Intensjonsdeteksjon
Rask definisjon
Intensjonsdeteksjon er oppgaven med å identifisere hva en person ønsker å oppnå fra det de skriver eller sier, slik at et system kan svare eller rute forespørselen. Typiske intensjoner er å spore en bestilling, be om refusjon eller spørre om et produkt.
På denne siden
Hvordan intensjonsdeteksjon fungerer
Klassiske chatbots stolte på en intensjonsklassifiserer trent på eksempelsetninger for hver intensjon: “hvor er pakken min”, “bestillingen min har ikke kommet” og “sporingsnummer?” alle merket track_order. En slot extractor plukket deretter ut detaljer som bestillingsnummeret. Forskningsdatasett som BANKING77 (Casanueva og kolleger, 2020), med 77 fin-inndelte bankintensjoner, viser hvor vanskelig fine distinksjoner er selv for gode modeller.
Med store språkmodeller er intensjonsdeteksjon ofte implisitt. Modellen leser meldingen, bestemmer hva personen ønsker og velger hvilket verktøy som skal kalles. Noen team beholder fortsatt et eksplisitt klassifiseringssteg for å rute samtaler, merke dem for rapportering eller utløse spesifikke arbeidsflyter.
Hvorfor det er viktig i kundeservice
Å vite intensjonen avgjør hva som skjer videre: svare fra FAQ, se opp en bestilling, åpne en retur, sende samtalen til fakturering, eller ringe en person umiddelbart for en klage. Aggregert over tusenvis av samtaler forteller intensjoner også en bedrift hva kunder virkelig kontakter den om — inngangen for å forbedre sider, retningslinjer og produkter.
I e-handel er de mest hyppige intensjonene vanligvis bestillingsstatus, leveringstider, retur og bytter, produktspørsmål og betalingsproblemer.
Vanlige fallgruver
Ekte meldinger inneholder ofte flere intensjoner (“hvor er bestillingen min, og kan jeg endre størrelsen?”). Faste intensjonslister blir raskt utdaterte ettersom produkter og retningslinjer endres, og en lang hale av sjeldne forespørsel passer aldri inn under noen etikett. Tillitsgrenser som er for lave sender kunder ned feil vei; grenser som er for høye eskalerer alt. Systemer bør tillate en fallback — stille et avklarende spørsmål eller overlevere — i stedet for å tvinge et gjetning.
Intenshåndtering i AI SmartTalk
AI SmartTalk ber deg ikke om å definere en intensjonsliste. Assistentens språkmodell tolker hver melding og velger blant sine verktøy — kunnskapssøk, produkt-søk, ordreoppfølging, avtalebooking, overlevering. For ruting og rapportering kan samtaler merkes, og SmartFlow arbeidsflyter kan forgrene seg med en AI-betingelse basert på hva kunden sa. Spørsmål som assistenten ikke kunne svare på, listes opp slik at teamet kan fylle hullene.
Ofte stilte spørsmål
Hva er forskjellen mellom en intensjon og en enhet?
Intensjonen er hva personen ønsker (spore en ordre); enhetene er detaljene som trengs for å gjøre det (ordrenummeret, e-postadressen).
Trenger LLM-baserte assistenter fortsatt intensjonsklassifisering?
Ikke for å svare, fordi modellen tolker forespørselen direkte. En eksplisitt klassifisering er fortsatt nyttig for ruting, analyse og utløsing av faste prosesser.
Hvor mange intensjoner bør en supportbot ha?
Med en klassisk klassifiserer, start med et dusin intensjoner som dekker mest volum og legg til flere etter hvert som data viser dem. Med en LLM-agent, fokuser i stedet på verktøyene og kunnskapen hver hyppig intensjon krever.