Cos'è il riconoscimento dell'intento: comprendere gli obiettivi degli utenti nell'NLP

Ogni messaggio scritto da un utente, sia a un agente LLM sia come input su Google, ha un intento alle spalle. L'utente sta cercando di raggiungere un obiettivo, che si tratti di trovare informazioni specifiche o compiere un'azione.

Il riconoscimento dell'intento è il processo che identifica tale obiettivo, determina ciò di cui l'utente ha bisogno in base a esso e soddisfa la richiesta nel modo più accurato possibile. Un sistema con una comprensione dell'intento ben calibrata serve meglio i clienti con risposte precise, aumentando coinvolgimento e soddisfazione.

In questo articolo vedremo cos'è il riconoscimento dell'intento e come il concetto di intento si è evoluto nell'era della ricerca con gli LLM.

In sintesi

• Il riconoscimento dell'intento è una tecnica dell'elaborazione del linguaggio naturale che categorizza l'obiettivo di un input.
• Per riconoscere l'intento in una conversazione, un modello attraversa quattro fasi: preprocessing della conversazione, estrazione delle caratteristiche, classificazione ed estrazione delle entità.
• Quando interagisce con un LLM, l'intento può essere informativo, transazionale, conversazionale o di navigazione.
• Tra le sfide più comuni considerate dai ricercatori durante il fine-tuning del riconoscimento dell'intento figurano l'ambiguità linguistica, gli input fuori ambito e le conversazioni con più intenti.

Cos'è il riconoscimento dell'intento?

Il riconoscimento dell'intento è una tecnica dell'elaborazione del linguaggio naturale (NLP) che classifica un input vocale o scritto in base a ciò che l'utente vuole ottenere nel contesto. Proprio questo atto di classificazione fa sì che la tecnica sia talvolta chiamata anche classificazione dell'intento, poiché il software deve comprendere l'input e determinare la corretta linea d'azione da seguire.

È importante notare che il riconoscimento dell'intento non è una semplice corrispondenza di keyword. Le variazioni linguistiche di uno stesso obiettivo sono troppe per basarsi sulle corrispondenze. Per esempio, “I miei dati utente non funzionano”, “Perché non riesco ad accedere?”, “Il mio account sembra bloccato” e “La mia password non funziona” sono tutte diverse formulazioni scritte dello stesso intento di fondo.

Usando il riconoscimento dell'intento come funzione dell'NLP, i sistemi di intelligenza artificiale possono capire meglio cosa vuole l'utente dall'interazione e offrire la migliore esperienza possibile in ogni conversazione. 

Come funziona il riconoscimento dell'intento?

L'architettura esatta usata da un sistema IA per il riconoscimento dell'intento dipende dal fornitore. In genere, tuttavia, il sistema utilizza una variante delle stesse quattro fasi principali per trasformare un input grezzo in un intento chiaramente definito.

Ecco le quattro fasi del riconoscimento dell'intento:

1. Preprocessing
2. Estrazione delle caratteristiche
3. Classificazione
4. Estrazione delle entità

Vediamole più nel dettaglio.

Preprocessing

L'input, vocale o testuale, deve essere ripulito per garantire che il modello disponga di un formato coerente e riconoscibile con cui lavorare. Per il testo, ciò comporta la correzione degli errori ortografici, la rimozione della punteggiatura e delle maiuscole, quindi la suddivisione di parole insolite o lunghe in unità di sottoparole più piccole tramite tokenizzazione. Per maggiore chiarezza, questa fase può anche rimuovere parole funzionali ad alta frequenza come “un” e “il”, a meno che non influenzino direttamente il significato della frase.

Nelle pipeline di riconoscimento vocale automatico, il sistema deve prima trascrivere in testo i dati vocali in entrata, aggiungendo un'altra fase al preprocessing prima che il modello possa iniziare a lavorare con la trascrizione normalizzata.

Estrazione delle caratteristiche

Il testo ripulito viene quindi trasformato in una rappresentazione numerica con cui il software può lavorare. L'estrazione delle caratteristiche conserva il significato semantico di una frase, ma lo esprime in forma numerica.

Le strategie usate dai ricercatori in questa fase si sono evolute notevolmente negli ultimi anni. Gli approcci precedenti prevedevano l'uso di modelli Bag-of-Words o di rappresentazioni Term Frequency-Inverse Document Frequency (TF-IDF) per pesare le parole in base alla loro distintività o frequenza. Sebbene offrisse un risultato rapido, questo metodo non riusciva a cogliere le sfumature delle frasi. Dopotutto, “Non voglio annullare” e “Voglio annullare” condividono quasi tutte le stesse parole, ma hanno significati completamente diversi.

Un altro esempio che potrebbe risultare difficile con TF-IDF è "Il cane morde il gatto" rispetto a "Il gatto morde il cane", dove il significato cambia completamente con pochissime modifiche alla frase.

L'approccio più moderno all'estrazione delle caratteristiche utilizza rappresentazioni vettoriali dense per creare un embedding vettoriale che rappresenta l'input dell'utente. Questi embedding mettono in relazione il contesto attraverso la distanza di prossimità, raggruppando parole dal significato simile per dedurre il contesto da tale relazione spaziale.

Gli encoder basati su Transformer vanno oltre, creando mappe contestuali in cui il vettore di una parola cambia in base alle parole che la circondano. Questo è essenziale per le parole poliseme, il cui significato dipende dal contesto (“leggi queste istruzioni, per favore”, “ho letto quell'articolo ieri”). 

La rappresentazione contestuale di una frase consente ai sistemi di riconoscimento dell'intento di capire cosa desidera un utente e di classificarlo nelle fasi successive.

Classificazione

Grazie a una rappresentazione chiara di un input, un modello può confrontarlo con diversi casi noti di intento, assegnando a ciascuno valori di confidenza. Dopo aver esaminato i tipi di intento, seleziona quello con il valore di confidenza più alto.

Alcuni team sperimentano una soglia di confidenza per la classificazione. Impostarla troppo bassa significa che un intento piuttosto impreciso potrebbe comunque passare alla fase successiva. Impostarla troppo alta produce invece l'effetto opposto: il modello non riesce a classificare definitivamente l'intento e a procedere alla fase successiva.

Il fine-tuning del modello di classificazione ti aiuterà a trovare il valore più adatto alla tua azienda. 

Se il modello non riesce a identificare un intento, probabilmente porrà altre domande all'utente o inoltrerà il caso a un agente umano, se configurato per farlo.

Estrazione delle entità

Presentiamo l'estrazione delle entità come un passaggio separato, ma in realtà avviene in parallelo alla classificazione. Recupera dall'input dettagli utili per rispondere in seguito, come numeri d'ordine, dati dell'account, nomi di prodotti o altre informazioni specifiche che aiuteranno il modello a eseguire la richiesta.

Le entità estratte in questa fase aiutano a fornire informazioni specifiche dell'utente per eseguire correttamente la richiesta. Per esempio, se la classificazione rileva che un utente vuole annullare un ordine, l'estrazione delle entità indica all'agente su quale ordine e account cliente intervenire.

Riconoscimento dell'intento e rilevamento dell'intento

Il riconoscimento dell'intento e il rilevamento dell'intento vengono spesso usati come sinonimi, anche se hanno significati leggermente diversi. Il riconoscimento dell'intento è il processo complessivo di classificazione dell'intento in una richiesta dell'utente. Il rilevamento dell'intento riguarda soltanto la prima fase del processo: stabilire se nella risposta dell'utente sia presente un intento.

In pratica, la differenza conta soltanto nei casi d'uso limite. Per esempio, un agente di assistenza clienti che riceve una domanda completamente estranea al contesto appreso può innanzitutto identificare, tramite il rilevamento dell'intento, che l'intento non è applicabile alla sua knowledge base. Ciò che fa in seguito, come gestire correttamente il mancato riconoscimento, è determinato dalla configurazione del riconoscimento dell'intento.

Tipi di intento

Esistono tanti intenti specifici quante sono le domande. Invece di richiedere un intento diverso per ogni possibile formulazione di una domanda, il sistema di norma identifica prima la categoria dell'intento e poi agisce di conseguenza.

I principali tipi di intento nei sistemi NLP sono:

• Intento informativo: Descrive un input in cui l'obiettivo principale dell'utente è apprendere o ottenere informazioni specifiche. La risposta corretta consiste nel fornire il contenuto richiesto, sotto forma di spiegazione oppure indicando le risorse in cui l'utente può trovare le informazioni.
• Intento di navigazione: Descrive il caso in cui un utente vuole trovare una risorsa o una pagina specifica. Il sistema categorizza questo intento ed estrae le entità per indirizzarlo alla destinazione corretta.
• Intento transazionale: Descrive un input in cui un utente vuole raggiungere un obiettivo specifico, come prenotare un appuntamento o annullare il proprio abbonamento. L'intento transazionale si basa sempre su azioni con conseguenze concrete.
• Intento conversazionale: Descrive un input principalmente sociale, anziché riconducibile a una delle altre categorie. Questa forma di intento è oggi più comune grazie alla diffusione degli LLM, con alcune persone che usano agenti per uso generale come interfaccia per le conversazioni quotidiane.

Un LLM può gestire tutti questi tipi di intento in tutte queste categorie. In ogni caso, capire a quale categoria appartiene l'intento di un input aiuta a formulare una risposta più accurata. Tutto, dalle tool call eseguite da un agente fino alla risposta esatta che formula, dipende innanzitutto dall'identificazione dell'intento alla base dell'input dell'utente.

Casi d'uso del riconoscimento dell'intento nei vari settori

Il riconoscimento dell'intento è fondamentale per qualsiasi sistema di risposta automatizzata, perché la risposta deve essere allineata all'intento affinché la conversazione abbia senso.

Ecco alcuni esempi di casi d'uso dell'intento in diversi settori:

• Servizio clienti: Un agente vocale usa il riconoscimento dell'intento per comprendere la richiesta verbale di un cliente e indirizzarlo al reparto o alla risorsa giusti. Una classificazione errata potrebbe portare il cliente a parlare con il membro del personale sbagliato o lasciare la sua richiesta senza risposta.
• Sanità: Il riconoscimento dell'intento alimenta gli assistenti sanitari che gestiscono le prenotazioni. Spesso i settori a rischio più elevato, come la sanità o la finanza, utilizzano soglie di confidenza più alte per evitare classificazioni errate che potrebbero causare errori critici.
• Risorse umane: Un assistente conversazionale HR potrebbe essere integrato nella documentazione interna dell'azienda e guidare i dipendenti verso le risorse di cui hanno bisogno. Per esempio, un dipendente potrebbe chiedere informazioni sui benefit per le ferie; l'agente comprenderebbe l'intento informativo e recupererebbe tali dettagli dal wiki aziendale.

In ogni settore, un riconoscimento preciso dell'intento è il punto di partenza per una conversazione di successo. Se l'intento è errato, lo sarà anche la conversazione che ne segue. 

Sfide nel riconoscimento dell'intento

Riconoscere l'intento di un'affermazione è una sfida interamente linguistica. I significati cambiano, le parole modificano la loro funzione in base al contesto e la stessa frase può significare qualcosa di diverso a seconda di come viene pronunciata. Questo ultimo aspetto è particolarmente importante, soprattutto perché il riconoscimento dell'intento viene sempre più implementato negli agenti vocali.

Ecco alcune delle principali sfide nel riconoscimento dell'intento e come risolverle:

• Ambiguità: Quando la stessa frase assume due significati diversi a seconda di come viene pronunciata, l'ambiguità linguistica può ridurre la certezza del riconoscimento dell'intento. Per ovviare a questo problema, i modelli costruiscono il contesto attraverso più turni di conversazione, così da comprendere meglio ciò che una persona potrebbe desiderare. Più contesto ha a disposizione un modello, più precisa può essere la sua risposta.
• Conversazioni fuori dall'ambito di un modello: Se un utente chiede a un modello qualcosa che va ben oltre l'ambito delle sue conoscenze, il modello potrebbe categorizzare erroneamente l'intento nella categoria simile più vicina, generando una risposta imprecisa. Una soluzione consiste nell'addestrare i modelli sui casi d'uso limite per ridurre la probabilità che ciò accada. Combinare questo approccio con guardrail che impediscano di affrontare determinati argomenti in conversazione aiuta a mitigare il rischio.
• Input con più intenti: Naturalmente, una conversazione non sempre segue una corrispondenza 1:1 tra input e intento. “Potresti annullare il mio ordine e aggiornare anche il mio indirizzo di spedizione per gli ordini futuri?” contiene due obiettivi distinti. L'uso di un classificatore multi-label aiuta a identificare le stringhe di conversazione che contengono più di un intento o obiettivo, migliorando l'accuratezza nella gestione di più esigenze di fondo.

Comprendere e anticipare queste sfide consente ai ricercatori di adottare in anticipo misure per attenuarle. 

Inizia con ElevenAgents

In un agente vocale, il riconoscimento dell'intento contribuisce a mantenere accurati i sistemi di IA conversazionale e alti i livelli di soddisfazione dei clienti. Ripetute discrepanze nell'intento erodono la fiducia dei clienti nel tuo agente e riducono la propensione degli utenti a interagire con i tuoi sistemi di assistenza IA. 

ElevenAgents usa il riconoscimento dell'intento per capire con precisione di cosa ha bisogno un utente e assisterlo nella conversazione, indirizzando correttamente l'interazione, recuperando informazioni pertinenti o inoltrando la chiamata quando necessario. 

Scopri di più su ElevenAgents oppure registrati per iniziare a creare agenti vocali che comprendono ciò che vogliono i tuoi utenti. 

Domande frequenti sul riconoscimento dell'intento