Intent Classification（意図分類）｜チャットボットが自然に会話するために必要なもの

Intent ？

日本語で言えば、
意図（Intent）を
分類すること

AIの意図分類（Intent Classification）って何？

ボットが一つの窓口でいろんな質問に答えようとする時に、
まずすべきことは、
「これって何の話？」を分類すること。

たとえば。

• 「今の天気は？」
  • → 天気APIを叩かなければ！
• 「ありがとう」
  • → 雑談として処理しよう！
• 「PDFを読んで教えて」
  • → 自社文書の検索をしなければ！
• 「明日の会議予定ある？」
  • → スケジュール確認をしなければ！

１つの入口で全部受け付けて、正しい返しをするには、“分類”が重要になる。

分類によって、
その後の処理を変えているんだ

チャットボットでの Intent Classification のやり方

分類方法は、いろいろある

Rule-based（ルールベース）

「ありがとう」「よろしく」みたいなキーワードで条件分岐。

手作業だけどシンプルで速い。精度はまあまあ。

MLモデル（機械学習）

過去の会話ログを学習させて、「これは雑談」「これは質問」を自動で判断。

精度は高いけど、学習データと保守がちょい重め。

LLM利用（ChatGPTなど）

プロンプトで「これって何系の質問？」と、分類させる。

ラクだけどAPIコストがかかる。

ハイブリッド型

最初はRuleでふるいにかけて、あいまいなものだけLLMに回す。

速さと精度のバランスが良くて、実用的なやり方。

実例：GoogleやLINE Botでも採用されてる

たとえばDialogflow（Google AssistantやLINE BOTで使われるもの）も、

• ユーザーの入力を「Intent」として分類
• そのIntentに応じた処理や返事を実行
• GUIで「どんな言葉がどのIntentか」設定できる

Intent分類って、
設計なんだ

よくある誤解と実際の構造

「AIなら何でもいい感じにやってくれるだろう！」
っていうのは思い込み。

現実はぜんぜん違う。

裏では、
地味に分類してるんだ

魔法感を作るための「地道な構造設計」

AIが自然に見える裏には、これだけの設計が詰まってる。

• ルールで意図分類
• 質問文をチャンク分割
• ベクトル検索
• 結果の整形
• 文章の生成
• ログ出力と構造管理

ここまでして、ようやく「あっ、なんか自然に答えてくれた」ってなる。

まとめ

意図分類は、複数の機能を持たせたボットには必要な設計。

結局、ボットにとって「これは質問？お願い？それとも世間話？」っていうのは、教えてもらわないとわからない。
その“教え”をどうデザインするかが、チャットボット設計での大切なところ。

ひとことで言うと
けっこう大変！