Wykrywanie intencji

Klasyczne chatboty polegały na klasyfikatorze intencji wytrenowanym na przykładowych frazach dla każdej intencji: „gdzie jest moja paczka”, „moje zamówienie nie dotarło” i „numer śledzenia?” wszystkie oznaczone jako track_order. Ekstraktor slotów następnie wyciągał szczegóły, takie jak numer zamówienia. Zbiory danych badawczych, takie jak BANKING77 (Casanueva i in., 2020), z 77 szczegółowymi intencjami bankowymi, pokazują, jak trudne są drobne różnice nawet dla dobrych modeli.

W przypadku dużych modeli językowych wykrywanie intencji jest często niejawne. Model odczytuje wiadomość, decyduje, czego osoba chce i wybiera, które narzędzie wywołać. Niektóre zespoły wciąż zachowują krok klasyfikacji, aby przekierować rozmowy, oznaczyć je do raportowania lub uruchomić konkretne przepływy pracy.

Znajomość intencji decyduje, co się wydarzy następnie: odpowiedź z FAQ, sprawdzenie zamówienia, otwarcie zwrotu, przekazanie rozmowy do działu rozliczeń lub natychmiastowe połączenie z osobą w celu złożenia skargi. Zsumowane przez tysiące rozmów intencje mówią również firmie, o co klienci naprawdę się kontaktują — dane do poprawy stron, polityk i produktów.

W e-commerce najczęstsze intencje to zazwyczaj status zamówienia, czasy dostawy, zwroty i wymiany, pytania o produkty oraz problemy z płatnościami.

Prawdziwe wiadomości często zawierają kilka intencji („gdzie jest moje zamówienie, a czy mogę zmienić rozmiar?”). Stałe listy intencji szybko się starzeją, gdy produkty i polityki się zmieniają, a długa ogon rzadkich próśb nigdy nie pasuje do żadnej etykiety. Progi pewności, które są zbyt niskie, prowadzą klientów na złą ścieżkę; progi, które są zbyt wysokie, eskalują wszystko. Systemy powinny umożliwiać fallback — zadanie pytania wyjaśniającego lub przekazanie — zamiast zmuszać do zgadywania.

AI SmartTalk nie wymaga od Ciebie zdefiniowania listy intencji. Model językowy asystenta interpretuje każdą wiadomość i wybiera spośród swoich narzędzi — wyszukiwania wiedzy, wyszukiwania produktów, sprawdzania zamówień, rezerwacji wizyt, przekazywania. W celu routingu i raportowania rozmowy mogą być tagowane, a przepływy SmartFlow mogą się rozwidlać na podstawie warunku AI dotyczącego tego, co powiedział klient. Pytania, na które asystent nie mógł odpowiedzieć, są wymienione, aby zespół mógł uzupełnić luki.