Embedding-metod: Frågan omvandlas till en vektor och jämförs matematiskt mot exempelfrågor per kategori. Snabb och fungerar utan extra LLM-anrop. Känslig för tröskelvärdet – ställ in det i inställningspanelen.
LLM-metod: Skickar en ja/nej-fråga till AI-modellen med full kategorikontext – whitelist-kategorier med exempelmeningar och blocklist-exempel injiceras i prompten. Mer flexibel och naturspråksförstående, men kräver ett extra modell-anrop och är något långsammare.
Hybrid-metod (confidence-based routing): Kör embedding-klassificering först. Om poängen hamnar nära tröskeln – i en konfidenszon som styrs av marginalinställningen – dubbelkollas resultatet av LLM:en. Frågor med hög eller låg poäng avgörs snabbt av embedding-modellen utan LLM-anrop; bara osäkra gränsfall eskaleras. Förenar snabbheten hos embedding med precisionen hos LLM.