Roteamento dinâmico de intenção é a escolha do agente que deve atender cada solicitação, considerando a mensagem, o contexto e as regras do negócio. Um classificador leve pode fazer essa triagem antes de acionar um modelo de linguagem maior. O objetivo operacional é encaminhar corretamente, reconhecer dúvidas e evitar que uma mensagem ambígua vire uma ação indevida.
Para começar, defina poucas intenções, reúna exemplos reais autorizados e compare uma solução simples com o fluxo atual. Inclua uma saída para pedir esclarecimento ou transferir o atendimento. O roteador deve escolher um destino; as permissões para consultar dados ou alterar pedidos precisam continuar sendo verificadas pelo sistema que executa a ação.
Resumo rápido
- Defina intenções pelo trabalho solicitado, com fronteiras claras entre elas.
- Compare regras, classificação de texto e similaridade semântica no mesmo conjunto de testes.
- Use uma rota de incerteza para mensagens incompletas ou fora do escopo.
- Avalie erros por intenção, tempo de resposta e transferências desnecessárias.
- Separe a decisão de encaminhamento da autorização de ferramentas.
Como organizar as intenções e os destinos
Uma intenção descreve o que a pessoa quer fazer: consultar entrega, pedir segunda via ou contestar cobrança. Um agente representa a capacidade disponível para atender esse pedido. A relação não precisa ser de um para um. Um agente financeiro pode receber várias intenções, desde que o registro preserve qual delas motivou o encaminhamento.
Comece escrevendo um contrato para cada intenção. Informe sua descrição, exemplos aceitos, exemplos parecidos que pertencem a outra classe e os dados mínimos para avançar. “Cancelar pedido” e “cancelar assinatura” podem compartilhar vocabulário, mas exigir sistemas diferentes. Se a equipe humana não consegue distingui-las com as informações disponíveis, o classificador também precisa poder perguntar.
Reserve uma categoria para demandas fora do escopo e outra decisão para informação insuficiente. Elas resolvem problemas distintos: “qual a previsão do tempo?” pode estar fora do atendimento de uma loja; “quero cancelar” está relacionado ao negócio, mas falta saber o objeto. Mandar ambos para um agente genérico esconde falhas de desenho.
Trate múltiplas intenções de forma explícita. Em “quero a nota e saber onde está a entrega”, o fluxo pode abrir duas consultas independentes. Já “se não chegar amanhã, quero cancelar” contém uma condição. Não divida essa frase em ações automáticas sem preservar sua dependência. Registre a condição e confirme os próximos passos antes de qualquer alteração.
Qual classificador leve comparar primeiro
Leve é uma característica que precisa ser medida no ambiente de execução. Um modelo pequeno pode ter custo de carregamento relevante, enquanto uma regra simples pode ficar difícil de manter quando o catálogo cresce. Escolha candidatos pelo volume de mensagens, infraestrutura disponível e variedade da linguagem, sem assumir que uma técnica será sempre mais barata.
| Abordagem | Quando experimentar | Limitação a observar |
|---|---|---|
| Regras e expressões | Comandos previsíveis e identificadores padronizados | Ambiguidade, negação e manutenção das exceções |
| TF-IDF com classificador linear | Histórico rotulado e vocabulário relativamente estável | Mudanças de linguagem e frases com pouco sinal lexical |
| Embeddings e exemplos de referência | Solicitações com paráfrases frequentes | Similaridade alta não garante intenção correta |
| Modelo de linguagem como segunda etapa | Casos difíceis que justificam processamento adicional | Mais componentes para testar e controlar |
TF-IDF transforma textos em atributos numéricos baseados na frequência de termos e em sua distribuição no conjunto. A documentação de extração de atributos do scikit-learn descreve essa família de representações. No projeto, teste também combinações de palavras e caracteres para verificar quais capturam abreviações sem confundir solicitações diferentes.
Embeddings são representações vetoriais do texto. Um roteador pode comparar a mensagem com exemplos previamente associados a cada intenção. A documentação de busca semântica do Sentence Transformers explica a comparação entre consultas e representações. A adaptação para roteamento exige validar os exemplos de cada rota no seu domínio.
Não escolha o vencedor somente pela média de acertos. Compare o comportamento em mensagens curtas, reclamações longas e conversas que mudam de assunto. Uma solução híbrida também é possível: regras para comandos inequívocos, classificação para demandas recorrentes e revisão para o restante. Cada camada precisa deixar registrada a justificativa operacional da decisão.
Como montar dados e calibrar a incerteza
Crie uma amostra que represente canais, horários, produtos e formas de escrever. Remova dados pessoais desnecessários antes da rotulagem. Inclua erros de digitação, abreviações e mensagens sem pontuação. Preserve negações: “não quero cancelar” não pode virar “quero cancelar” por uma limpeza agressiva do texto.
Defina um manual de rotulagem com decisões sobre casos ambíguos. Peça que duas pessoas classifiquem uma parcela da amostra e discutam divergências. Esse exercício costuma revelar intenções mal delimitadas. A solução pode ser reorganizar as classes ou coletar uma pergunta adicional, em vez de aumentar a complexidade do modelo.
Separe treino, ajuste e teste antes de experimentar. Mensagens da mesma conversa devem permanecer na mesma divisão para reduzir vazamento de contexto. Reserve também um período mais recente para observar mudanças de comportamento. Não use exemplos do teste final para escrever regras e depois apresente o resultado como se fossem dados inéditos.
Uma pontuação de similaridade não é uma probabilidade de acerto. Mesmo probabilidades produzidas por classificadores precisam ser avaliadas. A documentação de calibração do scikit-learn mostra como comparar probabilidades previstas com frequências observadas. Ajuste a calibração em dados separados daqueles usados para aprender o classificador.
O limiar de decisão deve refletir o custo do erro. Encaminhar uma dúvida simples para revisão pode ser aceitável; confundir consulta com cancelamento merece tratamento mais restritivo. A documentação sobre limiares de classificação distingue estimar probabilidades de decidir ações. Em roteamento com várias classes, avalie limiares por rota e a diferença entre as melhores candidatas.
Como executar, medir e atualizar o roteador
Produza uma saída estruturada com intenção, destino, versão do classificador e motivo de abstenção quando houver. Valide o destino contra uma lista permitida. O texto recebido nunca deve determinar diretamente um nome de função ou endereço de serviço. Consulte o guia de permissões para agentes de IA para organizar a separação entre interpretação e execução.
Ao receber uma nova mensagem, combine apenas o contexto necessário: solicitação atual, assunto ativo e referências ainda pendentes. Se a pessoa disser “e a outra?”, não force uma classificação isolada. Peça esclarecimento ou recupere a referência da conversa conforme as regras de acesso.
Um resumo antigo também pode estar errado e precisa ser tratado como informação revisável.
Monitore uma matriz de confusão, que mostra quais intenções são trocadas entre si. Acompanhe precisão por rota, proporção de pedidos daquela classe reconhecidos, taxa de abstenção e destino final após revisão. A média geral pode esconder uma classe rara com erros graves. Registre também a duração total do atendimento, incluindo perguntas adicionais e transferências.
Faça uma implantação em observação: o roteador propõe destinos, enquanto o fluxo existente continua atendendo. Compare as propostas com decisões revisadas e examine divergências. Depois, libere um conjunto limitado de intenções com retorno simples ao comportamento anterior. O roteiro de testes de agentes de IA ajuda a transformar cada falha encontrada em um cenário repetível.
Antes de atualizar, congele o modelo, o vocabulário, os exemplos de referência e os limiares como uma versão única. Uma mudança nos exemplos sem identificação impede reproduzir incidentes. Defina quem pode aprovar novas intenções e quando desativar uma rota: agente indisponível, sistema de destino em manutenção ou aumento de erros em um recorte relevante.
Exemplo: distribuidora de alimentos em Campinas
Considere uma distribuidora fictícia de Campinas que atende restaurantes por mensagens. Este é um exemplo ilustrativo, sem resultados medidos. A empresa tem três destinos: comercial, financeiro e logística. O primeiro catálogo distingue orçamento, segunda via, contestação de cobrança e consulta de entrega, além de pedidos que exigem esclarecimento.
Um cliente escreve “a cobrança veio junto, mas faltou uma caixa”. A palavra cobrança poderia atrair um classificador mal treinado para o financeiro. A anotação correta depende do pedido completo: falta de mercadoria deve iniciar a apuração logística, enquanto uma contestação de valor pode exigir outra etapa. O atendente não deve presumir que o cliente pediu estorno.
A equipe acrescenta exemplos de falta de itens, entrega parcial e cobrança vinculada ao pedido. Em mensagens que misturam essas situações, a pergunta planejada é: “Você quer verificar a mercadoria que faltou, contestar o valor ou tratar os dois pontos?”. A resposta define o fluxo e preserva a relação com o mesmo pedido.
Durante a observação, os responsáveis revisam os casos em que logística e financeiro foram confundidos. Registram se faltava contexto, se a classe estava mal definida ou se o classificador ignorou uma expressão. Cada diagnóstico leva a uma correção diferente. O ganho esperado só poderá ser afirmado depois de medir o atendimento completo contra uma referência comparável.
Erros comuns
Usar nomes de departamentos como única definição. “Financeiro” não explica a diferença entre emitir documento, contestar cobrança e negociar prazo. Descreva intenções com verbos e objetos, mesmo quando várias delas terminam no mesmo agente.
Forçar sempre a melhor classe. Todo conjunto de pontuações tem uma candidata vencedora, inclusive para mensagens desconhecidas. Adote abstenção e teste entradas fora do domínio. A pergunta de esclarecimento precisa ser curta e útil, sem repetir todo o menu do atendimento.
Treinar automaticamente com qualquer correção. Um destino escolhido por um atendente pode refletir indisponibilidade temporária, não a intenção original. Revise o motivo da transferência antes de incorporar esse registro como exemplo. Mantenha versões dos dados e um caminho para desfazer atualizações problemáticas.
Otimizar somente a etapa de classificação. Uma decisão rápida que causa transferências sucessivas pode piorar a experiência. Defina um limite para reencaminhamentos e preserve o histórico essencial. Quando esse limite for alcançado, uma pessoa deve receber o caso com contexto suficiente para resolver a dúvida.
Perguntas frequentes
Preciso de vários agentes desde o início?
Não. O roteador pode encaminhar para filas humanas, funções determinísticas ou um único agente com capacidades diferentes. Crie agentes separados quando houver responsabilidades, ferramentas ou políticas distintas. A quantidade de componentes deve resultar da necessidade do atendimento, não ser uma meta arquitetural.
Quantos exemplos são necessários?
Não existe um número universal. A necessidade depende da diversidade da linguagem, sobreposição entre classes e custo dos erros. Comece com uma amostra revisada, avalie por intenção e amplie os recortes em que faltam evidências. Poucos exemplos quase idênticos não demonstram generalização.
O roteador deve reler toda a conversa?
Somente quando o caso exigir. Contexto excessivo pode misturar assuntos encerrados com o pedido atual. Defina quais campos e mensagens são necessários para resolver referências, registre a origem do contexto e permita que uma mudança explícita de assunto encerre a rota anterior.
Como lidar com uma intenção nova?
Encaminhe os casos incertos para revisão e agrupe padrões recorrentes. Antes de criar a classe, confirme que existe um destino capaz de atendê-la e escreva suas fronteiras. Acrescente testes de regressão para verificar se a nova intenção não absorve indevidamente pedidos das antigas.
