Detección de intenciones
Definición rápida
La detección de intenciones es la tarea de identificar lo que una persona quiere lograr a partir de lo que escribe o dice, para que un sistema pueda responder o dirigir la solicitud. Las intenciones típicas son rastrear un pedido, solicitar un reembolso o preguntar sobre un producto.
En esta página
Cómo funciona la detección de intenciones
Los chatbots clásicos dependían de un clasificador de intenciones entrenado con frases de ejemplo para cada intención: “¿dónde está mi paquete?”, “mi pedido no ha llegado” y “¿número de seguimiento?” todas etiquetadas como track_order. Un extractor de slots luego seleccionaba detalles como el número de pedido. Conjuntos de datos de investigación como BANKING77 (Casanueva y colegas, 2020), con 77 intenciones bancarias detalladas, muestran cuán difíciles son las distinciones finas incluso para buenos modelos.
Con los modelos de lenguaje grandes, la detección de intenciones es a menudo implícita. El modelo lee el mensaje, decide lo que la persona quiere y elige qué herramienta llamar. Algunos equipos aún mantienen un paso de clasificación explícito para dirigir conversaciones, etiquetarlas para informes o activar flujos de trabajo específicos.
Por qué importa en el servicio al cliente
Conocer la intención decide qué sucede a continuación: responder desde las preguntas frecuentes, buscar un pedido, abrir una devolución, enviar la conversación a facturación, o llamar a una persona de inmediato para una queja. Agregado a miles de conversaciones, las intenciones también informan a un negocio sobre qué contactan realmente los clientes: la entrada para mejorar páginas, políticas y productos.
En el comercio electrónico, las intenciones más frecuentes suelen ser el estado del pedido, tiempos de entrega, devoluciones e intercambios, preguntas sobre productos y problemas de pago.
Trampas comunes
Los mensajes reales a menudo contienen varias intenciones (“¿dónde está mi pedido, y puedo cambiar la talla?”). Las listas de intenciones fijas envejecen rápidamente a medida que cambian productos y políticas, y una larga cola de solicitudes raras nunca encaja en ninguna etiqueta. Umbrales de confianza que son demasiado bajos envían a los clientes por el camino equivocado; umbrales que son demasiado altos escalan todo. Los sistemas deberían permitir una alternativa: hacer una pregunta aclaratoria o transferir, en lugar de forzar una suposición.
Manejo de intenciones en AI SmartTalk
AI SmartTalk no te pide que definas una lista de intenciones. El modelo de lenguaje del asistente interpreta cada mensaje y elige entre sus herramientas: búsqueda de conocimiento, búsqueda de productos, consulta de pedidos, reserva de citas, traspaso. Para el enrutamiento y la generación de informes, las conversaciones pueden ser etiquetadas, y los flujos de trabajo de SmartFlow pueden ramificarse con una condición de IA sobre lo que dijo el cliente. Las preguntas que el asistente no pudo responder se enumeran para que el equipo pueda llenar los vacíos.
Preguntas frecuentes
¿Cuál es la diferencia entre una intención y una entidad?
La intención es lo que la persona quiere (rastrear un pedido); las entidades son los detalles necesarios para hacerlo (el número de pedido, la dirección de correo electrónico).
¿Los asistentes basados en LLM todavía necesitan clasificación de intenciones?
No para responder, porque el modelo interpreta la solicitud directamente. Una clasificación explícita sigue siendo útil para el enrutamiento, análisis y activación de procesos fijos.
¿Cuántas intenciones debería tener un bot de soporte?
Con un clasificador clásico, comienza con una docena de intenciones que cubran la mayor parte del volumen y añade más a medida que los datos lo indiquen. Con un agente LLM, enfócate en las herramientas y el conocimiento que cada intención frecuente requiere.