💬 Mapa de Intenciones del Chatbot de Soporte — Enrutamiento por Vecino Más Cercano

La confianza es la puntuación de similitud normalizada de la intención ganadora — si «Rastrear pedido» puntúa 0,72 y el resto de intenciones se reparten el 0,28 restante, el enrutador está bastante seguro. Cuando la puntuación más alta es baja (aproximadamente por debajo de 0,4 en esta simulación), suele significar que el mensaje contiene palabras clave de dos o más intenciones, o de ninguna de las conocidas. Los sistemas reales gestionan la confianza baja recurriendo a una pregunta aclaratoria («¿Te referías a rastrear un pedido o a una devolución?») o derivando directamente a un agente humano en lugar de adivinar y dar una respuesta equivocada.

El modo ambiguo construye mensajes de ejemplo que mezclan deliberadamente palabras clave de dos intenciones distintas, por ejemplo combinando lenguaje de seguimiento y de facturación en una misma frase. Como la puntuación de similitud se reparte de forma casi equitativa entre las dos intenciones que coinciden, la confianza normalizada del «ganador» cae bruscamente y el punto se desplaza hacia una posición entre los dos clústeres en lugar de situarse justo sobre uno de ellos. Esto refleja los tickets de soporte reales, donde los clientes a menudo describen un problema que abarca dos categorías, como «me devolvieron el dinero a la tarjeta equivocada».

Cada mensaje se clasifica aquí de forma independiente, sin memoria de lo dicho antes — exactamente como un clasificador de intenciones de un solo turno. Los sistemas conversacionales reales mantienen el estado del diálogo entre turnos: si un usuario dice «rastrea mi pedido» y luego «en realidad, cancélalo», un clasificador sin estado podría enrutar mal el segundo mensaje porque «cancélalo» por sí solo es ambiguo. Los chatbots de producción resuelven esto introduciendo los turnos recientes de la conversación en el paso de incrustación o manteniendo un estado de diálogo explícito de relleno de campos, algo bastante más complejo que la búsqueda de un solo mensaje que se muestra aquí.

La clasificación por centroide más cercano representa cada clase con un único punto resumen (el centroide, o media, de los ejemplos de esa clase) y asigna un nuevo punto al centroide más próximo. El método de k vecinos más cercanos, en cambio, compara un nuevo punto con cada ejemplo de entrenamiento individual y toma el voto mayoritario entre los k más cercanos. El centroide más cercano es más rápido y sencillo — exactamente una comparación de distancia por clase — pero asume que cada clase forma una única masa compacta y aproximadamente convexa; k-NN puede manejar clases de forma irregular o multimodal a costa de almacenar y recorrer todo el conjunto de entrenamiento.

Sí, y es una de las partes más difíciles de diseñar una taxonomía de intenciones. Palabras como «tarjeta» o «cuenta» aparecen tanto en intenciones de facturación como de restablecimiento de contraseña o de fraude. Los sistemas reales reducen este solapamiento entrenando con miles de mensajes reales de clientes etiquetados en lugar de listas de palabras clave escritas a mano, permitiendo que el modelo aprenda qué combinaciones de palabras — no palabras sueltas — son realmente diagnósticas. Los equipos también revisan regularmente los «pares de confusión» (intenciones que el modelo mezcla con frecuencia) y las fusionan, añaden más ejemplos de entrenamiento contrastivos, o las dividen en subintenciones más finas.