Intent en Talkdesk AI Trainer™ son modelos de clasificación utilizados para descubrir de forma automática las intenciones del cliente durante las llamadas. Representan la base de los agentes conversacionales, como Talkdesk Autopilot (antes Talkdesk Virtual Agent), pero, además, son los principales desencadenantes de cualquier tarea automatizada o analítica en un contact center.
En la actualidad, las capacidades generativas de AI de Talkdesk permiten entrenar intents de una forma más rápida y simple, mediante el uso del botón Generate Phrases al editar o añadir nuevas training phrases.
¿Por qué hay que entrenar los modelos intent?
Para mejorar la tasa de automatización, resolver casos con mayor rapidez, fomentar la satisfacción del cliente y saber de qué hablan sus clientes finales. AI Trainer puede utilizarse para:
- Observar el rendimiento del modelo intent en la producción.
- Entrenar modelos con datos reales de conversaciones en las que la clasificación de intent no fue satisfactoria.
- Publicar los ajustes y mejoras en producción.
La página intents muestra lo siguiente:
- La sección "Observe" [1] proporciona información al personal de su contact center sobre el rendimiento del modelo en el entorno de producción.
- La sección "Train" [2] es una área de trabajo principal, donde es posible gestionar intents, Training phrases y entities. La sección "Inbox" contiene datos entrenables, recogidos de conversaciones en directo, que podrían utilizarse para mejorar el modelo intent.
- La sección "Deploy" [3] tiene dos funciones: revisar las sugerencias de mejora del modelo y gestionar las versiones del modelo en producción.
En AI Trainer, puede gestionar intents para los modelos intent: crear, actualizar o eliminar intents, así como añadir Training phrases a intents. Training phrases pueden añadirse de forma directa, como datos inventados o sintéticos, o etiquetando datos del mundo real mediante el sistema de acuerdos (explicado en la subsección).
Creación de un intent
Para crear un intent, siga estos pasos:
En la página intents, haga clic en Nuevo intent [1].
Añada el "Intent Name" [2], "intent purpose" y "Confidence Threshold" [3].
Nota: Tenga en cuenta que si rellena "intent purpose" apoyará una mejor generación de frases de entrenamiento intent con ayuda de Generative AI. Para estos escenarios, asegúrese de proporcionar un intent name conciso y un intent purpose descriptivo de la necesidad empresarial que hay detrás del conjunto de training phrases que espera autogenerar.
Haciendo clic en New phrase [4] añada o acepte al menos algunas training phrases, que serán autogeneradas [5] o autoescritas [6].
Añada "Training phrases" [5] y haga clic en Save [6].
Nota: El número mínimo sugerido de Training phrases por intent es 10.
Cuando haya terminado, publique sus cambios [7].
Crear y gestionar Custom entities
Entities son metadatos asociados a un intent. Por ejemplo, si un orador menciona productos, lugares o cualidades específicas, esa información puede extraerse en el contexto del intent que se detecta.
Con AI Trainer, puede gestionar custom entities y también anotar training phrases, de modo que se extraigan en el contexto de un intent.
Para crear una entidad personalizada, haga lo siguiente:
En la página Entities, seleccione New entity [1].
Dé un "Nombre" a la nueva entidad [2]. Añadir valores de entidad y sinónimos [3]. Haga clic en Create [4] para publicar los cambios.
Si desea información más detallada sobre las mejores prácticas a la hora de entrenar un modelo intent, consulte el artículo completo aquí.
Llenar todos los Slots
En Autopilot, en una conversación, es útil y a veces necesario, extraer entities (parámetros) anotados cuando un agente detecta el intent de un contacto. Si el parámetro es necesario pero no se detecta, entonces Autopilot solicitará esta información y rellenará todos los huecos de la conversación.
En AI Trainer es posible configurar parámetros, automatizar avisos para cuando no se detecte un parámetro y determinar respuestas automáticas para un intent detectado.
Para configurar un parámetro, realice lo siguiente:
- Abra la training phrase [1] que contenga las palabras que desea anotar.
- Resalte las palabras [2] y aparecerá una lista de entities [3].
- Guarde [4] la frase de entrenamiento y los parámetros creados.
- Abra la lista de parámetros [5] y seleccione uno para editarlo [6].
- Marque la opción "If enabled, allows configuring prompt responses" [7] para añadir una respuesta rápida automática y rellenar el hueco definido por el parámetro.
- Al final, seleccione Save [8].
Gestión del sistema de acuerdos
AI Trainer garantiza que los agentes, como expertos en el dominio, puedan etiquetar los datos sin disminuir el rendimiento del modelo al desplegar por accidente los cambios en producción.
Esto es posible gracias al proceso de Agreement, que se desarrolla por etapas:
- Múltiples agentes pueden hacer sugerencias independientes para un cambio de modelo.
- Los supervisores pueden revisar estas sugerencias y decidir si siguen adelante con el cambio o lo rechazan.
- Tras la revisión, solo los supervisores pueden pasar los modelos a producción.
En la sección Inbox, los agentes pueden ver todos los datos que pueden etiquetar. Cada agente tiene su propia bandeja de entrada. El "Agente A" puede considerar que es necesario etiquetar una frase como "préstamo estudiantil", mientras que el "Agente B" puede opinar otra cosa. Esto es lo que define el porcentaje de acuerdo global (%), cuando la frase pasa al control de calidad.
Los agentes pueden seleccionar una frase para etiquetar [1] y bien ignorarla [2], marcarla para más tarde [3] ("To-do later") o sugerir esta frase como frase de entrenamiento para intents [4] (Train intent). Pulse Save [5] para aplicar los cambios.
En la página "Quality check", los supervisores pueden ver todas las sugerencias de los agentes. Para revisarlas, siga estos pasos:
Haga clic en la sugerencia [1].
Pulse el botón Start review.
Apruebe cada sugerencia en función del nivel de acuerdo entre los agentes [2] y pase a la sección Launch [3].
Haga clic en las sugerencias revisadas [4] y en el botón "More actions" (...) [5] para elegir si desea lanzar los cambios de inmediato o programar el despliegue en el futuro [6].
Una vez entrenado el modelo, consulte la página "intents" para confirmar si las nuevas training phrases se han añadido correctamente.