Clasificación de intenciones

La clasificación de intenciones es la tarea de procesamiento de lenguaje natural que consiste en determinar qué está tratando de lograr un usuario a partir de su entrada, asignando una consulta o mensaje a una de un conjunto de categorías de intención predefinidas. Responde a la pregunta “¿qué quiere esta persona?” (por ejemplo, si una consulta del Buscador es informativa, de navegación o transaccional, o si un mensaje de un chatbot es un saludo, una queja o una solicitud para hacer una reservación).

En resumen: la clasificación de intenciones lee las palabras de un usuario y etiqueta el objetivo que hay detrás de ellas, para que un sistema sepa cómo responder o a dónde dirigir la solicitud.

Cómo funciona la clasificación de intenciones

La tarea consiste en mapear la entrada de formato libre a un conjunto conocido de objetivos:

1. Definir las intenciones: Se establece un conjunto de categorías objetivo, desde una taxonomía fija como check_balance o book_flight hasta tipos amplios de consulta como informativa, de navegación y transaccional.
2. Reunir ejemplos: Las formulaciones de ejemplo se etiquetan con su intención.
   1. Ten en cuenta que cada vez es más común que a un modelo se le proporcionen las definiciones de intención y se le pida clasificar sin ejemplos de entrenamiento.
3. Representar la entrada: El mensaje se convierte en incrustaciones (embeddings) o vectores de características, representaciones numéricas que capturan su significado en una forma con la que el clasificador puede trabajar.
4. Clasificar: Un modelo asigna la intención más probable con una puntuación de confianza. Cuando la confianza es alta, el sistema actúa; cuando cae por debajo de un umbral, puede activar una respuesta de respaldo, escalar a un humano o hacerle al usuario una pregunta aclaratoria como “¿Quisiste decir X o Y?”
5. Dirigir o actuar: La intención predicha determina lo que sucede a continuación, como elegir una respuesta, llamar a una herramienta o seleccionar una estrategia de recuperación.

Los enfoques van desde reglas de palabras clave y clasificadores clásicos de aprendizaje automático hasta modelos transformadores y, hoy en día, LLM que clasifican únicamente a partir de descripciones de intención. La característica definitoria es que la clasificación de intenciones se trata del objetivo detrás de las palabras, no de las palabras en sí: dos mensajes formulados de maneras muy diferentes pueden compartir la misma intención.

Clasificación de intenciones vs. extracción de entidades y análisis de sentimientos

• La extracción de entidades extrae los elementos específicos mencionados, como fechas, lugares y nombres de productos; la clasificación de intenciones identifica el objetivo general. En “reservar un vuelo a París mañana”, la clasificación de intenciones ve “reservar un vuelo” mientras que la extracción de entidades captura “París” y “mañana”, y las dos suelen ejecutarse juntas en un pipeline de NLU.
• El análisis de sentimientos etiqueta el tono emocional, como positivo o negativo; la clasificación de intenciones etiqueta el propósito. “Esto es terrible, cancela mi pedido” tiene un sentimiento negativo y correspondería a una intención de cancel_order.
• La coincidencia de palabras clave dirige según la presencia de palabras específicas; la clasificación de intenciones generaliza a nuevas formulaciones que comparten un objetivo incluso cuando no comparten ninguna palabra clave.

Dónde se usa la clasificación de intenciones

• Chatbots y asistentes virtuales: Decidir qué habilidad o flujo de conversación debe manejar un mensaje.
• Buscadores y motores de respuesta: Clasificar el tipo de una consulta para elegir cómo responder, como una respuesta directa, una lista de enlaces o una respuesta aumentada por recuperación.
• Enrutamiento de atención al cliente: Enviar un ticket o mensaje al equipo correcto o al flujo de trabajo automatizado.
• Agentes y selección de herramientas: Ayudar a un sistema a decidir qué herramienta o función requiere una solicitud.

La clasificación de intenciones es el paso que convierte la entrada sin procesar en una decisión sobre qué hacer: el puente entre entender una solicitud y actuar sobre ella.

Términos relacionados

Extracción de entidades, comprensión del lenguaje natural (NLU), comprensión de consultas, búsqueda conversacional, chatbot, análisis de sentimientos, relleno de espacios (slot filling), modelo de lenguaje grande (LLM), enrutamiento.