Problema
Un'azienda dell'industria dell'intrattenimento stava annegando in email in entrata — submission di agent, richieste stampa, escalation fan/PR, avvisi legali, thread di team interni — tutti fluivano in inbox condivise senza tempo per fare triage pulito. I thread importanti scivolavano via; quelli di routine consumavano attenzione sproporzionata.
Approccio
Costruito un layer di categorizzazione e routing email basato su LLM. Ogni messaggio in entrata caratterizzato su più assi — intento (submission, lamentela, richiesta, rumore), dipartimento (legale, A&R, talent, ops, PR), urgenza (immediata, questa settimana, FYI), sentiment, named entity — usando classificazione LLM anziché regole keyword fragili. Instradato automaticamente alla inbox o channel team giusto con uno score di confidenza, più una coda "needs human review" per i casi a bassa confidenza.
Stack
Claude for classification · embedding-based similarity for known-pattern recognition · Python service layer · existing email-infrastructure integration
Risultato
Email di routine gestite senza triage umano; quelle urgenti emerse in minuti invece di sepolte. Il modello di classificazione ha prodotto non solo decisioni di routing ma caratterizzazioni — pattern ricorrenti di cui il team non sapeva l'esistenza, fatti emergere come report mensili.