O que é reconhecimento de intenção: entendendo os objetivos dos usuários em PLN

Toda mensagem que um usuário escreve, seja para um agente de LLM ou como uma busca no Google, tem uma intenção por trás. A pessoa busca atingir um objetivo, seja encontrar informações específicas ou realizar uma ação.

O reconhecimento de intenção é o processo de identificar esse objetivo, mapear o que o usuário precisa com base nele e atender à solicitação da forma mais precisa possível. Um sistema com uma compreensão bem ajustada da intenção atende melhor os clientes com respostas precisas, aumentando o engajamento e a satisfação.

Neste artigo, vamos explicar o que é reconhecimento de intenção e como a intenção evoluiu na era das buscas com LLMs.

Resumo

• O reconhecimento de intenção é uma técnica de processamento de linguagem natural que categoriza o objetivo de uma entrada.
• Para reconhecer a intenção em uma conversa, um modelo passa por quatro etapas: pré-processamento da conversa, extração de características, classificação e extração de entidades.
• Ao interagir com um LLM, a intenção pode ser informativa, transacional, conversacional ou navegacional.
• Os desafios mais comuns que pesquisadores consideram ao ajustar o reconhecimento de intenção são ambiguidade linguística, entradas fora do escopo e conversas com múltiplas intenções.

O que é reconhecimento de intenção?

O reconhecimento de intenção é uma técnica de processamento de linguagem natural (PLN) que classifica uma entrada falada ou escrita com base no que o usuário deseja alcançar no contexto. Esse ato de classificar também explica por que a técnica às vezes é chamada de classificação de intenção: o software precisa compreender a entrada e determinar o curso de ação adequado.

É importante observar que o reconhecimento de intenção não é apenas uma correspondência de palavras-chave. Há variações linguísticas demais para o mesmo objetivo para usar esse método. Por exemplo, “Meus dados de usuário não funcionam”, “Por que não consigo entrar?”, “Minha conta parece estar bloqueada” e “Minha senha não funciona” são variações escritas distintas da mesma intenção subjacente.

Ao usar o reconhecimento de intenção como uma função do PLN, sistemas de inteligência artificial podem entender melhor o que um usuário quer da interação e oferecer a melhor experiência possível em cada conversa. 

Como funciona o reconhecimento de intenção?

A arquitetura exata que um sistema de IA usa para reconhecer intenções depende do provedor. Ainda assim, normalmente o sistema utiliza uma variação das mesmas quatro etapas principais para transformar uma entrada bruta em uma intenção claramente definida.

Estas são as quatro etapas do reconhecimento de intenção:

1. Pré-processamento
2. Extração de características
3. Classificação
4. Extração de entidades

Vamos analisar cada uma delas em mais detalhes.

Pré-processamento

A entrada, seja de voz ou texto, precisa ser limpa para garantir que o modelo tenha um formato consistente e reconhecível com o qual trabalhar. No caso de texto, isso envolve corrigir erros de ortografia, remover pontuação e maiúsculas e dividir palavras incomuns ou longas em unidades menores por meio de tokenização. Essa fase também pode remover palavras funcionais de alta frequência, como “um” e “o”, para dar mais clareza, a menos que elas influenciem diretamente o significado da frase.

Em pipelines de reconhecimento automático de fala, o sistema primeiro precisa transcrever os dados de voz recebidos em texto, adicionando outra etapa ao pré-processamento antes que o modelo possa trabalhar com a transcrição normalizada.

Extração de características

O texto limpo é então transformado em uma representação numérica com a qual o software pode trabalhar. A extração de características preserva o significado semântico de uma frase, mas o representa numericamente.

As estratégias que pesquisadores usam nesta etapa evoluíram significativamente nos últimos anos. Abordagens anteriores usavam modelos Bag-of-Words ou representações de Frequência de Termo–Frequência Inversa de Documento (TF-IDF) para ponderar palavras conforme seu caráter distintivo ou sua frequência. Embora isso gerasse resultados rápidos, não capturava as nuances das frases. Afinal, “Não quero cancelar” e “Quero cancelar” compartilham quase todas as mesmas palavras, mas têm significados completamente diferentes.

Outro exemplo que poderia ser difícil para o TF-IDF seria comparar “Cachorro morde gato” com “Gato morde cachorro”, em que o significado muda completamente com poucas alterações na frase.

A abordagem mais moderna para extrair características é usar representações vetoriais densas para criar uma incorporação vetorial que representa a entrada do usuário. Essas incorporações relacionam o contexto pela proximidade, agrupando palavras com significados semelhantes para inferir o contexto a partir dessa relação espacial.

Codificadores baseados em Transformers levam isso ainda mais longe, criando mapas contextuais em que o vetor de uma palavra muda conforme as palavras ao seu redor. Isso é essencial para palavras polissêmicas cujo significado depende do contexto (“leia estas instruções, por favor”, “li aquele artigo ontem”). 

A representação contextual de uma frase é o que permite aos sistemas de reconhecimento de intenção entender o que um usuário quer e classificá-lo nas etapas seguintes.

Classificação

Com uma representação clara de uma entrada, o modelo pode compará-la a diferentes casos conhecidos de intenção e atribuir valores de confiança durante o processo. Depois de analisar os tipos de intenção, ele escolhe aquele com o maior valor de confiança.

Algumas equipes testam um limite de confiança para a classificação. Se ele for muito baixo, uma intenção pouco precisa ainda poderá avançar para a próxima etapa. Mas, se for muito alto, ocorre o contrário: o modelo não consegue classificar a intenção de forma definitiva e seguir adiante.

Ajustar seu modelo de classificação ajudará a encontrar o valor que funciona melhor para sua empresa. 

Se o modelo não conseguir identificar uma intenção, provavelmente fará mais perguntas ao usuário ou encaminhará o caso para um agente humano, se estiver configurado para isso.

Extração de entidades

Apresentamos a extração de entidades como uma etapa separada, mas ela ocorre simultaneamente à classificação. A extração de entidades recupera detalhes de uma entrada que serão úteis na resposta posterior, como números de pedido, dados da conta, nomes de produtos ou outras informações específicas que ajudarão o modelo a executar a solicitação.

As entidades extraídas nesta etapa ajudam a fornecer informações específicas do usuário para executar a solicitação com sucesso. Por exemplo, se a classificação identificar que um usuário quer cancelar um pedido, a extração de entidades informará ao agente qual pedido e qual conta de cliente devem ser processados.

Reconhecimento de intenção vs. detecção de intenção

Reconhecimento de intenção e detecção de intenção costumam ser usados como sinônimos, embora tenham significados ligeiramente diferentes. O reconhecimento de intenção é o processo completo de classificar a intenção em uma solicitação do usuário. Já a detecção de intenção corresponde apenas à primeira etapa desse processo: identificar se há alguma intenção na resposta do usuário.

Na prática, a diferença só importa em casos de uso extremos. Por exemplo, um agente de suporte ao cliente que recebe uma pergunta totalmente sem relação com o contexto que aprendeu pode primeiro identificar, usando a detecção de intenção, que ela não se aplica à sua base de conhecimento. O que ele faz depois, como falhar de forma adequada, é definido pela configuração do reconhecimento de intenção.

Tipos de intenção

Há tantas intenções específicas quanto perguntas. Em vez de cada possível forma de formular uma pergunta exigir uma intenção diferente, o sistema geralmente identifica primeiro a categoria da intenção e depois toma a ação correspondente.

Os principais tipos de intenção em sistemas de PLN são:

• Intenção informativa: Descreve uma entrada em que o principal objetivo do usuário é aprender ou obter informações específicas. A resposta correta é fornecer o conteúdo solicitado, seja como explicação ou indicando os recursos adequados onde o usuário pode encontrá-lo.
• Intenção navegacional: Descreve quando um usuário quer encontrar um recurso ou página específica. O sistema categoriza essa intenção e extrai entidades para encaminhá-lo ao local adequado.
• Intenção transacional: Descreve uma entrada em que o usuário quer atingir um objetivo específico, como agendar uma consulta ou cancelar sua assinatura. A intenção transacional sempre se baseia em ações com consequências.
• Intenção conversacional: Descreve uma entrada que é principalmente social, em vez de pertencer a uma das outras categorias. Essa forma de intenção é mais comum agora com o avanço dos LLMs amplamente disponíveis, e algumas pessoas usam agentes de uso geral como uma interface para conversas do dia a dia.

Um LLM pode lidar com todos esses tipos de intenção em todas essas categorias. Ainda assim, entender a qual categoria uma entrada pertence ajuda a formular uma resposta mais precisa. Tudo, desde quais chamadas de ferramentas um agente faz até a resposta exata que ele formula, depende primeiro de identificar a intenção subjacente da entrada do usuário.

Casos de uso do reconhecimento de intenção em diferentes setores

O reconhecimento de intenção é essencial para qualquer sistema de resposta automatizada, pois a resposta precisa estar alinhada à intenção para que a conversa faça sentido.

Veja alguns exemplos de casos de uso da intenção em diferentes setores:

• Atendimento ao cliente: Um agente de voz usa o reconhecimento de intenção para entender a solicitação falada de um cliente e encaminhá-lo ao departamento ou recurso correto. Uma classificação incorreta pode fazer o cliente falar com o membro errado da equipe ou deixar sua dúvida sem solução.
• Saúde: O reconhecimento de intenção alimenta assistentes de saúde que gerenciam agendamentos. Setores de maior risco, como saúde ou finanças, costumam usar limites de confiança mais altos para evitar categorizações incorretas que possam levar a erros críticos.
• Recursos humanos: Um assistente conversacional de RH pode ficar nos documentos internos da empresa e orientar funcionários aos recursos de que precisam. Por exemplo, um funcionário pode perguntar sobre benefícios de férias, e o agente entenderá a intenção informativa e apresentará esses detalhes da wiki mais ampla.

De modo geral, o reconhecimento preciso de intenção é o fator inicial que impulsiona uma conversa bem-sucedida. Se a intenção estiver errada, a conversa que vier depois também estará. 

Desafios no reconhecimento de intenção

Reconhecer a intenção de uma afirmação é inteiramente um desafio linguístico. Os significados mudam, as palavras assumem funções diferentes conforme o contexto, e a mesma frase pode ter outro sentido dependendo de como foi dita. Especialmente porque o reconhecimento de intenção está sendo cada vez mais usado em agentes de voz, esse último ponto é extremamente importante.

Veja alguns dos principais desafios do reconhecimento de intenção e como resolvê-los:

• Ambiguidade: Quando a mesma frase significa duas coisas diferentes conforme a forma como alguém a diz, a ambiguidade linguística pode reduzir a certeza do reconhecimento de intenção. Para contornar isso, os modelos constroem contexto ao longo de vários turnos de conversa para entender de forma mais abrangente o que a pessoa pode querer. Quanto mais contexto um modelo tiver para usar, mais preciso poderá ser ao elaborar sua resposta.
• Conversas fora do escopo de um modelo: Se um usuário pergunta algo muito além do escopo de conhecimento do modelo, ele pode categorizar incorretamente a intenção na categoria semelhante mais próxima, gerando uma resposta imprecisa. Uma solução é treinar os modelos com casos de uso extremos para reduzir a chance de isso acontecer. Combinar essa abordagem com proteções para impedir que certos tópicos sejam abordados na conversa ajuda a mitigar esse risco.
• Entradas com múltiplas intenções: Naturalmente, uma conversa nem sempre segue uma relação de 1:1 entre entrada e intenção. “Você poderia cancelar meu pedido e também atualizar meu endereço de entrega para pedidos futuros?” tem dois objetivos distintos. Usar um classificador multirrótulo ajuda a identificar trechos de conversa que contêm mais de uma intenção ou objetivo, aumentando a precisão ao lidar com vários desejos subjacentes.

Entender esses desafios e antecipá-los permite que pesquisadores implementem medidas para mitigá-los com antecedência. 

Comece a usar o ElevenAgents

Em um agente de voz, o reconhecimento de intenção ajuda a manter os sistemas de IA conversacional precisos e os índices de satisfação dos clientes elevados. Desalinhamentos recorrentes de intenção reduzem a confiança dos clientes no seu agente e diminuem a disposição dos usuários para interagir com seus sistemas de suporte por IA. 

O ElevenAgents usa o reconhecimento de intenção para entender com precisão o que um usuário precisa e atendê-lo na conversa, encaminhando a interação corretamente, buscando informações relevantes ou escalonando a chamada conforme necessário. 

Saiba mais sobre o ElevenAgents ou cadastre-se para começar a criar agentes de voz que entendem o que seus usuários querem. 

Perguntas frequentes sobre reconhecimento de intenção