La clasificación de intención es el proceso de analizar un mensaje de usuario y categorizarlo en una intención predefinida: la acción o información que busca el usuario. Por ejemplo, clasificar "I want to cancel my subscription" como intención de "cancelación" y "How much is the Pro plan?" como intención de "consulta de precios".
La clasificación de intención es el primer paso al procesar cualquier interacción de chatbot. El sistema necesita entender qué quiere el cliente antes de poder dar la respuesta correcta.
Los enfoques modernos de clasificación de intención incluyen: - **Clasificación basada en LLM**: el modelo de lenguaje entiende intención desde el contexto sin categorías predefinidas y gestiona formulaciones nuevas de forma natural - **Modelos NLU tradicionales**: clasificadores entrenados que mapean mensajes a categorías de intención predefinidas con puntuaciones de confianza - **Enfoques híbridos**: comprensión mediante LLM combinada con reglas de enrutamiento de intención para categorías críticas de negocio
Más allá de la clasificación simple, los sistemas avanzados también extraen entidades (los detalles específicos dentro de la intención). Para "Cancela mi plan Pro efectivo el 1 de marzo", la intención es "cancelación" y las entidades son "plan Pro" (producto) y "1 de marzo" (fecha).
En la práctica, intent classification debe evaluarse por lo que cambia en el flujo de soporte. Pregunta si mejora la precisión de las respuestas, reduce el trabajo repetido de los agentes, aclara las decisiones de transferencia o facilita los informes. Si la respuesta es solo "suena moderno", el concepto aún no es operativo.
Un ejemplo concreto es enrutamiento a la sección correcta de la base de conocimiento: Un cliente pregunta "mi pago no pasó". El sistema clasifica la intención como "fallo de pago", recupera artículos sobre pagos rechazados e instrucciones de reintento desde la sección de facturación de la base de conocimiento, y genera una respuesta de troubleshooting dirigida, no una respuesta genérica de FAQ.
La conclusión más sencilla es: La clasificación de intención determina qué quiere el cliente, habilitando la respuesta o acción correcta
La coincidencia por palabras clave busca palabras específicas. La clasificación de intención entiende el significado detrás del mensaje. "Quiero salir", "por favor cancela" y "termina mi suscripción" tienen palabras clave distintas pero la misma intención de cancelación. La clasificación basada en LLM lo gestiona de forma natural.
La mayoría de chatbots de soporte al cliente gestiona eficazmente 20-50 intenciones principales (precios, facturación, cancelación, problemas técnicos, gestión de cuenta, etc.). Los sistemas basados en LLM no requieren definir explícitamente intenciones; las entienden por contexto. La clave es asegurar que tu base de conocimiento cubra las principales intenciones con contenido completo.
Cuando un cliente escribe "esto es inaceptable, necesito hablar con un gerente de inmediato", el sistema lo clasifica como intención de escalado con alta urgencia. En lugar de intentar resolver el problema, lo enruta inmediatamente a un agente humano con acceso de nivel gerente.
Cuando la IA tiene baja confianza en su clasificación, el mejor enfoque es hacer una pregunta aclaratoria ("¿Podrías contarme más sobre en qué necesitas ayuda?") u ofrecer opciones comunes. Si la confianza sigue baja después de aclarar, escala a un agente humano.
Sí. La clasificación de intención basada en LLM es robusta ante errores de escritura, jerga, abreviaturas y lenguaje informal. "cant login plz help" y "no puedo acceder a mi cuenta" se clasifican correctamente como intención de autenticación/inicio de sesión porque el modelo entiende significado, no solo palabras.
En búsqueda e IA conversacional, la intención de usuario se agrupa comúnmente en cuatro tipos: informativa (el usuario quiere aprender algo), navegacional (quiere llegar a una página o destino específico), transaccional (quiere hacer o comprar algo) e investigación comercial (compara opciones antes de una transacción). Los chatbots de soporte al cliente ven los cuatro, siendo informativa y transaccional las más comunes.
Los problemas de clasificación suelen agruparse en cuatro formas: binaria (dos clases, por ejemplo spam vs no spam), multiclase (una de N etiquetas, por ejemplo facturación vs técnico vs cancelación), multietiqueta (un mensaje puede tener varias etiquetas a la vez) y jerárquica (las etiquetas forman un árbol, por ejemplo facturación > reembolso > parcial). La clasificación de intención en soporte suele ser multiclase o multietiqueta.
