Formación de Intent Detection Models en AI Trainer

Los intent models en Talkdesk AI Trainer son modelos de clasificación que se utilizan para descubrir automáticamente las intenciones del cliente durante las llamadas. Representan la base de los agentes conversacionales, como Talkdesk Virtual Agent, pero, además, son los principales detonantes de cualquier tarea automatizada en un contact center.

 

¿Por qué necesitamos formar intent models?

Para mejorar la tasa de automatización, resolver casos más rápido, con satisfacción del cliente y saber de qué hablan sus clientes finales. AI Trainer se puede utilizar para observar el rendimiento del intent models en producción, para entrenar modelos con datos del mundo real de conversaciones en las que la clasificación de intenciones no fue satisfactoria, y también para publicar fácilmente ajustes y mejoras en la producción.

La página de Intents muestra lo siguiente:

image_1.png

  • La sección "Observe" [1] proporciona información del personal del 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 administrar intents, training phrases y entities. La sección "Inbox" contiene datos entrenables, recopilados de conversaciones en vivo, que podrían usarse para mejorar el modelo de intención.
  • La sección “Deploy” [3] tiene dos funciones: revisar sugerencias para las mejoras del modelo y administrar versiones del modelo en producción.

En AI Trainer, puede administrar intents para intent models: crear, actualizar o eliminar intents, así como agregar training phrases a los intents. Las Training phrases se pueden agregar directamente, como datos inventados o sintéticos, o etiquetando datos del mundo real a través del sistema del Agreement (explicado en la subsección).

 

Para crear un Intent, siga estos pasos:

image_2.png

1. En la página Intents, haga clic en New Intent [1].

image_3.png

2. Añada “Intent Name[2] y “Confidence Threshold[3].

3. Agregue al menos algunas frases de entrenamiento, haciendo clic en New phrase [4].

image_4.png

4. Agregue "Training phrases" [5] y haga clic en Save [6].

Nota: El número sugerido de training phrases por intent es 10.

image_5.png

5. Cuando haya terminado, publique los cambios [7].

 

Las Entities son metadatos asociados a un intent. Si un orador menciona productos, lugares o cualidades específicas, por ejemplo, esa información puede extraerse en el contexto del intent que se detecta.

Con AI Trainer, puede administrar custom entities y también anotar training phrases, para que se extraigan dentro del contexto de un intent.

Para crear una Custom entity, haga el siguiente:

image_6.png

1. En la página Entities, seleccione New entity [1].

image_7.png

2. Asigne al New entity un "Name" [2].

3. Agregue valores de entity y sinónimos [3].

4. Haga clic en Create [4] para publicar los cambios.

 

Si desea información más detallada sobre las mejores prácticas para entrenar un modelo de intención, consulte aquí el artículo completo.

 

Llenando todas las ranuras

En Virtual Agent, en una conversación, suele ser útil, ya veces necesario, extraer entidades anotadas, parámetros de llamadas, cuando un agente detecta el intent de un contacto. Si se necesita el parámetro pero no se detecta, Virtual Agent solicitará esta información y rellenará todos los espacios de la conversación.

En AI Trainer es posible configurar parámetros, automatizar avisos para cuando no se detecta un parámetro, así como determinar respuestas automáticas para una intención detectada.

 

Para configurar un parámetro, haga lo siguiente:

image_8.png

1. Abra la training phrase [1] que contiene palabras para anotar.

2. Resalte las palabras [2] y aparecerá una lista de entidades [3].

3. Guarde [4] la frase de entrenamiento y los parámetros creados.

image_9.png

4. Abra la lista de parámetros [5] y seleccione uno para editar [6].

5. Marque la opción “If enabled, allows configuring prompt responses” [7] para agregar una solicitud automática y completar el espacio definido por el parámetro.

6. Al final, seleccione Save [8].

 

Gestionar el sistema de acuerdos

AI Trainer garantiza que los agentes, como expertos en dominios, puedan etiquetar los datos sin disminuir el rendimiento del modelo al implementar accidentalmente los cambios en la producción.

 Esto es posible a través del Agreement Process, que ocurre en etapas:

  • Múltiples agentes pueden hacer sugerencias de forma independiente para un cambio de modelo.
  • Los supervisores pueden revisar estas sugerencias y decidir continuar con el cambio o rechazarlo.
  • Después de la revisión, solo los supervisores pueden implementar modelos en producción.

image_10.png

En la sección Inbox, los Agentes pueden ver todos los datos que se pueden etiquetar. Cada Agente tiene su propia Bandeja de Entrada. Si el Agente A cree que una frase debería etiquetarse como "student loan", el Agente B puede pensar lo contrario. Esto es lo que define el porcentaje de acuerdo general (%), cuando la frase pasa a quality check.

1. Los agentes pueden seleccionar una frase para etiquetar [1] e ignorarla [2], marcarla para más tarde [3] (To-do later) o sugerir esta frase como frase de entrenamiento para objetivos [4] (Train intent).

 

En la página Quality check, los supervisores pueden ver las sugerencias de todos los agentes. Para revisarlos, siga estos pasos:

image_11.png

1. Haga clic en la sugerencia [1].

image_12.png

2. Haga clic en el botón "Start review".

3. Apruebe cada sugerencia según el nivel de acuerdo entre los agentes [2] y ve a la sección Launch [3].

image_13.png

4. Haga clic en las sugerencias revisadas [4] y en el menú de configuración [5] para elegir si desea iniciar los cambios de inmediato o programar la implementación en el futuro [6].

Cuando el modelo esté entrenado, consulte la página de Intents para confirmar si las nuevas frases de entrenamiento se añadieron correctamente.

Volver ""
Por favor, inicie sesión para enviar una solicitud.