Una de las preguntas más habituales que nos hacen clientes y usuarios potenciales es: "¿Dónde están sus clasificadores de intenciones?".
No tenemos. Y sí, es a propósito.
Botpress utiliza LLMs para identificar la intención del usuario. ¿Por qué? Es mucho mejor tanto para los creadores como para los usuarios de un agente de IA.
Creemos firmemente en esta postura, por lo que me gustaría dedicar unos minutos a explicar nuestra falta de clasificadores de intención.
TLDR: Es más fácil de construir, más preciso y más sencillo de mantener.
Los viejos tiempos (antes deLLM)
(Si estás familiarizado con lo que son y lo que hacen los clasificadores de intención, no dudes en saltarte esta sección).
Un clasificador de intenciones es una herramienta que clasifica las entradas del usuario en intenciones predefinidas basándose en datos de entrenamiento.
Los desarrolladores tienen que curar y etiquetar innumerables ejemplos para cada posible intención, con la esperanza de que el sistema pueda hacer coincidir las entradas del usuario con estos ejemplos.
Por ejemplo, con un chatbot de comercio electrónico, los desarrolladores podrían definir una intención como "TrackOrder". Sus enunciados de ejemplo podrían incluir: "¿Dónde está mi paquete?" "Rastrear mi pedido" y "¿Puede comprobar el estado de la entrega por mí?".
Esencialmente, están entrenando al agente de IA para que reconozca la intención del usuario dándole ejemplos. Y sí, tienen que introducirlos todos a mano.
Afortunadamente, la necesidad de realizar esta asignación manual de posibles enunciados a una intención prácticamente ha desaparecido a medida que LLMs ha ido avanzando.
Pero muchas plataformas de IA conversacional siguen utilizándolas. ¿Por qué? Ya hablaremos de ello.
4 inconvenientes de los clasificadores por intención
No se trata sólo de que sea un proceso más largo: los clasificadores de intención son pésimos por muchas razones. He aquí algunas:
1. Dependencia de los datos
Los clasificadores de intenciones necesitan muchos datos. Necesitan un conjunto de datos enorme y representativo de ejemplos de usuarios para que cada intención funcione con precisión. Sin ellos, tienen dificultades para clasificar correctamente las entradas.
Y la creación de estos conjuntos de datos es una pesadilla. Los desarrolladores pasan horas interminables recopilando y etiquetando ejemplos, lo que -sin duda- no es un buen uso de su tiempo.
2. Escalabilidad limitada
Los clasificadores de intenciones tampoco están diseñados para escalar. Añadir nuevas intenciones implica recopilar más datos y volver a entrenar el modelo, lo que se convierte rápidamente en un cuello de botella para el desarrollo. Plus Además, pueden ser un quebradero de cabeza para el mantenimiento, porque a medida que evoluciona el uso del lenguaje, también lo hacen los enunciados.
3. Mala comprensión de la lengua
Los clasificadores de intención carecen de una verdadera comprensión del lenguaje. Tienen dificultades con las variaciones del lenguaje, como:
- Sinónimos
- Paráfrasis
- Redacción ambigua
- Errores tipográficos
- Expresiones coloquiales desconocidas
- Entradas fragmentadas
También suelen procesar cada enunciado de forma aislada, lo que significa que carecen de la capacidad de mantener el contexto a lo largo de una conversación.
4. Sobreajuste
Los clasificadores de intención son propensos al sobreajuste, ya que memorizan ejemplos de entrenamiento en lugar de aprender patrones generales.
Esto significa que funcionan bien con frases exactas que han visto, pero tienen dificultades con entradas nuevas o variadas. Esto los hace mucho más frágiles de lo apropiado para un uso profesional.
6 razones por las que LLMs es mejor
LLMs prácticamente han resuelto estos problemas. Entienden el contexto y los matices, y los desarrolladores no necesitan llenarlos de datos de entrenamiento para ponerlos en marcha. Un agente basado en LLM puede empezar a conversar desde el momento en que se crea.
1. Capacidad de aprendizaje sin disparos
LLMs no necesitan ejemplos para aprender. Gracias a su amplia formación previa, ya entienden el contexto, los matices y la intención sin necesidad de que los desarrolladores les den ejemplos concretos.
2. Una cosita llamada matiz
LLMs destacan donde los clasificadores de intención se quedan cortos. Pueden interpretar frases hechas, sarcasmos y lenguaje ambiguo con facilidad.
Su amplia formación en diversos conjuntos de datos les permite captar los sutiles matices de la comunicación humana que los clasificadores de intención suelen pasar por alto.
3. Mejor contexto
LLMs no pierden el hilo de la conversación. Recuerdan lo que se dijo antes, lo que hace que las interacciones fluyan con naturalidad y parezcan más coherentes.
Este contexto también les ayuda a aclarar ambigüedades. Incluso cuando la información es vaga o compleja, pueden reconstruirla analizando la conversación en su conjunto.
4. Escalabilidad
LLMs son 100% mejores a escala. No necesitan reciclaje para abordar nuevos temas, gracias a su amplio conocimiento del lenguaje.
De este modo, están preparados para gestionar prácticamente cualquier caso de uso desde el primer momento. Para los sistemas multiagente, es obvio utilizar LLM en lugar de un clasificador de intenciones.
5. Flexibilidad
LLMs no se basan en plantillas rígidas. Su flexibilidad hace que las respuestas resulten naturales, variadas y perfectamente adaptadas a la conversación. Son una experiencia mucho mejor para los usuarios que los frágiles clasificadores de intenciones.
6. Menos datos de formación
LLMs no necesitan datos etiquetados específicos de una tarea para realizar su trabajo. Su potencia procede de un preentrenamiento masivo en textos diversos, por lo que no dependen de conjuntos de datos minuciosamente anotados.
En caso necesario, los desarrolladores siempre pueden personalizar LLM para su proyecto. Por ejemplo, LLMs puede ajustarse con datos mínimos, por lo que puede adaptarse rápidamente a casos de uso o sectores especializados.
¿Por qué otras empresas utilizan clasificadores de intenciones?
Buena pregunta. Si LLMs es mucho mejor para clasificar intenciones, ¿por qué tantas empresas siguen utilizando clasificadores de intenciones?
La respuesta no es bonita ni muy diplomática: es un problema de tecnología heredada.
A la mayoría de las empresas les interesa utilizar clasificadores de intenciones. Han construido enormes bases de instalación que funcionan con ellos. No tienen ninguna razón para disuadir a sus usuarios de utilizar el sistema que han construido.
Pero Botpress es LLM-primero
LLMs son mucho mejores para identificar intenciones que los antiguos clasificadores de intenciones. Por eso lo reescribimos desde cero para ser LLM-first in 2020.
Sabíamos que había llegado una tecnología mejor y, en lugar de aferrarnos a la tecnología heredada, invertimos en dar el salto.
¿Vamos a añadir clasificadores de intención?
No. Nos importa demasiado la experiencia de nuestros constructores y la de sus usuarios.
El futuro de la clasificación de intenciones
Los clasificadores de intención son una herramienta del pasado. Por eso hemos apostado fuerte por LLMs.
A medida que LLMs siga mejorando, también lo harán los agentes de IA creados en Botpress. Estamos preparados y entusiasmados por seguir subiendo el listón de lo que puede hacer la IA conversacional.
Si quieres crear agentes de IA flexibles basados en LLMs, no dudes en empezar a construir en Botpress. Es gratis.
Índice
Manténgase al día sobre lo último en agentes de IA
Comparte esto en:
.svg)
