Qué es el reconocimiento de intención: entender los objetivos de usuarios en PLN

Cada mensaje que escribe un usuario, ya sea para un agente de LLM o como consulta en Google, tiene una intención detrás. Busca alcanzar un objetivo, ya sea encontrar información específica o realizar una acción.

El reconocimiento de intención es el proceso de identificar cuál es ese objetivo, determinar qué necesita el usuario en función de él y atender la solicitud con la mayor precisión posible. Un sistema con una comprensión de la intención bien afinada atenderá mejor a clientes con respuestas precisas, lo que aumenta la interacción y satisfacción.

En este artículo, veremos qué es el reconocimiento de intención y cómo ha evolucionado la intención en la era de la búsqueda con LLM.

Resumen

• El reconocimiento de intención es una técnica de procesamiento del lenguaje natural que categoriza el objetivo de una entrada.
• Para reconocer la intención en una conversación, un modelo sigue cuatro pasos: preprocesamiento de la conversación, extracción de características, clasificación y extracción de entidades.
• Al interactuar con un LLM, la intención puede ser informativa, transaccional, conversacional o de navegación.
• Los retos habituales que investigadores tienen en cuenta al ajustar el reconocimiento de intención son la ambigüedad lingüística, las entradas fuera de alcance y las conversaciones con múltiples intenciones.

¿Qué es el reconocimiento de intención?

El reconocimiento de intención es una técnica del procesamiento del lenguaje natural (PLN) que clasifica una entrada hablada o escrita según lo que el usuario quiere lograr en su contexto. Este acto de clasificación es también la razón por la que a veces se denomina clasificación de intención, ya que el software debe comprender la entrada y determinar el curso de acción adecuado.

Es importante tener en cuenta que el reconocimiento de intención no consiste simplemente en buscar coincidencias de palabras clave. Hay demasiadas variaciones lingüísticas de un mismo objetivo como para usar este método. Por ejemplo, «Mis datos de usuario no funcionan», «¿Por qué no puedo iniciar sesión?», «Parece que mi cuenta está bloqueada» y «Mi contraseña no funciona» son variaciones escritas distintas de la misma intención subyacente.

Al usar el reconocimiento de intención como función del PLN, los sistemas de inteligencia artificial pueden entender mejor qué espera un usuario de la interacción y ofrecer así la mejor experiencia posible en cada conversación. 

¿Cómo funciona el reconocimiento de intención?

La arquitectura exacta que utiliza un sistema de IA para el reconocimiento de intención depende del proveedor. Aun así, normalmente el sistema utiliza una variante de las mismas cuatro etapas principales para transformar una entrada sin procesar en una intención claramente definida.

Estas son las cuatro etapas del reconocimiento de intención:

1. Preprocesamiento
2. Extracción de características
3. Clasificación
4. Extracción de entidades

Veámoslas con más detalle.

Preprocesamiento

La entrada, ya sea de voz o texto, debe limpiarse para garantizar que el modelo trabaje con un formato uniforme y reconocible. En el caso del texto, esto implica corregir faltas de ortografía, eliminar puntuación y mayúsculas, y después dividir palabras poco comunes o largas en unidades de subpalabras más pequeñas mediante tokenización. Esta fase también puede eliminar palabras funcionales muy frecuentes como «un» y «el» para aportar claridad, salvo que influyan directamente en el significado de la frase.

En los procesos de reconocimiento automático del habla, el sistema primero debe transcribir los datos de voz entrantes a texto, lo que añade otra etapa al preprocesamiento antes de que el modelo pueda trabajar con la transcripción normalizada.

Extracción de características

El texto limpio se transforma después en una representación numérica con la que puede trabajar el software. La extracción de características conserva el significado semántico de una frase, pero lo expresa numéricamente.

Las estrategias que utilizan investigadores en esta etapa han evolucionado considerablemente en los últimos años. Los enfoques anteriores usaban modelos Bag-of-Words o representaciones de frecuencia de término-frecuencia inversa de documento (TF-IDF) para ponderar palabras según su carácter distintivo o frecuencia. Aunque ofrecía resultados rápidos, este método no lograba captar los matices de las frases. Al fin y al cabo, «No quiero cancelar» y «Quiero cancelar» comparten casi todas las palabras, pero son completamente diferentes.

Otro ejemplo que podría ser difícil con TF-IDF sería «El perro muerde al gato» frente a «El gato muerde al perro», donde el significado cambia por completo con muy pocos cambios en la frase.

El enfoque más moderno para la extracción de características consiste en usar representaciones vectoriales densas para crear una representación vectorial que represente la entrada del usuario. Estas representaciones relacionan el contexto mediante la proximidad, agrupando palabras con un significado similar para inferir el contexto a partir de esa relación espacial.

Los codificadores basados en transformers llevan esto aún más lejos al crear mapas contextuales en los que el vector de una palabra cambia según las palabras que la rodean. Esto es esencial para palabras polisémicas cuyo significado depende del contexto («lee estas instrucciones, por favor», «ayer leí ese artículo»). 

La representación contextual de una frase es lo que permite a los sistemas de reconocimiento de intención entender qué quiere un usuario y clasificarlo en las etapas posteriores.

Clasificación

Con una representación clara de una entrada, un modelo puede compararla con distintos casos conocidos de intención y asignar valores de confianza. Tras evaluar los tipos de intención, se queda con el que tiene el valor de confianza más alto.

Algunos equipos experimentan con un umbral de confianza para la clasificación. Si se establece demasiado bajo, una intención bastante imprecisa puede pasar a la siguiente etapa. Pero si se establece demasiado alto, ocurrirá lo contrario: el modelo no podrá clasificar la intención de forma definitiva ni avanzar al siguiente paso.

Ajustar tu modelo de clasificación te ayudará a encontrar el valor que mejor funciona para tu empresa. 

Si el modelo no puede identificar una intención, probablemente hará más preguntas al usuario o derivará el caso a un agente humano, si está configurado para ello.

Extracción de entidades

Presentamos la extracción de entidades como un paso independiente, pero en realidad se realiza en paralelo con la clasificación. La extracción de entidades recupera detalles de una entrada que serán útiles para responder después, como números de pedido, datos de cuenta, nombres de productos u otra información específica que ayudará al modelo a ejecutar la solicitud.

Las entidades extraídas en este paso proporcionan información específica del usuario para ejecutar correctamente la solicitud. Por ejemplo, si la clasificación identifica que un usuario quiere cancelar un pedido, la extracción de entidades indicará al agente qué pedido y qué cuenta de cliente debe gestionar.

Reconocimiento de intención frente a detección de intención

El reconocimiento de intención y la detección de intención suelen usarse indistintamente, aunque tienen significados ligeramente distintos. El reconocimiento de intención es el proceso global de clasificar la intención dentro de una solicitud de usuario. La detección de intención abarca solo la primera fase de ese proceso: detectar si la respuesta del usuario contiene alguna intención.

En la práctica, la diferencia solo importa en casos de uso límite. Por ejemplo, un agente de atención al cliente que recibe una pregunta totalmente ajena al contexto que ha aprendido puede identificar primero, mediante la detección de intención, que dicha intención no es aplicable a su base de conocimientos. Lo que haga después, como fallar de forma adecuada, viene determinado por la configuración del reconocimiento de intención.

Tipos de intención

Hay tantas intenciones específicas como preguntas. En lugar de requerir una intención distinta para cada posible formulación de una pregunta, el sistema suele identificar primero la categoría de intención y actuar en consecuencia.

Los principales tipos de intención en sistemas de PLN son:

• Intención informativa: Describe una entrada cuyo objetivo principal es aprender u obtener información específica. La respuesta correcta sería proporcionar el contenido solicitado, ya sea mediante una explicación o indicando los recursos adecuados donde el usuario puede encontrarlo.
• Intención de navegación: Describe cuándo un usuario quiere encontrar un recurso o página específicos. El sistema categorizará esta intención y extraerá entidades para dirigir al usuario al lugar adecuado.
• Intención transaccional: Describe una entrada en la que un usuario quiere alcanzar un objetivo concreto, como reservar una cita o cancelar su suscripción. La intención transaccional siempre se basa en acciones con consecuencias.
• Intención conversacional: Describe una entrada principalmente social, en lugar de pertenecer a una de las otras categorías. Esta forma de intención es ahora más habitual con el auge de los LLM ampliamente disponibles, pues algunas personas utilizan agentes de propósito general como interfaz para chatear en el día a día.

Un LLM puede gestionar todos estos tipos de intención en todas estas categorías. En cualquier caso, entender a qué categoría pertenece una entrada ayudará a elaborar una respuesta más precisa. Todo, desde las llamadas a herramientas que realiza un agente hasta la respuesta exacta que formula, depende de identificar primero la intención subyacente de la entrada de un usuario.

Casos de uso del reconocimiento de intención en distintos sectores

El reconocimiento de intención es fundamental para cualquier sistema de respuesta automatizada, ya que la respuesta debe ajustarse a la intención para que la conversación tenga sentido.

Estos son algunos ejemplos de casos de uso de la intención en distintos sectores:

• Atención al cliente: Un agente de voz utiliza el reconocimiento de intención para entender la solicitud hablada de un cliente y dirigirlo al departamento o recurso adecuado. Una clasificación incorrecta podría hacer que el cliente hable con la persona equivocada o que su consulta quede sin resolver.
• Sanidad: El reconocimiento de intención impulsa asistentes sanitarios que gestionan reservas. A menudo, los sectores de mayor riesgo, como la sanidad o las finanzas, utilizan umbrales de confianza más altos para evitar clasificaciones erróneas que puedan provocar errores críticos.
• Recursos humanos: Un asistente conversacional de RR. HH. podría integrarse en la documentación interna de la empresa y guiar a empleados hacia los recursos que necesitan. Por ejemplo, un empleado podría preguntar por los beneficios de vacaciones, y el agente entendería la intención informativa y mostraría esos detalles de la wiki general.

En todos los casos, un reconocimiento preciso de la intención es el factor inicial que impulsa una conversación satisfactoria. Si la intención no se identifica correctamente, tampoco lo hará la conversación posterior. 

Retos del reconocimiento de intención

Reconocer la intención de una afirmación es un reto completamente lingüístico. El significado cambia, las palabras cambian de función según el contexto y una misma frase puede significar algo diferente según cómo se haya dicho. Especialmente ahora que el reconocimiento de intención se utiliza cada vez más en agentes de voz, este último aspecto es extremadamente importante.

Estos son algunos de los principales retos del reconocimiento de intención y cómo resolverlos:

• Ambigüedad: Cuando una misma frase tiene dos significados según cómo la haya dicho alguien, la ambigüedad lingüística puede reducir la certeza del reconocimiento de intención. Para resolverlo, los modelos construyen contexto a lo largo de varios turnos de conversación y obtienen una comprensión más completa de lo que alguien puede querer. Cuanto más contexto tenga un modelo, más precisa podrá ser su respuesta.
• Conversaciones fuera del alcance de un modelo: Si un usuario pregunta a un modelo algo que queda muy fuera del alcance de sus conocimientos, el modelo puede categorizar erróneamente la intención en la categoría similar más cercana y dar una respuesta imprecisa. Una solución consiste en entrenar modelos con casos de uso límite para reducir la probabilidad de que ocurra. Combinar este enfoque con salvaguardas que impidan abordar determinados temas en una conversación ayudará a mitigar el riesgo.
• Entradas con múltiples intenciones: Naturalmente, una conversación no siempre se corresponde en una proporción 1:1 entre entrada e intención. «¿Podrías cancelar mi pedido y también actualizar mi dirección de envío para futuros pedidos?» tiene dos objetivos distintos. Utilizar un clasificador multietiqueta ayudará a identificar cadenas de conversación que contengan más de una intención u objetivo, lo que aumenta la precisión al gestionar varios deseos subyacentes.

Comprender estos retos y anticiparlos permite a investigadores implementar medidas para mitigarlos de antemano. 

Empieza con ElevenAgents

En un agente de voz, el reconocimiento de intención ayuda a mantener precisos los sistemas de IA conversacional y altos los niveles de satisfacción de clientes. Los desajustes repetidos en la intención erosionarán la confianza de clientes en tu agente y reducirán la disposición de usuarios a interactuar con tus sistemas de soporte con IA. 

ElevenAgents utiliza el reconocimiento de intención para entender con precisión qué necesita un usuario y atenderlo en la conversación: dirige correctamente la interacción, recupera información relevante o escala la llamada según corresponda. 

Descubre más sobre ElevenAgents o regístrate para empezar a crear agentes de voz que entiendan lo que quieren tus usuarios. 

Preguntas frecuentes sobre el reconocimiento de intención