意図認識

インテント認識とは

インテント認識とは、ユーザーが自然言語で入力した内容から、そのユーザーが何をしようとしているのかを特定するプロセスです。顧客が「配送先住所を変更したい」と入力したり「サブスクリプションを解約して」と話したりしたとき、そのメッセージを update_address や cancel_subscription といった構造化されたカテゴリに分類するのがインテント認識の仕組みです。これは、AIエージェントが言葉を理解する段階から実際のアクションへと進むための基盤となるレイヤーです。

技術的には、インテント認識（インテント検出、インテント分類とも呼ばれます）は、非構造化テキストや音声を、あらかじめ定義されたインテントラベルにマッピングします。自然言語処理（NLP）と機械学習による分類が交わる領域に位置し、顧客のリクエストをルーティング、応答、解決する必要があるあらゆるシステムにおける最初のステップとなります。

インテント認識の仕組み

最新のインテント認識システムは、いくつかの段階で動作します。まず、入力データに対してトークン化、正規化、ノイズ除去といった前処理を行います。次に、エンベディングモデルやBERT、sentence-transformersなどのTransformerベースのエンコーダーを使って、テキストを数値表現に変換します。このエンベディングは、キーワードだけでなく入力の意味的な内容を捉えます。

エンベディングは分類レイヤーに渡され、入力が1つ以上のインテントカテゴリにマッピングされます。従来の手法では、ラベル付きの学習データを用いた教師あり学習が使われてきました。現在の最先端システムでは、信頼度スコアに基づいて入力を振り分けるハイブリッドパイプラインを採用し、明確で信頼度の高いクエリには高速なエンコーダーモデルを、曖昧または複雑なリクエストには大規模言語モデル（LLM）を使用します。EMNLP 2024で発表された研究によると、この不確実性に基づくハイブリッドなルーティングは、本番のカスタマーサービス環境で重要となるレイテンシーと精度のトレードオフをうまく両立させます。

ACL Anthology（2024）の研究では、LLMの内部表現を活用する2段階の手法により、対象外（Out-of-Scope）検出が大幅に向上したことが示されています。これにより、AIシステムは誤ったカテゴリに無理に当てはめるのではなく、顧客のリクエストが既知のカテゴリに該当しないことを認識できるようになります。

インテント認識の主な構成要素

学習データとインテント体系： よく設計されたインテント体系は、あらゆる認識システムの根幹です。各インテントには、同じ目的を顧客がさまざまな言い方で表現するケースを網羅した代表的な例文が必要です。データが少ない、あるいはラベル付けが不十分であることは、本番環境での誤分類の最大の原因です。

エンベディングモデル： Transformerベースのエンコーダーが、テキストを密なベクトル表現に変換します。SetFitのようなファインチューニング済みモデルは対照学習を用いて、インテントあたりわずか8件のラベル付き例文から高品質なエンベディングを生成します。

分類レイヤー： シンプルなソフトマックス分類器、エンベディング空間での最近傍探索、あるいはインコンテキスト学習やChain-of-Thoughtプロンプティングを用いたLLMベースの生成型分類器などが使われます。

対象外（OOS）検出： クエリがどの既知のインテントにも該当しないことを見極めるのは、既知のインテントを分類するのと同じくらい重要です。信頼性の高いOOS検出がなければ、システムは誤ったインテントラベルを生成し、顧客を間違った方向へ導いてしまいます。

マルチモーダルシグナル： マルチモーダルなインテント認識に関する新たな研究では、テキスト、音響的な手がかり（声のトーンや話す速さ）、視覚的シグナルを組み合わせて、ユーザーの意図をより包括的に把握します。これは特にVoice AIや動画ベースのサポートチャネルに関連します。

カスタマーエクスペリエンス（CX）においてインテント認識が重要な理由

あらゆる顧客とのやり取りは、インテントから始まります。システムが請求に関する質問を技術サポートのリクエストと誤分類すると、顧客は間違ったチームに回され、同じ説明を繰り返すことになり、やがて離反してしまいます。正確なインテント認識は、解決率、初回解決率、顧客満足度に直結します。問題を解決するAIエージェントになるか、顧客を苛立たせるAIエージェントになるかは、ここで決まります。

エンタープライズのカスタマーサービスでは、インテント体系が製品、言語、チャネルをまたいで数百のカテゴリに及ぶこともあります。この規模で精度を維持するには、継続的なモデルの再学習、インテントドリフトの監視、堅牢なOOS処理が欠かせません。インテント認識を一度設定したら終わりの静的なコンポーネントとして扱う組織は、一貫して期待どおりの成果を上げられていません。

Mavenの強み

Maven AGIのプラットフォームは、Transformerベースの分類と検索拡張生成（RAG）を組み合わせた多層的なインテント認識により、文脈に沿って顧客の意図を理解します。固定的なインテント体系に頼るのではなく、MavenのAIエージェントは会話履歴全体とナレッジベースの文脈を活用して、顧客が何を必要としているか、そしてそれをどう解決するかを判断します。

EdTech企業のMastermindは、Maven AGIを導入してライブチャットの解決率93%を達成しました。この解決率は、受信するすべてのメッセージに対する正確なインテント認識から始まり、顧客が最初の1回で正しい回答にたどり着けるようにしています。

Mavenは100以上のインテグレーションにより、CRM、請求、受注管理、ナレッジベースの各システムをまたいで、インテントをアクションにつなげます。最新のAIアーキテクチャにおけるインテント認識の位置付けについては、Stanford AI Labの記事や、LLM時代のインテント検出に関するACLの研究もご覧ください。

よくある質問

インテント認識と固有表現認識の違いは何ですか？

インテント認識はメッセージ全体の目的（ユーザーが何をしたいのか）を分類するのに対し、固有表現認識（NER）はメッセージから注文番号、日付、製品名といった具体的なデータを抽出します。この2つはNLPパイプラインの中で連携して機能します。インテント認識が実行するアクションを決定し、NERがその実行に必要なパラメーターを埋めます。

1つのメッセージに複数のインテントが含まれる場合はどう処理しますか？

複数インテントの検出は、現在も活発に研究が進められている分野です。顧客が「注文を返品したいし、支払い方法も変更したい」と言った場合、システムは return_order と update_payment の両方のインテントを特定する必要があります。最新の手法では、マルチラベル分類やLLMベースの解析を用いて、複合的なリクエストを個別に対応可能なインテントに分解します。

インテント認識は複数の言語に対応できますか？

はい。mBERTやXLM-Rなどの多言語Transformerモデルは、数十の言語でインテント分類に対応しています。クロスリンガル転移学習により、主に英語データで学習したモデルでも他言語のインテントを一定の精度で分類できますが、言語ごとのファインチューニングを行うことで性能はさらに向上します。

インテント認識の精度はどのように測定しますか？

標準的な指標としては、インテントクラスごとの適合率、再現率、F1スコアに加え、全体の正解率があります。カスタマーサービスにおいて最も意味のある指標は、エンドツーエンドでの解決です。つまり、システムがインテントを正しく特定し、問題を解決できたかどうかです。正解率95%のインテント分類器でも、誤分類する5%が価値の高いインテントであれば、カスタマーエクスペリエンス（CX）を大きく損なう可能性があります。