Ir al contenido principal

Glosario de IA Conversational

¿Qué es una intención en IA conversacional?

← Todos los términos del glosario
En pocas palabras

El objetivo que hay detrás de lo que un usuario dice o escribe, como reservar un vuelo o pedir un reembolso, tal como lo detecta un sistema conversacional.

Explicación

En IA conversacional, una intención es el objetivo del usuario detrás de un mensaje: por ejemplo, consultar un pedido, pedir cita o solicitar un reembolso. El reconocimiento de intenciones, también llamado clasificación de intenciones, asigna cada frase a la intención que mejor encaja, y esa decisión marca lo que hace después el chatbot o el voicebot: qué flujo inicia, qué datos pide, a qué sistema llama o cuándo pasa a una persona. Las intenciones suelen ir acompañadas de entidades o parámetros, los detalles concretos como una fecha, un producto o un número de cuenta. Los modelos de lenguaje grandes hacen el reconocimiento más flexible, pero un catálogo claro de intenciones sigue siendo lo que mantiene el servicio predecible.

Cómo funciona el reconocimiento de intenciones

En las plataformas clásicas, el equipo de diseño define un conjunto de intenciones y da a cada una frases de entrenamiento, ejemplos de cómo expresa la gente ese objetivo. Un modelo aprende de ellas y, ante cada frase nueva, elige la intención que mejor encaja con una puntuación de confianza. Por debajo de un umbral, el sistema pide aclaración o da una respuesta por defecto.

Junto a la intención, el sistema extrae entidades: los detalles necesarios para actuar, como una ciudad, una fecha o un número de póliza. El contexto de turnos anteriores ayuda a interpretar respuestas cortas como «sí» o «la segunda».

Las intenciones en la era de los LLM

Los modelos de lenguaje grandes entienden peticiones para las que nunca se entrenaron de forma explícita, así que las listas rígidas de frases de entrenamiento pesan menos. Eso no elimina las intenciones.

  • Siguen definiendo qué puede hacer el servicio y a qué proceso o sistema va cada petición.
  • Dan un conjunto estable de categorías para medir volúmenes, resolución sin agente y satisfacción.
  • Un LLM puede clasificar la intención y extraer los detalles, mientras un flujo definido se encarga de los pasos sensibles, como pagos o verificación de identidad.

Cómo diseñar un buen catálogo de intenciones

  • Parte de conversaciones y transcripciones reales, no del organigrama.
  • Mantén las intenciones bien separadas: si se solapan, el sistema enruta mal.
  • Decide qué pasa cuando el sistema duda, con un camino claro hacia un agente humano.
  • Revisa con regularidad las frases no reconocidas o mal clasificadas y ajusta.

Preguntas frecuentes

¿Qué es un ejemplo de intención?

«Quiero cambiar la dirección de entrega» y «¿Me lo podéis mandar a otro sitio?» son formas distintas de expresar la misma intención, por ejemplo, cambiar dirección de entrega. El sistema reconoce la intención y luego pide, o extrae, la nueva dirección como entidad.

¿Qué diferencia hay entre intención y entidad?

La intención es lo que el usuario quiere hacer; las entidades son los detalles necesarios para hacerlo. En «reserva mesa para cuatro el viernes», la intención es una reserva y las entidades son el número de personas y el día.

¿Qué es la clasificación de intenciones?

Es el paso que asigna el mensaje de un usuario a una de las intenciones predefinidas. Las plataformas conversacionales usan modelos de aprendizaje automático para ello, y hoy los LLM pueden hacerlo a partir de una lista de descripciones de intenciones con pocos ejemplos de entrenamiento o ninguno.

¿Los chatbots con LLM siguen necesitando intenciones?

Normalmente sí, aunque más ligeras. El modelo entiende lenguaje libre, pero el negocio tiene que decidir qué peticiones atiende, cómo se resuelve cada una y cuándo escalar. Las intenciones son una forma práctica de organizarlo y de medirlo.

¿Cómo se usa la detección de intenciones en un contact center?

Sirve para enrutar llamadas y chats al flujo o equipo adecuado, para que los agentes virtuales resuelvan solos las peticiones sencillas y para dar contexto a los agentes humanos antes de atender. Los datos agregados de intenciones muestran además por qué contactan los clientes, lo que ayuda a priorizar mejoras.

Guías de decisión que usan este término

Cómo llevarlo a la práctica

Dónde aparece en Thinkia

Para seguir leyendo

Fuentes

Actualizado: 2026-10-21

¿Quieres ver cómo se aplica en tu organización?

Habla con un experto en IA