Cos'è Intent Detection? Definizione Completa e Guida Pratica
L'Intent Detection è la tecnologia NLP che classifica l'intenzione dell'utente dietro ogni messaggio: prenotare, informarsi, lamentarsi, acquistare, cancellare. Identificare correttamente l'intent è il primo passo per instradare la conversazione al flusso giusto e fornire la risposta o l'azione appropriata.
Cos'è l'Intent Detection?
Quando un utente scrive al chatbot, il suo messaggio contiene un'intenzione implicita: il motivo per cui sta scrivendo. "Come cancello il mio ordine?" e "Voglio annullare l'acquisto" e "Non voglio più il prodotto" esprimono tutte lo stesso intent (CANCELLAZIONE_ORDINE) con parole diverse. L'intent detection è la tecnologia che riconosce questo pattern.
A differenza dei vecchi sistemi basati su keyword (se il messaggio contiene "cancella" → intent cancellazione), l'intent detection moderna usa modelli di classificazione addestrati su esempi reali, capaci di generalizzare a formulazioni mai viste prima e di gestire ambiguità.
Con i moderni LLM come GPT-4o, l'intent detection può essere eseguita implicitamente: il modello comprende direttamente l'intenzione dell'utente dal contesto della conversazione, senza un classificatore separato, e seleziona automaticamente il flusso di risposta più appropriato.
Intent Comuni nel Customer Support
Intent Informativi
- RICHIESTA_INFO: "Quali sono le vostre garanzie?"
- ORARI: "Quando siete aperti?"
- DISPONIBILITA: "Avete il prodotto X in magazzino?"
- SPEDIZIONE: "Quanto ci vuole per la consegna?"
- STATO_ORDINE: "Dov'è il mio pacco?"
Intent Transazionali
- PRENOTAZIONE: "Vorrei prenotare un tavolo"
- ACQUISTO: "Come posso comprare il piano Pro?"
- CANCELLAZIONE: "Voglio cancellare il mio ordine"
- RESO: "Come faccio per restituire un prodotto?"
- RIMBORSO: "Non ho ancora ricevuto il rimborso"
Intent di Supporto
- PROBLEMA_TECNICO: "Il prodotto non funziona"
- RECLAMO: "Voglio fare un reclamo formale"
- ESCALATION: "Voglio parlare con un responsabile"
- SUPPORTO_ACCOUNT: "Ho dimenticato la password"
Intent Contestuali
- SALUTO: "Ciao", "Buongiorno"
- CONFERMA: "Sì", "Va bene", "Ok"
- NEGAZIONE: "No", "Non mi interessa"
- FUORI_SCOPE: Domande non pertinenti al business
Intent vs Entity: La Differenza Fondamentale
Intent e entity sono complementari: l'intent dice cosa vuole fare l'utente, le entity dicono con cosa/chi/quando. Insieme, forniscono tutte le informazioni necessarie per eseguire un'azione.
"Voglio prenotare un tavolo per 4 persone sabato sera"
Intent (cosa vuole fare):
PRENOTAZIONE
→ attiva il flusso di prenotazione
Entities (i parametri):
persone: 4
data: sabato
fascia_oraria: sera
Training dell'Intent Detection
Utterance per Intent
Per ogni intent si forniscono esempi di frasi (utterance) che esprimono quell'intenzione. Il modello impara a classificare nuove frasi mai viste prima.
Intent: RESO
Utterance 1: "Voglio restituire un prodotto"
Utterance 2: "Come faccio il reso?"
Utterance 3: "Posso mandare indietro l'acquisto?"
Utterance 4: "Non mi piace, lo riporto"
Utterance 5: "Procedura per rimandare la merce"
... almeno 10-30 utterance per accuratezza base
Confidence Score e Routing
Il classificatore di intent produce non solo la categoria ma anche un punteggio di confidence (0-1). Questo permette di gestire casi ambigui in modo appropriato:
Routing della Conversazione Basato su Intent
Come l'Intent Determina il Flusso del Chatbot
Domande Frequenti
Cos'è l'Intent Detection?
L'Intent Detection è la tecnologia che classifica l'intenzione dell'utente dietro ogni messaggio: prenotare, informarsi, lamentarsi, acquistare. Identificare correttamente l'intent è il primo passo per instradare la conversazione al flusso di risposta corretto e fornire la risposta o l'azione più appropriata.
Differenza intent vs entity?
L'intent dice "cosa vuole fare" l'utente (prenotare, cancellarsi, informarsi). Le entity dicono "con cosa/chi/quando" (data, nome, prodotto). Esempio: "Prenota per 2 sabato" → Intent: PRENOTAZIONE, Entities: {persone: 2, data: sabato}. Insieme definiscono completamente l'azione da eseguire.
Come si addestra l'intent detection?
Si forniscono al modello esempi di frasi (utterance) per ogni intent definito, almeno 10-30 per intent per un modello base, 50-100+ per alta accuratezza. Le frasi devono coprire diverse formulazioni dello stesso intent. Il modello impara a classificare nuove frasi mai viste prima generalizzando dagli esempi.
Termini Correlati
Implementa Intent Detection nella Tua Azienda
Scopri come V Support può aiutarti a sfruttare l'AI per il tuo customer service. Demo gratuita di 30 minuti.