une attention disproportionnée.
Approche
Couche de catégorisation et routage d'email basée sur LLM. Chaque message entrant caractérisé sur plusieurs axes — intention (soumission, plainte, demande, bruit), département (juridique, A&R, talent, ops, PR), urgence (immédiate, cette semaine, FYI), sentiment, entités nommées — en utilisant la classification LLM plutôt que des règles à base de mots-clés fragiles. Routé automatiquement vers la bonne boîte ou canal d'équipe avec un score de confiance, plus une file "needs human review" pour les cas à faible confiance.
Stack
Claude for classification · embedding-based similarity for known-pattern recognition · Python service layer · existing email-infrastructure integration
Résultat
Emails routiniers gérés sans triage humain ; les urgents remontés en minutes au lieu d'enterrés. Le modèle de classification a produit non seulement des décisions de routage mais des caractérisations — patterns récurrents dont l'équipe ignorait l'existence, remontés en rapports mensuels.